OpenRouter 早期投资人复盘投资始末

作者：Menlo Ventures

编译：佳欢，ChainCatcher

今天，OpenRouter 宣布已与Stripe 达成收购协议。距离OpenRouter 于2023 年正式推出，刚刚过去三年。

OpenRouter 最初以「LLM 的统一接口」为定位上线，当时只支持4 个模型：GPT-3.5、GPT-4、Together 的GPT NeoXT 和Cohere xlarge。

公司成立之初基于两个核心判断：第一，AI 的使用规模最终会非常庞大，并渗透到各个领域；第二，市场上会出现大量不同模型，它们各有取舍，用户也会根据不同需求选择不同模型。

事实证明，这两个判断都远远超出了当时的预期。

自上线以来，OpenRouter 平台处理的Token 数量增长了约3 万倍，目前按年化计算已经超过4500 万亿Token，平台上的支出规模也达到了相当惊人的水平。与此同时，OpenRouter 支持的模型数量已经从最初的4 个增加到500 多个。

图：从成立到被收购，OpenRouter Token 使用量增长情况

Menlo Ventures 很幸运能够参与这段旅程。 2025 年3 月，我们通过与Anthropic 合作设立的Anthology Fund 参与了OpenRouter 的种子轮融资。

OpenRouter 创始人兼CEO Alex Atallah 此前曾创办OpenSea，后者估值一度达到133 亿美元。他的联合创始人包括在Discord 上认识的技术高手Louis Vichy，以及执行力极强的COO Chris Clark。

2025 年5 月，我们领投了OpenRouter 的A 轮融资，Matt 加入公司董事会，Deedy 担任董事会观察员。今年早些时候，看到OpenRouter 的客户数量和收入迅速增长，以及公司围绕模型选择和评估构建更强「模型智能」能力的产品路线后，我们又继续加码了B 轮融资。

在科技行业，一个想法往往需要经过多年时间，才能从少数人的判断变成行业共识。

而就在几周前，这件事发生了：从Ramp 到Cursor，超过10 家公司几乎同时推出了自己的模型路由产品。短短几年时间，OpenRouter 已经成为AI 时代最重要的公司之一。

图：确定领投OpenRouter A 轮时的合影

乍看之下，Stripe 似乎并不是OpenRouter 最自然的收购方，但两家公司实际上惊人地相似。

两者都通过一个可以直接接入的API，把原本复杂的交易流程变得简单，并从中收取一定比例的费用。只不过OpenRouter 处理的是AI 模型。

按照Stripe 一贯的说法，两家公司结合之后，仍然是在做同一件事：提高「互联网GDP」。

事实上，一年多以前，OpenRouter 就已经把自己称为「LLM 领域的Stripe」。

OpenRouter 的核心价值

OpenRouter 是Deedy 在2024 年加入Menlo 后最早接触的公司之一。这家公司几乎正好处于我们AI 基础设施投资逻辑的核心位置。

Menlo 在《 2024 企业AI 报告》中提出了两个投资OpenRouter 所必须成立的判断：AI 支出会大幅增长，同时开发者不会只使用一个模型，而会同时采用多个模型。

图：Menlo 最初发给OpenRouter 的联系邮件

作为同样会写代码、会实际使用这些模型的人，我们很早就意识到，不同模型在成本、延迟和性能之间存在非常明显的差异。

例如，当你只是做一个简单的NLP 任务，从文本中识别实体时，并不一定需要调用Fable 这类最前沿、能力最强的模型。

但问题在于，如果用户需要自己进入每一家模型公司的官网，注册账号、创建API Key、妥善保管密钥，再分别适配各家公司略有不同的API 接口规范，最后还要自己管理所有模型，整个过程会非常繁琐。

一个统一的模型网关听起来似乎很简单，但实际上，这是一个比表面看起来困难得多的基础设施问题。很少有人真的愿意长期自己建设并维护这一套系统。

风险投资行业经常讨论「护城河」，通常首先想到的是技术壁垒。但OpenRouter 拥有的是一种非常典型的规模护城河。

用户越多，OpenRouter 就越能够预测模型需求、处理更大的负载；同时也更容易与模型实验室签订规模更大的合同，从而获得更稳定的Token 供应和需求。

最终，这会形成一个循环：新的模型实验室为了获得分发渠道，也会希望优先登陆OpenRouter。

我们还观察到另一个趋势。

随着vibe coding 普及，软件创业公司的数量迅速增加。对于一家想进入企业市场的产品来说，最终真正能被企业采购的，往往是那些已经先赢得公司内部开发者认可的产品。

Anthropic、OpenAI、xAI、Cursor、Cognition、ElevenLabs、Lovable 和Fireworks 都是如此：它们先赢得开发者，然后进入企业市场。

OpenRouter 也是一样。

自我们投资以来：

OpenRouter 当前处理的Token 数量已经达到上线初期的3 万倍，过去三年保持约33% 的月度增长，平均每11 周翻一倍。

模型市场也迅速扩张。中国出现了DeepSeek、GLM、Kimi 等优秀开源模型，此外还有Grok、Meta 和Thinking Machines 等公司的模型。目前OpenRouter 已经接入超过80 家模型提供商的500 多个模型，服务约1000 万用户。

