不用再自己挑模型了:OpenRouter 新 Auto Router 与专为写代码生的 Auto Code 来了
11 月 6 日 OpenRouter 从零重建 Auto Router,并推出专为编码打造的 Auto Code。五项基准上 Auto Code 得分与 Claude Opus 5.5 相当,每任务成本低 74%——但默认成本档位也变了,老用户要留意账单变化。

11 月 6 日,OpenRouter 发布了新一代 Auto Router,同时推出一个专为编码打造的新路由器 Auto Code。公告的第一句话就把调子定下来了:过去三年运营 Auto Router 积累的经验,这次全部用在了一次从零开始的重建上。新路由器的路由步骤在真实测试里 p90 延迟快了 3 倍(0.65 秒对 1.96 秒),不同基准下最高比旧版快 4 倍。
对每天要跟模型打交道的 vibe coder 来说,这件事的意义不在“又快了几倍”,而在“选模型”这个活儿本身正在被外包。OpenRouter 的 Auto Router 每月要处理来自 10 多万人的超过 2.5 万亿 token——这个量级下,靠人一个一个试模型、记价格、盯新发布,早就不是办法。新的 Auto Router 和 Auto Code 想做的,就是让你只选一次:把 model 填成 openrouter/auto 或者 openrouter/auto-code,剩下的事交给路由器。

一、这次发布了什么:一个通用路由器,一个编码专用路由器
先把两个新角色分清楚。Auto Router(openrouter/auto)是旗舰通用路由器,面向混合流量和通用 Agent,偏好成本高效的那一档模型。Auto Code(openrouter/auto-code)是全新的编码专用路由器,面向编码 Agent 和运行框架(harness),起步就是更高一档的成本档位,在模型和推理力度之间权衡实测通过率、速度和每个已解决任务的成本。
两个路由器跑在同一套路由引擎上,但 Auto Code 的调校从一开始就是冲着写代码去的。OpenRouter 在公告里承认,旧版 Auto Router 被吐槽最多的地方,就是在编码框架里的表现。所以 Auto Code 更倾向于选略贵一档、但能力与编码工作更匹配的模型;它更看重速度,因为写代码时响应快慢很关键;它对失败的惩罚也更重,所以在成败界限分明的工作上能更快纠偏。五项基准测试——Deep SWE、SWE-Atlas QA、Terminal Bench 4.0、τ³-bench Banking、MMMU Pro Vision——的结果是:Auto Code 的得分与 Claude Opus 5.5 相当,而每个任务的成本低 74%。这两个数字是 OpenRouter 自己的基准测试结果,不是独立评测,读的时候要带上这个定语。
还有一个容易被忽略的细节:上一代 Auto Router 有个毛病,最低成本模型的效率实在太高,导致路由器在每任务成本上不断下探,把许多出色的模型排除在外。这次发布,OpenRouter 决定把定价拉回到接近几个月前 Auto 的水平,以便引入更多种类的模型。如果你更喜欢之前的行为,可以把 cost_tier 设为 low,获得相近的成本表现。这句话的潜台词很重要:老用户什么都不用改就能继续用,但默认行为已经变了——同样的 openrouter/auto,现在会选到更贵、更多样的模型组合,账单和延迟特征都会跟着变。
二、路由器是怎么选模型的:十一个因素,五步流程
上一代 Auto Router 依赖任务类型等少数几个不够精确的信号来做选择,这是为了压低延迟、保持判断一致而不得不做的取舍。新一代改成了另一套打法:一个快速决策模型在一次调用里评估十一个因素,比如这是什么类型的任务、任务是否刚刚发生变化、难度有多大、速度是否重要、是否需要视觉能力或对代码库的了解,以及换用更大的模型、更多思考还是更便宜的模型会更合适,再结合实时价格、提供商健康状况和缓存状态来挑选模型和推理力度。
一个请求走过 Auto Router 的完整流程是五步。第一步,收窄模型池:护栏、零数据留存要求、模型能力、提供商限制、BYOK 密钥,以及任何允许或排除的模型列表,共同决定哪些模型会被纳入考虑。第二步,快速决策模型评估十一个因素。第三步,路由策略权衡实时价格、缓存状态和基准测试表现,同时决定用哪个模型以及投入多少推理力度。第四步,请求走一遍直接请求该模型时相同的供应商路由,落到该模型最合适的供应商手里。第五步,每一轮的结果都会影响下一轮的选择:模型是否吃力、哪些内容已经缓存,都会带入下一次决策。
这里面有两个设计最值得 vibe coder 注意。第一个是“换模型要克制”。切换模型是有额外成本的,因为新模型要重建输入 token 缓存。Auto Router 优先调整推理强度,只有当收益值得放弃缓存时才会切换模型。在内测期间,它几乎每十个 Agent 回合就有九个停留在同一个模型上。对跑长会话的编码 Agent 来说,这意味着上下文缓存不容易被频繁换模型打断,会话更稳。第二个是“会根据失败自适应”。当一次会话以指向模型问题的方式出岔子时,比如同一个错误反复出现,或者编辑后测试仍然失败,这些信号会提高切换的概率。这样一来,会话因为早期选错模型而一直卡住的情况就少得多了。内测数据是:和上一代相比,无效工具调用减少了 4 倍,Agent 响应被截断的频率降低了一半——同样是厂商自己的内测数字,读时带定语。
