模型厂商在打价格战，路由层已经卖了 70 亿美元

你大概也有过这种经历：项目上线时选了 DeepSeek，因为便宜；过了两个月 DeepSeek 涨价了，你想换 Kimi，但接口规范不同，计费方式不同，缓存逻辑也不一样——换一次模型，等于重写一遍调用层。
更糟的是，Agent 场景下这种"换"不是一次性的。一个复杂任务可能先调用大模型做规划，再调小模型做执行，中间还要插入工具调用。哪个模型负责哪一步、什么时候切换、出了故障怎么 fallback——这些决策每天都在发生，但从来没有人替你做。
过去两年，大家以为模型会越来越便宜，调用成本会趋近于零。这周发生的事告诉我们：模型确实在变便宜，但"帮你选模型、管模型、在模型之间调度"这件事，正在变成整个 AI 产业链里最值钱的生意。

70 亿美元买的是什么

8 月 17 日，彭博社报道，支付公司 Stripe 与 OpenRouter 达成收购协议，价格超过 70 亿美元（约 472 亿人民币）。这笔交易有望创下 AI 模型路由平台并购金额纪录。
OpenRouter 是什么？简单说，它是全球最大的大模型 API 聚合平台。开发者只需要接入一个 API，就能调用 400 多个模型——OpenAI、Anthropic、DeepSeek、Qwen、谷歌，应有尽有。它负责模型路由、故障切换、成本和延迟优化。
这家公司今年 5 月刚完成 1.13 亿美元 B 轮融资，估值 13 亿美元。三个月后，Stripe 给出的收购价是估值的 5 倍以上。
钱花得值不值？看几个数字：OpenRouter 注册开发者超过 800 万，每周处理的 Token 从半年前的 5 万亿涨到 25 万亿，预计全年处理量超过 1 千万亿。年化收入从 2025 年 10 月的约 1000 万美元，飙涨到 2026 年 7 月的约 1.4 亿美元——不到一年翻了 14 倍。服务成本仅占收入的 28.5%，毛利率接近 70%，放在软件行业都是头部水平。
Stripe 买的不是模型，也不是技术。它买的是一个"位置"——OpenRouter 坐在 800 万开发者和 400 多个 AI 模型之间。模型越多、越碎片化，这个位置越值钱。OpenRouter 平均每 10 小时上线一个新模型，仅 7 月就加了 70 个。模型厂商之间竞争越激烈，它反而越受益。
中立是 OpenRouter 最值钱的资产。云厂商也有模型市场，但没有一家厂商会真心把流量导给对手的模型。靠着一个"谁都不站队"的身份，OpenRouter 在巨头环伺的市场里拿到了一个稀缺位置：企业在多模型部署中唯一敢托付核心业务流的中立网关。

同一周的另一条线：模型在调价

就在 OpenRouter 被收购的同一天，DeepSeek 的峰谷定价正式生效。
高峰时段（北京时间 9:00-12:00、14:00-18:00），V4 Pro 每百万 Token 缓存未命中输入 9 元、输出 27 元，缓存命中输入 0.3 元。跟 8 月 12 日公布的原价相比，缓存命中输入从 0.025 元涨到 0.3 元，涨幅 1100%。空闲时段价格为高峰的一半，V4 Flash 的输出也从 2 元涨到高峰 9 元，涨幅 350%。
同一周，OpenAI 发布了 GPT-5.6 开发者指南，核心信息是：降本不靠砍功能，靠改工程。官方给了一个直观的对照——同一道搜索评测题 BrowseComp，GPT-5.5 用最高推理档跑出 84.36% 的准确率，花费 33.27 美元；换成 GPT-5.6 Luna，同一档位拿到 84.04%，成本只要 1.33 美元。几乎一样的分数，二十五分之一的成本。Luna 的单任务成本比 Anthropic 旗舰模型 Fable 5 低将近 99%，成绩还反超了。
把两件事放在一起看，你会发现一个有趣的结构：模型厂商在拼命调整定价策略——有的涨价、有的降价、有的搞峰谷分时段——目的是把用户留在自己的生态里。但越复杂的定价，开发者就越需要一个中间层来帮忙做决策。模型厂商自己也在往这个方向走，DeepSeek 推出了 Harness，OpenAI 在 Responses API 里内置了推理保留和智能体编排——本质上都在把竞争从"模型能力"延伸到"任务入口"。

路由层正在变成新的基础设施

8 月 18 日，Snowflake 宣布在 Cortex AI Gateway 中上线动态模型路由功能。企业只需要选"auto"，系统会根据任务复杂度自动把请求分配到最合适的模型上。内部测试显示，部分场景的 Token 效率提升高达 3 倍。同一天，Snowflake 还宣布接入 DeepSeek-V4-Flash 和 GLM-5.3 两个中国开源模型。
这已经不是个案。NVIDIA 在 8 月 11 日开源了模型路由工具 NeMo Switchyard；Databricks 的 Unity AI Gateway 也有类似功能；PPIO、硅基流动等国内平台同样在布局智能模型网关。模型路由，从"有点用的省钱技巧"变成了各大数据平台的标准配置。
原因不难理解。Gartner 本周发布报告预测，到 2028 年，Agent 工作流的推理成本将增长 5 倍以上。当 Agent 成为主流调用方式，一个用户请求会触发一连串中间步骤、工具调用和修正，Token 消耗可能达到普通对话的几十倍甚至上百倍。这时候，"每次请求都用最贵的模型"和"每次请求都用最便宜的模型"都不是好策略，只有智能路由才能在质量和成本之间找到平衡点。
独立分析师 Ben Thompson 的判断很到位：Token 并非真正可替换的商品，不同模型为得到同一个正确结果可能消耗完全不同数量的 Token。更接近商品的是最终获得的"有效智能"，而模型成本由规模、推理效率、缓存命中率、批处理和 Token 效率共同决定。换句话说，选模型已经不是选品牌，是选"单位有效智能的最低成本"。

对个人开发者和小团队来说，不一定需要搭一个企业级网关。像 EasyAPI 这样的轻量路由工具，已经能帮你解决多模型切换、故障 fallback 和基本的成本优化问题——接入一个接口，背后是多模型调度。当你发现模型调价太频繁、单押一家风险太大的时候，一个能自动帮你选模型、切模型的中间层，就不再是可选项了。

模型在变便宜，路由层在变值钱。这两条线正在交叉，而交叉点就在你每天写的那几行 API 调用代码里。