摘要

Alex Atallah 不会确认有关 OpenRouter 以100亿美元出售给 Stripe 的传闻：「我无法评论，但无论发生什么，我们都会执行这一愿景。」 他将 OpenRouter 定义为生态基础设施，确保「一家垄断企业不会接管」模型访问，同时提前回应5.5%的按量付费抽成批评：企业版采用承诺支出模式、不收取费用；自带密钥会彻底消除费用；自助式商业版也即将推出。
AI 将是一个「巨型市场」、科技史上最大的市场，甚至可能是人类历史上最大的市场，但不会由单一模型赢下。 即便每家企业都训练专有模型——Fireworks 的 Lin 将其概括为「掌握自己的智能」——博弈论也会把企业重新拉回生态：竞争对手和模型实验室会持续发布用你没有的数据训练的模型，因此企业有动力不断尝试；这也是 Atallah 认为专业化内部模型「肯定」利好 OpenRouter，而非利空的原因。
平台上刚刚上演了一个近乎完美的杰文斯悖论：GPT 5.6 Luna 的价格在2周内下降10倍（OpenAI 先降5倍，再与 OpenRouter 协同降2倍），使用量增长13倍，随后恢复此前的增长速度。 Luna 的代币量已经超过 GLM，成为「极其漫长时间以来」首个进入 OpenRouter 排名前三至五位的 OpenAI 模型。他承认 Harry 提出的限制：「我们可能确实低估了前沿模型」，因为 OpenRouter 的数据偏向相信多模型路线的用户。
美国企业通常比对中国模型更担心前沿模型，因为「对数据政策究竟如何」存在更多困惑，而且无法在自己的机器上或通过自选供应商运行这些模型。 按照他的判断，Claude Design 是有意进行团队锁定——对 Anthropic 来说「并不是一大笔收入」，但能让「设计团队真正关心 Anthropic 的模型」——因此，薄层市场包装的应用最容易暴露在短期威胁之下。
美国在开放权重模型上「仍然非常、非常落后」：GLM 5.2 是「非常大的一步」，Kimi 则是 Moonshot 追上这一步，OpenRouter 7月上线了70个模型，约「每10小时一个模型」。 Harry 担心，围绕 DeepSeek 的国家冠军效应会在12个月内进一步拉大鸿沟，这一判断基本没有受到反驳；Atallah 的方案是蒸馏中国模型——「Sonnet 是 Opus 的部分蒸馏版本」——并把算力导向美国的新兴模型实验室，而 Harry 警告芯片优势不会长久：「如果他们4周能造出一座桥，我认为他们6个月就能造出一块芯片。」
推理服务商层可能抵抗商品化，因为市场受到供给约束，而 NVIDIA 希望其保持分散——「NVIDIA 的首要任务之一就是不能出现客户集中」。 一个代币并不等于另一个代币：Moonshot 自己的基准测试显示，为 Kimi K3 提供服务的各家供应商「数字差异很大」；OpenRouter 的路由器会在质量、价格和速度发生变化时重新分配流量，「每5分钟」调整一次。
尽管 OpenRouter 试图把切换成本降到接近于零，模型忠诚度依然真实存在，其驱动力包括「我的应用能运行，我不想把它弄坏」、既有模型持续降价，以及个人评测——「很好，反正我本来就喜欢 communique 2.6」。 Harness 并非靠捆绑留住用户，而是作为非模型实验室掌握用户关系的体验层继续存在；包括 Jeff Dean 新项目、Cognition 和 Cursor 在内的 agent 实验室，都有明确动力发布自己的模型。
中国开放模型正在快速推进，但 Atallah 也在追问其能力如何与中国的防火墙和审查制度相互作用。 OpenRouter 的应对方式是提供安全访问：下架被认为不安全的模型，并提供企业可以一键应用于全部推理流量的提示词注入防护和个人身份信息脱敏。
一个尚未充分讨论的组织变化是，AI 使用让员工成本从固定值变成动态值。 Atallah 建议将生产率与推理成本放进一个「值得庆祝」象限和一个「需要担忧」象限，同时让员工更多影响自己产生的成本。他最期待罕见病研究，以及通过众包改善城市和乡村生活质量，例如找出美国或英国所有的铅水管。