三、选模型的过程第一次变得可见:聊天室里的路由洞察面板
这次发布里最有意思的产品细节,不在基准表里,而在聊天室里。在 OpenRouter 的聊天室里选 Auto Router 或 Auto Code,每条回复旁边会出现一个路由洞察面板,说明路由器为什么选了这个模型。公告里给的例子是:一个关于 Python RecursionError 的调试问题,被路由到了 InferenceNet 上的 DeepSeek V4.1 Flash,面板上显示任务类型是 Debugging(98%),以及各候选模型的入选份额、难度、精度和“换更大模型有没有好处”的判断。
同样的分析也可以通过 API 拿到——在请求里打开路由器元数据选项就能看到。两个路由器的模型页面现在还会展示实时路由分布:每个路由器最常选哪些模型、按会话类型拆分、以及随着难度上升分布如何变化。公告截图里显示,过去一天的请求里 GPT-6.1 Sol 的份额是 33.8%,排在第一位。
这件事的意义比看起来大。以前用 openrouter/auto,最大的不爽是“不知道它替我选了谁、为什么选它”,出了问题只能凭感觉猜。现在路由决策有了可读的理由,调试就有了抓手:某次回答质量差,到底是模型选错了、难度判断错了,还是缓存策略在捣鬼,面板上能看到线索。对把 Auto Code 接进编码 Agent 的人来说,这比 74% 那个数字更实用——成本省多少是结果,知道“为什么是这个模型”才是能持续优化的前提。
四、老用户注意:什么都不用改,但行为已经变了
公告的常见问题里写得很明确:从旧版切换过来,什么都不用改。标识符仍然是 openrouter/auto,cost_tier、allowed_models、excluded_models 这些设置也依然有效。Auto Router Beta(openrouter/auto-beta)是下一版的发布通道,新的路由改动会先发布到那里,验证成熟后再升级到 openrouter/auto。
但“不用改”和“没有变化”是两回事,公告里至少有三处变化是老用户必须知道的。第一,默认成本档位变了:新版把定价拉回到几个月前的水平,模型组合更多样,代价是同样的工作可能比以前贵。想要旧行为的人,要主动把 cost_tier 设为 low。第二,模型池的逻辑变了:600 多个模型里的每一个,在加入当天就进入候选范围,再由基准测试和热度信号决定它能否跻身成本最优集合——也就是说,新模型发布后,你的路由器可能在没有任何通知的情况下就开始用它。第三,Auto Code 的存在本身就是一次分流:以前混在通用路由器里的编码流量,现在有了专门的去处;如果你之前用 openrouter/auto 跑编码 Agent 觉得时好时坏,换成 openrouter/auto-code 可能就是最直接的改进。
这里还要提一句治理。路由器只在你允许的模型池里挑选:护栏、零数据留存、提供商限制、允许和排除的模型列表、BYOK 密钥共同划定边界。对团队使用来说,这意味着路由器的“自动”不是无边界的自动——你仍然可以用 allowlist 把有合规问题的模型挡在外面,用 ZDR 保证数据不被留存。公告里没有说路由会额外收费:你支付的是实际处理请求的模型的标准价格,响应里的 model 字段会告诉你用的是哪个模型。
五、OpenRouter 自己先说了实话:没有路由器能在每个点上赢过最强单模型
公告里有一节叫“路由器与单一模型”,写得比大多数厂商发布都诚实:基准测试反复表明,市面上没有任何路由器能在成本与质量曲线的每一个点上胜过最强的单一前沿模型,新的 Auto Router 也不例外,OpenRouter 公开基准测试,如实展示它的长处和短板。
这句话值得展开说说。路由器的价值不在“每个任务都选到最好的模型”,而在“在一大堆任务上,长期保持稳定、成本高效的表现”。当任务类型多样、组织需要把成本稳住,或者用户没时间也没兴趣跟进源源不断的模型发布时,路由器就有用武之地。反过来,如果你已经知道哪个模型最适合你的具体工作——比如你早就测出来某个模型写你这个项目的代码最稳——公告自己的建议就是:继续用它。路由器的交易,是用一点峰值性能换长期稳定。
对 vibe coder 来说,这个判断框架比 74% 更值得记下来。Auto Code 的卖点是“Opus 5.5 的水平、便宜 74%”,但这个数字的前提是“五个基准测试的平均表现”,而不是“你的项目”。你的项目有自己的代码库、自己的测试、自己的失败模式,路由器在你这里省不省钱、稳不稳定,最终要靠你自己的任务来验证。OpenRouter 把基准测试放在模型路由基准页面上定期重跑,等于把验证的尺子交到了你手里——用之前先看一眼你的任务类型在那张表上的位置,比直接相信 headline 数字要靠谱。
