OpenRouter 초기 투자자들이 투자 과정을 회상합니다.

저자: 멘로 벤처스

작성자: 지아 환, 체인캐처

오늘 OpenRouter는 Stripe와의 인수 계약을 체결했다고 발표했습니다. 이는 OpenRouter가 2023년 공식 출시된 지 불과 3년 만에 이루어진 일입니다.

OpenRouter는 처음에는 "LLM을 위한 통합 인터페이스"로 출시되었으며 당시에는 GPT-3.5, GPT-4, Together의 GPT NeoXT 및 Cohere xlarge의 네 가지 모델만 지원했습니다.

이 회사는 두 가지 핵심 판단에 기반하여 설립되었습니다. 첫째, AI 활용 규모는 결국 엄청나게 커져 모든 분야에 스며들 것이다. 둘째, 시장에는 각기 다른 장단점을 가진 다양한 모델들이 등장할 것이며, 사용자들은 자신의 필요에 따라 각기 다른 모델을 선택할 것이다.

결과적으로 이 두 가지 평가는 당시 예상을 훨씬 뛰어넘는 것이었습니다.

오픈라우터 플랫폼은 출시 이후 처리된 토큰 수가 약 3만 배 증가하여 현재 연간 4,500조 개를 넘어섰으며, 플랫폼에서의 지출 규모는 놀라운 수준에 도달했습니다. 동시에 오픈라우터에서 지원하는 모델 수도 초기 4개에서 500개 이상으로 늘어났습니다.

차트: 오픈라우터 토큰 사용량 증가 추이 (출시 시점부터 인수 시점까지).

멘로 벤처스는 이러한 여정에 함께할 수 있어 행운입니다. 2025년 3월, 저희는 앤스로픽과 공동으로 설립한 앤솔로지 펀드를 통해 오픈라우터의 시드 투자 라운드에 참여했습니다.

오픈라우터의 창립자 겸 CEO인 알렉스 아탈라는 이전에 한때 133억 달러의 기업 가치를 평가받았던 오픈시를 창립했습니다. 그의 공동 창업자로는 디스코드에서 만난 기술 천재 루이 비시와 뛰어난 COO인 크리스 클라크가 있습니다.

2025년 5월, 저희는 OpenRouter의 시리즈 A 투자 라운드를 주도했으며, Matt는 회사 이사회에 합류했고 Deedy는 이사회 참관인으로 활동했습니다. 올해 초, OpenRouter의 고객 수와 매출이 빠르게 성장하고, 모델 선택 및 평가와 관련된 "모델 인텔리전스" 기능을 강화하는 제품 로드맵을 고려하여 시리즈 B 투자 라운드에도 참여했습니다.

기술 업계에서는 아이디어가 소수의 판단에서 업계 전반의 합의로 자리 잡기까지 수년이 걸리는 경우가 많습니다.

불과 몇 주 전, Ramp부터 Cursor까지 10개 이상의 기업이 거의 동시에 자체 모델 라우팅 제품을 출시했습니다. 불과 몇 년 만에 OpenRouter는 AI 시대에서 가장 중요한 기업 중 하나로 성장했습니다.

사진: 오픈라우터의 시리즈 A 투자 유치가 확정되었을 때 촬영한 단체 사진.

언뜻 보면 스트라이프가 오픈라우터를 인수하기에 가장 적합한 기업처럼 보이지 않을 수도 있지만, 사실 두 회사는 놀라울 정도로 유사합니다.

두 서비스 모두 직접 접근 가능한 API를 통해 복잡한 거래 프로세스를 간소화하고 거래 금액의 일정 비율을 수수료로 부과합니다. 다만, OpenRouter는 AI 모델을 활용합니다.

스트라이프의 일관된 입장에 따르면, 두 회사는 합병 후에도 여전히 같은 일을 하고 있습니다. 바로 "인터넷 GDP"를 증가시키는 것입니다.

사실, OpenRouter는 1년도 더 전에 스스로를 "LLM 업계의 Stripe"라고 칭했습니다.

