Os primeiros investidores do OpenRouter relatam o processo de investimento.

Autor: Menlo Ventures

Compilado por: Jia Huan, ChainCatcher

Hoje, a OpenRouter anunciou que chegou a um acordo de aquisição com a Stripe. Isso acontece apenas três anos após o lançamento oficial da OpenRouter em 2023.

O OpenRouter foi lançado inicialmente como uma "interface unificada para LLM" e, na época, suportava apenas quatro modelos: GPT-3.5, GPT-4, GPT NeoXT da Together e Cohere xlarge.

A empresa foi fundada com base em duas premissas fundamentais: primeiro, a escala de utilização da IA será eventualmente enorme e permeará todos os setores; segundo, um grande número de modelos diferentes surgirá no mercado, cada um com suas próprias vantagens e desvantagens, e os usuários escolherão modelos diferentes de acordo com suas diferentes necessidades.

Como se constatou, ambas as decisões superaram em muito as expectativas da época.

Desde o seu lançamento, o número de tokens processados pela plataforma OpenRouter aumentou aproximadamente 30.000 vezes, ultrapassando atualmente 4.500 trilhões de tokens anualizados, e a escala de gastos na plataforma atingiu um nível impressionante. Ao mesmo tempo, o número de modelos suportados pelo OpenRouter aumentou dos 4 iniciais para mais de 500.

Gráfico: Crescimento no uso do token OpenRouter desde sua criação até sua aquisição.

A Menlo Ventures tem a sorte de fazer parte dessa jornada. Em março de 2025, participamos da rodada de financiamento inicial da OpenRouter por meio do Anthology Fund, que criamos em parceria com a Anthropic.

Alex Atallah, fundador e CEO do OpenRouter, fundou anteriormente o OpenSea, que chegou a ser avaliado em US$ 13,3 bilhões. Seus cofundadores incluem Louis Vichy, um gênio da tecnologia que ele conheceu no Discord, e Chris Clark, um diretor de operações (COO) extremamente eficiente.

Em maio de 2025, lideramos a rodada de financiamento Série A da OpenRouter, com Matt ingressando no conselho administrativo da empresa e Deedy atuando como observador do conselho. No início deste ano, observando o rápido crescimento da OpenRouter em número de clientes e receita, e o roadmap de produtos da empresa construindo recursos mais robustos de "inteligência de modelos" em torno da seleção e avaliação de modelos, continuamos a investir na rodada de financiamento Série B.

Na indústria de tecnologia, uma ideia muitas vezes leva anos para deixar de ser apenas a opinião de alguns e se tornar um consenso da indústria.

Há poucas semanas, aconteceu o seguinte: da Ramp à Cursor, mais de 10 empresas lançaram seus próprios produtos de roteamento de modelos quase simultaneamente. Em poucos anos, a OpenRouter se tornou uma das empresas mais importantes na era da IA.

Foto: Foto de grupo tirada quando a rodada de financiamento Série A da OpenRouter foi confirmada como investidora principal.

À primeira vista, a Stripe pode não parecer a adquirente mais natural da OpenRouter, mas as duas empresas são, na verdade, surpreendentemente semelhantes.

Ambas simplificam processos de transação complexos por meio de uma API de acesso direto, cobrando uma porcentagem da taxa de transação. No entanto, o OpenRouter lida com modelos de IA.

Segundo a declaração consistente da Stripe, as duas empresas, após a fusão, continuam fazendo a mesma coisa: aumentar o "PIB da Internet".

Na verdade, há mais de um ano, o OpenRouter já se autodenominava "o Stripe do mundo LLM".

O valor fundamental do OpenRouter

A OpenRouter foi uma das primeiras empresas com as quais Deedy entrou em contato após ingressar na Menlo em 2024. Essa empresa está praticamente no centro da nossa lógica de investimento em infraestrutura de IA.

Em seu " Relatório de IA Empresarial de 2024 ", Menlo propôs duas premissas que devem ser consideradas para investir no OpenRouter: os gastos com IA aumentarão significativamente e os desenvolvedores não usarão apenas um modelo, mas vários modelos simultaneamente.

Imagem: E-mail inicial da Menlo para a OpenRouter

Como pessoas que também escrevem código e usam esses modelos na prática, percebemos desde cedo que existem diferenças muito significativas entre os diferentes modelos em termos de custo, latência e desempenho.

Por exemplo, ao realizar uma tarefa simples de PNL (Processamento de Linguagem Natural), como reconhecer entidades em um texto, você não precisa necessariamente recorrer a um modelo poderoso e de ponta como o Fable.

O problema é que, se os usuários precisarem acessar o site oficial de cada empresa de modelos, registrar uma conta, criar uma chave de API, manter a chave em segurança, adaptar-se às especificações ligeiramente diferentes da interface de API de cada empresa e, finalmente, gerenciar todos os modelos por conta própria, todo o processo se tornará muito trabalhoso.