六、放在更大的图景里:模型选型正在从手艺变成基础设施
OpenRouter 这次发布还有一层意思,公告里没有明说,但值得点出来:模型选型正在从一门手艺变成一层基础设施。三年前,Auto Router 刚上线的时候,“挑模型”还是每个团队自己的功课——有人专门负责盯新模型发布、跑评测、算价格,然后把结论写进配置里。现在,OpenRouter 的目录里有 600 多个模型,每个新模型加入当天就进入候选范围,靠基准测试和热度信号决定能不能进成本最优集合。靠人工跟进这个速度,已经不现实了。
这对小团队和独立开发者反而是好事。大团队可以养一个专门做模型选型的人,小团队不行——你的时间应该花在产品上,而不是每周重算一遍哪个模型最划算。路由器的出现,等于把“模型选型”这件事外包给了一个每天处理 2.5 万亿 token 的系统:它见过的任务类型比你多,试过的模型组合比你多,犯过的错也比你多。公告里提到的那些教训——编码流量要单独拆出来、换模型要克制以保住缓存、失败后要自适应切换——都是在真实流量里撞出来的,不是实验室里想出来的。
但外包也有外包的代价。最直接的一点是可解释性:以前你自己选模型,出了问题知道该怪谁、该换谁;现在路由器替你选,出了问题你要先看懂路由洞察面板,才能判断是选错了模型、还是任务本身就难、还是提供商那边出了问题。公告这次把路由决策做成可见的面板、把基准测试公开定期重跑,都是在补这一课——“自动”不等于“黑箱”,至少在 OpenRouter 的设计里是这样。但这也意味着,使用者要养成一个新习惯:定期看一眼路由记录,而不是只在账单爆了才想起来查。
还有一点是关于锁定的。openrouter/auto 这个标识符三年没变,公告里特意强调“如果你几年前在某个智能体里设置了它,今天它依然会为你选出最新的成本最优方案”。这句话听起来是承诺,实际上也是提醒:你把模型选择权交给一个中间层,换来的便利是永远不用自己追新模型,付出的代价是你的 Agent 行为会跟着路由器的版本走。Auto Router Beta 这个通道的存在,就是给在意这一点的人准备的——新路由改动先发布到 openrouter/auto-beta,验证成熟后再升级到正式版。想提前看到变化的人走 beta 通道,想求稳的人留在正式版,这个分层本身就是路由器产品的一部分。
七、怎么试:先在聊天室里看明白,再接到 Agent 里
如果你现在就想试,公告给的路径很简单:在任意请求里把 model 设为 openrouter/auto 或 openrouter/auto-code,或者直接在聊天室里打开 Auto Router。但顺序建议反过来:先在聊天室里试。
第一步,在聊天室里用你平时最头疼的那类提示词去测——比如“给这个函数加带退避的重试”“这段报错是什么意思”,然后打开路由洞察面板,看它选了哪个模型、任务类型判断准不准、难度评估合不合理。如果它连续几次都把调试问题判成别的类型,那说明路由器的任务分类在你的场景里还不准,接到 Agent 里之前要先想好兜底。
第二步,接到 Agent 之前,先在 API 请求里打开路由器元数据,把每次的路由决策记下来。跑上几天之后,你就能看到自己的任务分布:多少次它选了便宜模型、多少次选了贵的、切换频繁不频繁、失败后它有没有真的换模型。这比只看账单更能说明问题——账单告诉你花了多少钱,路由记录告诉你钱花得值不值。
第三步,编码 Agent 先上 Auto Code,通用任务留在 Auto Router。公告里 Auto Code 的调校就是冲着编码框架去的:更快、更看重实测通过率、对失败惩罚更重。如果你的 Agent 是 Claude Code、Cursor 这类编码工具的后端,或者你自己搭的编码流水线,openrouter/auto-code 是更对口的入口。通用问答、写文档、做研究这些混合流量,继续用 openrouter/auto 就好,没必要为了“新”而全切过去。
最后提醒一句:如果你是老用户,升级之后的第一周,留意一下账单和延迟。默认成本档位变了,模型组合也变了,同样的任务可能花得比以前多,也可能因为缓存策略变了而更快。先观察一周,再决定要不要把 cost_tier 设回 low,或者把某些模型放进排除列表。路由器替你选模型是好事,但选完之后复核一次,仍然是你自己的活儿。
评论 (0)
原始来源
相关文章
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。
2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。
2026 年 11 月 11 日,AWS 开源 UAEF:先把 LangGraph、LangChain、Strands、Bedrock AgentCore 等框架的运行记录翻成统一格式,再用 36 个指标、7 个维度打分,回归超过 5% 就亮灯。评审模型本身也被防了一手:打分要引原文作证,分数不能用来决定安全放行。