OpenRouter의 핵심 가치

OpenRouter는 Deedy가 2024년 Menlo에 합류한 후 처음으로 접촉한 회사 중 하나입니다. 이 회사는 저희 AI 인프라 투자 논리의 핵심에 거의 정확히 들어맞습니다.

멘로는 자신의 " 2024년 기업 AI 보고서 "에서 OpenRouter에 투자하기 위해 전제해야 할 두 가지 가정을 제시했습니다. 첫째, AI 지출이 크게 증가할 것이며, 둘째, 개발자들은 하나의 모델만 사용하는 것이 아니라 여러 모델을 동시에 사용할 것이라는 점입니다.

이미지: 멘로가 오픈라우터에 보낸 첫 번째 이메일

코드를 작성하고 이러한 모델을 실제로 사용하는 사람들로서, 우리는 비용, 지연 시간 및 성능 측면에서 서로 다른 모델 간에 매우 큰 차이가 있다는 것을 일찍부터 깨달았습니다.

예를 들어, 텍스트에서 개체를 인식하는 것과 같은 간단한 자연어 처리 작업을 수행할 때는 Fable과 같은 최첨단 고성능 모델을 반드시 호출할 필요는 없습니다.

문제는 사용자가 각 모델 회사의 공식 웹사이트에 접속하여 계정을 등록하고, API 키를 생성하고, 키를 안전하게 보관하고, 각 회사의 약간씩 다른 API 인터페이스 사양에 맞춰야 하며, 최종적으로 모든 모델을 직접 관리해야 한다면 전체 과정이 매우 번거로워진다는 점입니다.

통합 모델 게이트웨이는 간단해 보이지만, 실제로는 겉보기보다 훨씬 복잡한 인프라 문제입니다. 장기적으로 이러한 시스템을 직접 구축하고 유지 관리하려는 사람은 극히 드뭅니다.

벤처 캐피털 업계에서는 흔히 "해자"라는 용어를 사용하며, 일반적으로 기술적 장벽을 먼저 떠올립니다. 하지만 오픈라우터는 매우 전형적인 규모의 해자를 보유하고 있습니다.

OpenRouter 사용자가 많을수록 모델 수요를 더 잘 예측하고 더 큰 부하를 처리할 수 있으며, 모델 랩과 더 큰 규모의 계약을 체결하기가 더 쉬워져 토큰의 공급과 수요가 더욱 안정됩니다.

결과적으로 이는 악순환을 초래합니다. 새로운 모델 연구소들은 유통 채널을 확보하기 위해 OpenRouter에 로그인하는 것을 우선시하게 될 것입니다.

우리는 또 다른 경향을 발견했습니다.

바이브 코딩의 인기가 높아짐에 따라 소프트웨어 스타트업의 수도 급증했습니다. 기업 시장 진출을 목표로 하는 제품의 경우, 기업 내부 개발자들의 승인을 이미 얻은 제품이 최종적으로 기업에 판매되는 경우가 많습니다.

Anthropic, OpenAI, xAI, Cursor, Cognition, ElevenLabs, Lovable, Fireworks는 모두 이러한 패턴을 따릅니다. 즉, 먼저 개발자들을 확보한 다음 기업 시장에 진출합니다.

OpenRouter에도 동일하게 적용됩니다.

투자 이후:

OpenRouter는 현재 출시 당시보다 3만 배 많은 토큰을 처리하고 있으며, 지난 3년간 월평균 약 33%의 성장률을 유지하여 11주마다 두 배씩 증가해 왔습니다.

모델 시장 또한 빠르게 확장되었습니다. DeepSeek, GLM, Kimi와 같은 우수한 오픈 소스 모델들이 중국에서 등장했으며, Grok, Meta, Thinking Machines와 같은 회사들의 모델들도 개발되었습니다. 현재 OpenRouter는 80개 이상의 모델 제공업체에서 제공하는 500개 이상의 모델을 통합하여 약 1천만 명의 사용자에게 서비스를 제공하고 있습니다.