Um gateway de modelo unificado pode parecer simples, mas, na realidade, é um problema de infraestrutura muito mais complexo do que aparenta. Poucas pessoas estão realmente dispostas a construir e manter um sistema desse tipo por conta própria a longo prazo.

O setor de capital de risco costuma discutir "vantagens competitivas" e geralmente pensa primeiro em barreiras tecnológicas. Mas o OpenRouter possui uma vantagem competitiva de escala muito típica.

Quanto mais usuários o OpenRouter tiver, melhor ele poderá prever a demanda por modelos e lidar com cargas maiores; também fica mais fácil fechar contratos maiores com laboratórios de modelos, obtendo assim uma oferta e demanda de tokens mais estáveis.

Em última análise, isso cria um ciclo: novos laboratórios de protótipos, para obter canais de distribuição, também vão querer priorizar o login no OpenRouter.

Observamos também outra tendência.

Com a crescente popularidade do Vibe Coding, o número de startups de software aumentou rapidamente. Para um produto que visa entrar no mercado corporativo, aqueles que já conquistaram a aprovação dos desenvolvedores internos da empresa são frequentemente os que acabam sendo adquiridos pelas grandes corporações.

Anthropic, OpenAI, xAI, Cursor, Cognition, ElevenLabs, Lovable e Fireworks seguem esse padrão: primeiro conquistam os desenvolvedores e depois entram no mercado corporativo.

O mesmo se aplica ao OpenRouter.

Desde o nosso investimento:

Atualmente, o OpenRouter processa 30.000 vezes mais tokens do que no seu lançamento e manteve uma taxa de crescimento mensal de cerca de 33% nos últimos três anos, dobrando em média a cada 11 semanas.

O mercado de modelos também se expandiu rapidamente. Excelentes modelos de código aberto, como DeepSeek, GLM e Kimi, surgiram na China, juntamente com modelos de empresas como Grok, Meta e Thinking Machines. Atualmente, o OpenRouter integra mais de 500 modelos de mais de 80 fornecedores, atendendo a aproximadamente 10 milhões de usuários.

Muitos modelos novos e importantes terão prioridade de lançamento no OpenRouter, incluindo modelos da OpenAI, X e Meta. Mark Zuckerberg, que raramente usa o Twitter ou se pronuncia sobre outros produtos, anunciou especificamente o lançamento do Muse Spark no OpenRouter, assim como Elon Musk. A OpenAI também oferecerá descontos exclusivos em modelos como o Terra e o Luna por meio do OpenRouter.

O modelo de crescimento da OpenRouter, orientado a produtos, também se traduziu com sucesso no mercado corporativo. Seu ciclo de vendas para empresas está entre os mais rápidos que já vimos. As empresas podem usar este produto para alocar recursos de modelos de forma centralizada, controlar permissões de acesso e gerenciar orçamentos internos de IA.

Como o OpenRouter consegue negociar contratos com diferentes fornecedores de modelos de forma unificada, ele pode oferecer uma disponibilidade de serviço extremamente alta, mesmo com os modelos mais modernos.

Como o OpenRouter chegou ao ponto em que está hoje?

Qualquer pessoa que tenha administrado uma startup por um longo período dirá que encontrar o encaixe perfeito entre produto e mercado (Product-Market Fit, ou PMF) nunca é um caminho linear.

O mesmo se aplica ao OpenRouter.

Na verdade, sua história começa em 5 de abril de 2023. Naquela época, a equipe lançou uma extensão para o Chrome chamada Window, que permitia aos usuários ligar para várias modelos simultaneamente em diferentes aplicativos de bate-papo na internet.

O objetivo inicial era impedir que os usuários ficassem presos a um fornecedor de modelo específico, além de eliminar a necessidade de fornecer suas chaves de API para diferentes aplicativos para usar modelos diferentes.

O design deste produto foi inspirado em carteiras de criptomoedas, o que também está relacionado à experiência anterior de Alex na fundação da OpenSea. Naquela época, o Windows suportava um total de 4 modelos.

Em 24 de abril de 2023, o nome "OpenRouter" apareceu pela primeira vez no repositório do GitHub do Windows.

Cerca de um mês depois, eles integraram o primeiro lote de modelos Anthropic v1, começaram a atribuir automaticamente as solicitações aos modelos apropriados com base nos prompts, criaram o agora famoso ranking de modelos e começaram a usar o nome OpenRouter.

Em 10 de agosto de 2023, a equipe renomeou oficialmente o produto para OpenRouter, com o slogan "Uma interface unificada para LLMs".