精读

1. 创立时的意外：推理服务商击败了超大规模云厂商

OpenSea 留给 Atallah 的经验是：NFT 在2020年10月爆发后，平台出现「服务器要融化了」，他的执念变成不能成为「套用到加密行业的 Twitter 故障鲸鱼」，也就是通过压力测试承受10倍于已见需求的流量。这套纪律后来直接迁移到 AI 领域，因为「所有公司，尤其是 Anthropic，都经历了不可预测的增长」。
OpenRouter 创业时的核心判断，意外地错在了一个利好的方向：Atallah 原以为开放权重模型的托管层可能由一家超大规模云厂商垄断，结果却出现了独立推理服务商组成的生态。「你多久会听到有人把 GLM 跑在超大规模云厂商上？从来没有。」Fireworks、Together 及同业在托管模型和处理边缘情况上「快得多」。
早期的 OpenRouter 甚至不展示服务商，只显示「Provider One」和「Provider Fallback」，因为当时根本不确定这一层是否会成为一个市场。事实证明，正常运行时间「不会神奇地由市场供给侧解决」。

2. 他为何认为推理层可能抵抗商品化：NVIDIA 需要异质化

对于利润率压缩的看空逻辑，Atallah 的回答是结构性的：市场「受到极其严重的供给约束」，而且这种状态可能会持续一段时间；与此同时，NVIDIA 希望市场保持分散——「NVIDIA 的首要任务之一就是不能出现客户集中……他们希望市场保持异质化」。
他认同 Lin 对 Gavin Baker「一个代币就是一个代币」说法的修正。Moonshot 最近对所有服务 Kimi K3 的供应商进行基准测试，即便使用静态且广为人知的测试集，结果也「差异很大」。OpenRouter 看到的结果还在持续变化——「这些模型……非常情绪化，也非常不确定」。
路由器的作用，就是让这种差异可以被交易：当某个服务商能让一个代币跑得更远时，「它会立刻获得更多流量……对于大型模型，每5分钟都会出现重大变化」。当被追问最喜欢哪家服务商时，他保持中立，但更看好定制硬件玩家，以及可移植的 LoRAs／「cartridges」；后者有望让微调后更换基础模型的成本降到「几百美元，也可能只要几十美元」。

3. 「人类历史上最大的市场」：多模型未来不可避免

Harry 提出挑战：如果每家公司都拥有一个用自身数据训练的专业模型，OpenRouter 还有什么意义？Atallah 回答「不，我不同意」——使命是「增加 AI 的神经多样性」。即便存在一个假设中完美的模型，也会有一个用不同数据训练的神经多样性竞争者出现，进而产生同时使用两者的需求。「创造力无法验证……同时使用两个模型，更有可能得到有创意的想法。」
博弈论的下一步是：其他人也在用新获得的数据训练模型，因此无论目标是利润还是增长，「你都有动力去使用生态创造的东西」。你的内部模型「永远不可能赢下整个市场」。
他的结论是：这将成为「巨型市场、科技史上最大的市场，甚至可能是人类历史上最大的市场」。因此，企业很可能会构建带有品牌属性的专业模型——「你的品牌是护城河的重要组成部分，而模型会成为承载品牌的一种方式」——同时把其他工作路由到整个生态中。

4. 路由器成为时尚：为参与而做，还是为胜利而做

对于 Ramp、Merge 等公司纷纷推出路由产品，Atallah 的评价是：「很多公司做路由器，只是因为这很时髦……你是在为了参与而做，还是为了存在而做，而不是为了赢。」他的定位则是：「我100%专注于打造最好的路由器、网关和 LLM 市场……这对我们不是一条支线任务。」
第二个不那么显眼的反对理由是：一个没有开放完整市场的网关，会「降低所有用户的杠杆」。能访问每一个模型，就能接触每一项创新；把这些切断，「就是让公司里的所有员工失去他们所需要的东西」。
Harry 反驳说，企业在规模较小时喜欢5.5%的抽成，但一旦这成为真正的成本项目，就会自己搭建系统。Atallah 部分承认责任在己方：「有些确实是我们的错」，因为定价不够透明；企业版采用承诺支出、不收取费用，自带推理服务也会取消这笔费用，自助式商业版即将推出。
未来3年的收入逻辑取决于市场是否继续「每年增长10至15倍，甚至可能更多」。只要增长持续，收入仍将主要来自 OpenRouter 最擅长的业务：为「持续低估自身推理需求」的客户提供计划外推理容量、故障转移和正常运行时间。如果增长放缓，他认为大型 SMB SaaS 将成为 OpenRouter 的重要增长来源。

5. 一个近乎完美的杰文斯案例，以及数据上的坦诚限制

对话中最干净的案例是：GPT 5.6 Luna 的价格先由 OpenAI 降低5倍，再与 OpenRouter 协同降低2倍，2周内合计下降10倍；使用量增长13倍，短暂持平后恢复此前的增长速度。这是一个「近乎完美的杰文斯悖论故事」：当时 DeepSeek 以有竞争力的价格上线，GLM 也很便宜，而 Luna 现在已经超过 GLM，成为「极其漫长时间以来」首个按代币量进入 OpenRouter 前三至五位的 OpenAI 模型。
Harry 质疑这一结果是否具有代表性：OpenRouter 可能只占代币总量的1.5%至2%，而且怀疑者会认为其排名被中国模型主导。Atallah 没有回避：「我们确实偏向相信我们这套论点的人……我们可能确实低估了前沿模型」，但他认为随着多模型论点扩散，数据会越来越具代表性。