OpenAI, X, Meta 등 여러 주요 신규 모델들이 OpenRouter 출시를 우선적으로 앞두고 있습니다. 평소 다른 제품에 대해 트윗을 하거나 언급하는 일이 드문 마크 저커버그는 일론 머스크와 마찬가지로 Muse Spark의 OpenRouter 출시를 직접 발표했습니다. 또한 OpenAI는 OpenRouter를 통해 Terra와 Luna 같은 모델에 대한 특별 할인 혜택을 제공할 예정입니다.

OpenRouter의 제품 중심 성장 모델은 기업 시장에서도 성공적으로 적용되었습니다. 특히 기업용 제품 판매 주기는 우리가 경험한 것 중 가장 빠른 수준입니다. 기업은 이 제품을 통해 모델 리소스를 중앙에서 할당하고, 접근 권한을 제어하며, 내부 AI 예산을 관리할 수 있습니다.

OpenRouter는 다양한 모델 제공업체와 통합된 방식으로 계약을 협상할 수 있기 때문에 최첨단 모델에서도 매우 높은 서비스 가용성을 제공할 수 있습니다.

OpenRouter는 어떻게 지금의 위치에 오르게 되었을까요?

오랜 기간 스타트업을 운영해 본 사람이라면 누구나 제품-시장 적합성(PMF)을 찾는 과정이 결코 순탄하지 않다는 것을 알 것입니다.

OpenRouter에도 동일하게 적용됩니다.

이 이야기의 실제 시작은 2023년 4월 5일입니다. 당시 팀은 Window라는 크롬 확장 프로그램을 출시했는데, 이 프로그램을 통해 사용자는 인터넷상의 여러 채팅 애플리케이션에서 여러 모델에게 동시에 전화를 걸 수 있었습니다.

그들의 초기 목표는 사용자가 특정 모델 공급업체에 종속되는 것을 방지하는 동시에, 서로 다른 모델을 사용하기 위해 여러 애플리케이션에 API 키를 넘겨줄 필요성을 없애는 것이었습니다.

이 제품의 디자인은 암호화폐 지갑에서 영감을 받았으며, 이는 알렉스가 이전에 오픈씨(OpenSea)를 설립했던 경험과도 관련이 있습니다. 당시 윈도우는 총 4가지 모델을 지원했습니다.

2023년 4월 24일, "OpenRouter"라는 이름이 Windows GitHub 저장소에 처음으로 등장했습니다.

약 한 달 후, 그들은 Anthropic v1 모델들을 처음으로 통합하고, 프롬프트에 따라 요청을 적절한 모델에 자동으로 할당하기 시작했으며, 현재 유명한 모델 순위표를 만들고 OpenRouter라는 이름을 사용하기 시작했습니다.

2023년 8월 10일, 해당 팀은 "LLM을 위한 통합 인터페이스"라는 슬로건과 함께 제품명을 공식적으로 OpenRouter로 변경했습니다.

당시 오픈라우터는 매주 약 30억 개의 토큰을 처리했습니다. 그 당시의 순위표 모델은 오늘날 우리가 익숙한 모델과는 완전히 달랐습니다.

이후 팀은 사용자들이 단일 채팅 인터페이스를 통해 여러 모델로부터 동시에 답변을 받을 수 있는 Playground를 출시했습니다.

그해 11월까지 OpenRouter는 52개 모델을 지원하고 2,000개 이상의 애플리케이션에 연결되었으며 매주 약 80억 개의 토큰을 처리했습니다.

이 시점에서 그들은 마침내 PMF를 발견했습니다.

모델 라우팅의 미래

일반적인 생각과는 달리, OpenRouter의 핵심 제품은 단순히 "사용자가 토큰을 라우팅하도록 돕는 것"이 아니라 가장 사용자 친화적인 AI 게이트웨이가 되는 것입니다.

OpenRouter는 모델을 자동으로 선택할 수 있는 자동 라우터 기능을 제공하지만, 대부분의 개발자는 주로 단일 진입점을 통해 다양한 모델에 액세스한 다음 필요에 따라 모델을 라우팅하는 방법을 결정하기 위해 OpenRouter를 사용합니다.

최근 기업들의 LLM(Limited Life Management) 지출이 급증하면서 우버, 코인베이스, 마이크로소프트와 같은 기업들이 심각한 문제에 직면하고 있습니다.