Naquela época, o OpenRouter processava aproximadamente 3 bilhões de tokens por semana. O modelo de classificação daquela época era completamente diferente do modelo com o qual estamos familiarizados hoje.

Em seguida, a equipe lançou o Playground, que permite aos usuários receber respostas de vários modelos simultaneamente por meio de uma única interface de bate-papo.

Em novembro daquele ano, o OpenRouter era compatível com 52 modelos, estava conectado a mais de 2.000 aplicativos e processava aproximadamente 8 bilhões de tokens por semana.

Nesse momento, eles finalmente encontraram o PMF.

O futuro do roteamento de modelos

Contrariamente à crença popular, o principal produto do OpenRouter não é simplesmente "ajudar os usuários a rotear tokens", mas sim se tornar o gateway de IA mais fácil de usar.

O OpenRouter oferece um roteador automático que pode selecionar um modelo automaticamente, mas a maioria dos desenvolvedores usa o OpenRouter principalmente para acessar diferentes modelos por meio de um único ponto de entrada e, em seguida, decidir como rotear os modelos de acordo com suas próprias necessidades.

Recentemente, o rápido aumento dos gastos corporativos com mestrados em direito (LLMs) tornou-se um problema real para empresas como Uber, Coinbase e Microsoft.

Portanto, o "roteador modelo" parece muito atraente como uma solução para redução de custos.

Já que um agente de IA divide uma tarefa em várias subtarefas diferentes, por que usar o modelo mais caro para cada tarefa? Tarefas simples podem ser executadas por modelos de custo mais baixo.

Nas últimas semanas, parece que toda a indústria percebeu isso repentinamente e em paralelo. Da Ramp à Cursor, mais de 10 empresas lançaram seus próprios roteadores modelo.

No entanto, o problema é que selecionar um modelo com base apenas no próprio prompt não é um método particularmente eficaz.

Em um cenário baseado em agentes, uma tarefa pode levar muito tempo para ser concluída. Determinar qual modelo deve lidar com uma solicitação específica requer a compreensão de um contexto significativo.

Por exemplo, um comando simples: "Encontre este arquivo no repositório de código."

Pode ser que seja necessário apenas um modelo de lógica de baixo custo e fácil de usar, ou pode ser preciso recorrer a um modelo de última geração. Isso depende do tamanho da base de código e do contexto construído por tarefas anteriores.

Em tarefas de agentes com várias etapas, se o roteador selecionar o modelo errado em qualquer etapa, o custo desse erro continuará a se amplificar nas etapas subsequentes, levando eventualmente a uma diminuição significativa na qualidade geral dos resultados da tarefa.

Portanto, a base de um produto de roteamento de modelos verdadeiramente diferenciado não é um simples "algoritmo de seleção de modelos", mas sim uma excelente API unificada e uma base de usuários reais suficientemente grande.

Foram esses usuários que permitiram ao OpenRouter acumular gradualmente um conjunto de dados extremamente grande, quase despercebido pelo mundo exterior. Esse conjunto de dados inclui os prompts enviados pelos usuários, os modelos que esses prompts utilizaram, os contextos usados durante a execução das tarefas e os resultados obtidos.

É aqui que o roteamento de modelos realmente importa.

Em um ambiente de produção real, o OpenRouter pode ajudar as empresas a controlar custos, mantendo o desempenho o máximo possível por meio de um roteamento de modelo mais racional.

No futuro, os desenvolvedores não precisarão construir sistemas de avaliação complexos por conta própria, nem precisarão modificar continuamente o Prompt para diferentes modelos.

Você pode simplesmente precisar acessar o painel administrativo e ver uma mensagem como esta: "Uma parte do seu código é usada principalmente para sumarização. A migração do GPT 5.6 Sol para o Muse Spark pode gerar uma economia de US$ 100.000 por ano. Já realizamos as avaliações necessárias automaticamente."

Este é o verdadeiro futuro do roteamento de modelos.

Da infraestrutura de pagamentos à infraestrutura de IA

A Stripe e a OpenRouter têm trajetórias de desenvolvimento muito semelhantes. Ambas as empresas primeiro conquistaram os desenvolvedores antes de gradualmente entrarem no mercado corporativo de grande porte. Suas linguagens de design de produto também são muito simples e diretas.

Andrej Karpathy certa vez chamou o OpenRouter de "interruptor" para IA. O Stripe faz algo semelhante: tornou-se esse "interruptor" no sistema de processamento de pagamentos.

Essa aquisição é um dos primeiros grandes negócios no setor de infraestrutura da era da IA, e não será o último. A infraestrutura para gerenciar modelos, custos e poder computacional está gradualmente tomando forma. Essa infraestrutura está possibilitando a formação de uma nova geração de empresas gigantes em um ritmo mais acelerado do que nunca.