许多重要的新模型都会优先登陆OpenRouter，包括来自OpenAI、X 和Meta 的模型。平时很少发推、更少为其他产品发声的Mark Zuckerberg，也曾专门宣布Muse Spark 上线OpenRouter，Elon Musk 同样如此。 OpenAI 还会通过OpenRouter 提供Terra、Luna 等模型的专属折扣。

OpenRouter 的产品驱动增长模式也成功转化到了企业市场。它的企业产品销售周期，是我们见过最快的一批。企业可以通过这一产品统一分配模型资源、控制访问权限，并管理内部AI 预算。

由于OpenRouter 可以统一与不同模型提供商谈判合同，即使面对最前沿的模型，它也能够提供极高的服务可用性。

OpenRouter 是怎么走到今天的？

任何长期做创业公司的人都会告诉你，找到产品市场契合度，也就是PMF，从来不是一条直线。

OpenRouter 同样如此。

它的故事其实要从2023 年4 月5 日说起。当时团队推出了一款名为Window 的Chrome 扩展，让用户能够在互联网上不同的聊天应用中同时调用多个模型。

他们最初想解决的问题，是避免用户被某一家模型厂商锁定，同时又不需要为了使用不同模型，把自己的API Key 分别交给不同应用。

这一产品的设计灵感来自加密钱包，这也与Alex 此前创办OpenSea 的经历有关。当时Window 一共支持4 个模型。

2023 年4 月24 日，Window 的GitHub 代码库中第一次出现了「OpenRouter」这个名字。

大约一个月后，他们接入了第一批Anthropic v1 模型，开始根据Prompt 自动把请求分配给合适的模型，同时还制作了后来广为人知的模型排行榜，并开始使用OpenRouter 这一名称。

2023 年8 月10 日，团队正式将产品更名为OpenRouter，口号是「A unified interface for LLMs」，即「LLM 的统一接口」。

当时，OpenRouter 每周处理大约30 亿Token。那时排行榜上的模型，与今天大家熟悉的模型已经完全不同。

随后团队推出了Playground，让用户可以通过一个聊天界面，同时获得多个模型的回答。

到了当年11 月，OpenRouter 已经支持52 个模型，接入超过2000 个应用，每周处理约80 亿Token。

这时，他们真正找到了PMF。

模型路由的未来

与很多人的理解不同，OpenRouter 最核心的产品并不是简单地「帮用户路由Token」，而是成为最好用的AI 网关。

OpenRouter 的确提供Auto Router，可以自动选择模型，但大多数开发者使用OpenRouter，主要还是为了通过一个入口访问不同模型，再根据自己的需求决定如何进行模型路由。

最近，企业在LLM 上快速增长的支出，已经成为Uber、Coinbase 和Microsoft 等公司的现实问题。

因此，「模型路由器」作为一种降低成本的方案，听起来非常诱人。

既然一个AI Agent 执行任务时会拆成许多不同的子任务，那么为什么每个任务都要使用最昂贵的模型？简单任务完全可以交给成本更低的模型处理。

过去几周，整个行业似乎突然同时意识到了这一点。从Ramp 到Cursor，已经有超过10 家公司推出自己的模型路由器。

但问题在于，仅仅根据Prompt 本身来选择模型，其实并不是一个特别有效的方法。

在Agent 场景中，一个任务可能需要运行很长时间。要想判断某个请求应该交给哪个模型，需要理解大量上下文。

比如一句简单的指令：「在代码库里找到这个文件。」

它可能只需要一个便宜、简单的LLM，也可能必须调用最前沿的模型。这取决于代码库到底有多大，以及此前任务已经积累了怎样的上下文。

在多步骤的Agent 任务中，一旦路由器在某一步选错模型，这个错误的成本还会沿着后续步骤不断放大，最终导致整个任务的结果质量明显下降。

因此，一个真正有差异化能力的模型路由产品，基础并不是一个简单的「模型选择算法」，而是一个优秀的统一API，以及足够庞大的真实用户规模。

正是这些用户，让OpenRouter 在几乎没有被外界注意到的情况下，逐渐积累了一个极为庞大的数据集，其中包括用户提交了什么Prompt、这些Prompt 最终使用了什么模型、任务运行时有哪些上下文，以及最后取得了怎样的结果。

这才是模型路由真正重要的地方。

在真实生产环境中，OpenRouter 可以在尽量维持效果的同时，通过更合理的模型路由帮助企业控制成本。

未来，开发者不需要自己搭建复杂的评测体系，也不用为了不同模型持续修改Prompt。

你可能只需要登录后台，然后看到这样一条提示：「你的代码库中有一部分场景主要用于摘要。如果把GPT 5.6 Sol 换成Muse Spark，每年可以节省10 万美元。我们已经自动替你完成了相关评测。」

这才是模型路由真正的未来。

从支付基础设施到AI 基础设施

Stripe 与OpenRouter 有着非常相似的发展轨迹。两家公司都是先赢得开发者，再逐渐进入大型企业市场。两者的产品设计语言也都非常简洁、直接。

Andrej Karpathy 曾把OpenRouter 称为AI 的「转换开关」。而Stripe 所做的事情，本质上也类似：它成为了支付处理体系中的那个「开关」。

这笔收购也是AI 时代基础设施领域最早出现的大型交易之一，而且不会是最后一笔。用于管理模型、成本和算力的基础设施已经逐渐成型。这些基础设施正在让新一代巨头公司的形成速度变得比过去更快。