따라서 "모델 라우터"는 비용 절감 솔루션으로서 매우 매력적으로 들립니다.

AI 에이전트는 작업을 여러 하위 작업으로 분해하는데, 왜 각 작업에 가장 비싼 모델을 사용해야 할까요? 간단한 작업은 비용이 낮은 모델로도 처리할 수 있습니다.

지난 몇 주 동안 업계 전체가 마치 동시에 이 사실을 깨달은 듯합니다. Ramp부터 Cursor까지 10개 이상의 회사가 자체 모델 라우터를 출시했습니다.

하지만 문제는 프롬프트 자체에만 근거하여 모델을 선택하는 것은 그다지 효과적인 방법이 아니라는 점입니다.

에이전트 기반 시나리오에서 작업 완료에는 매우 오랜 시간이 걸릴 수 있습니다. 특정 요청을 어떤 모델이 처리해야 하는지 결정하려면 상당한 양의 맥락 정보를 이해해야 합니다.

예를 들어, 간단한 명령은 다음과 같습니다. "코드 저장소에서 이 파일을 찾아주세요."

저렴하고 간단한 LLM만 필요할 수도 있고, 최첨단 모델을 호출해야 할 수도 있습니다. 이는 코드베이스의 규모와 이전 작업에서 구축된 컨텍스트에 따라 달라집니다.

다단계 에이전트 작업에서 라우터가 어느 단계에서든 잘못된 모델을 선택하면 해당 오류로 인한 비용이 후속 단계에서 계속 증폭되어 결국 작업 결과의 전반적인 품질이 크게 저하됩니다.

따라서 진정으로 차별화된 모델 경로 안내 제품의 기반은 단순한 "모델 선택 알고리즘"이 아니라, 탁월한 통합 API와 충분히 큰 실제 사용자 기반입니다.

바로 이러한 사용자들 덕분에 OpenRouter는 외부 세계에 거의 알려지지 않은 채 방대한 데이터 세트를 점진적으로 축적할 수 있었습니다. 이 데이터 세트에는 사용자가 제출한 프롬프트, 해당 프롬프트에서 최종적으로 사용된 모델, 작업 실행 중에 사용된 컨텍스트, 그리고 달성된 결과가 포함됩니다.

바로 이 지점에서 모델 라우팅이 진정으로 중요해집니다.

실제 운영 환경에서 OpenRouter는 보다 합리적인 모델 라우팅을 통해 성능을 최대한 유지함으로써 기업이 비용을 절감하는 데 도움을 줄 수 있습니다.

앞으로 개발자들은 복잡한 평가 시스템을 직접 구축할 필요도 없고, 다양한 모델에 맞춰 프롬프트를 지속적으로 수정할 필요도 없을 것입니다.

관리자 페이지에 로그인하면 다음과 같은 메시지가 표시될 수 있습니다. "코드베이스의 일부는 주로 요약 용도로 사용됩니다. GPT 5.6 Sol에서 Muse Spark로 전환하면 연간 10만 달러를 절약할 수 있습니다. 관련 평가를 자동으로 수행했습니다."

이것이 바로 모델 경로 설정의 진정한 미래입니다.

결제 인프라에서 AI 인프라까지

Stripe와 OpenRouter는 매우 유사한 발전 궤적을 가지고 있습니다. 두 회사 모두 개발자들을 먼저 사로잡은 후 점차 대기업 시장으로 진출했습니다. 또한 두 회사의 제품 디자인 언어는 매우 단순하고 직관적입니다.

안드레이 카르파티는 한때 오픈라우터를 AI를 위한 "스위치"라고 불렀습니다. 스트라이프도 이와 유사하게 결제 처리 시스템에서 그러한 "스위치" 역할을 하고 있습니다.

이번 인수는 인공지능 시대 인프라 분야에서 이루어진 초기 주요 거래 중 하나이며, 마지막은 아닐 것입니다. 모델, 비용, 컴퓨팅 파워를 관리하는 인프라가 점차 구축되고 있으며, 이러한 인프라는 이전보다 훨씬 빠른 속도로 차세대 거대 기업들의 탄생을 가능하게 하고 있습니다.