6. 企业更害怕前沿模型，而不是中国模型

针对 Karp 所说企业对前沿模型实验室「感到恐惧」，Atallah 确实观察到企业对 Claude Design 和 Figma 的紧张情绪。如果模型实验室不在意某个市场，应用包装创业公司当然可以生存；但模型实验室的动机在于锁定团队：Claude Design「可能不是一笔重要收入」，但具有战略意义，因为它能让目标客户「再多一个真正想坚持使用 Anthropic 的团队」。
对于 Figma 被 Claude Design 挤压的具体问题，他并不信服：设计师确实试用了 Claude Design，但「到目前为止，我还没听到持续使用的后续案例」，而且 Figma 的业绩「相当不错」。Harry 说：「这就是为什么你不想成为上市公司……业绩很好，Figma 却下跌。可怜的 Dylan。」
他确认了双方的明显不对称：企业通常比面对中国模型更害怕前沿模型——「对数据政策、提示词究竟发生了什么，存在更多困惑」——因为企业无法在自己的机器上运行这些模型，也无法自由选择服务商。Harry 感叹：「身处这样一个世界，真是太奇怪了。」
对于把流量路由给 Moonshot 或 Alibaba 的 Qwen 是否意味着承担责任，他说：「我不能假装知道它们内部发生了什么。」OpenRouter 的答案是安全访问：下架被认为不安全的模型，并提供一键式提示词注入防护和个人身份信息脱敏，因为「你不能仅仅因为互联网上有一些坏东西，就在公司里封禁整个互联网」。

7. 美国在开放权重模型上「非常、非常落后」，差距可能继续扩大

模型数量的扩张令人震惊：「7月，我们上线了70个模型，约每10小时一个模型。」下一波来自 agent 实验室：Jeff Dean 目前正在 Google 内部启动一个 agent lab，Cognition 和 Cursor 已经有模型，Lovable 尚未公开发布；这些实验室都有「非常明确的动力」，通过自己的 agent 分发模型。
按他的判断，质量排序是这样的：「GLM 5.2 是开放权重模型迈出的一大步，Kimi 则有点像 Moonshot 追上了这一步。」Kimi 还不具备前沿模型级别的网络安全能力，在长周期任务上也落后，但它「是一位很好的作家」；与此同时，前沿模型随着编码能力增强出现「声音退化」——「咚、咚、咚，这才是问题所在」。
Harry 判断，未来12个月鸿沟会进一步扩大：DeepSeek 成为中国的「国家冠军」，监管和政策让位于发展，资金也会被提供给它；而一家正在筹集数十亿美元的美国开源实验室，其商业模式「存在疑问」。Atallah 则追问另一边的问题：「DeepSeek 能走到防火墙之外多远？如果防火墙对中国很重要……总会有些东西发生变化。」Harry 转述朋友 Jason Lankan 的报告：DeepSeek 甚至无法弄清国内 Starbucks 什么时候开门——「比我们强得不可思议。国内则烂透了」。
如果由他担任美国开放权重生态的假想主管，他会先蒸馏中国模型——这是行业惯例，「Sonnet 是 Opus 的部分蒸馏版本」；同时利用 RL rollout 检查输出是否符合对齐要求，并通过 NVIDIA、Google 的 TPU、Amazon 的 Trainium 以及他所谓的 neo-chips，解决新兴模型实验室的算力获取问题。Harry 提醒，算力优势是会过期的：「如果他们4周能造出一座桥，我认为他们6个月就能造出一块芯片。」

8. 真正留住用户的是可运行的应用、个人评测和 harness，而不只是记忆

尽管 OpenRouter 试图把切换成本降到「接近于零」，其流失数据仍显示用户存在真实忠诚度，根源有3个：「我的应用能运行，我不想把它弄坏」；既有模型会随时间降价，而新模型会把价格曲线重新抬高；以及个人评测——如果随机测试失败，用户会说：「很好，反正我本来就喜欢 communique 2.6，继续吧。」
记忆确实是一种留存机制，但竞争焦点在于哪一层拥有记忆：模型、应用、推理服务商还是路由器。「不可能由某一层捕获所有有价值的记忆，因为应用掌握了大量模型实验室没有的重要上下文。」
Harry 质疑：「harness 和应用有什么区别？感觉这只是文字游戏。」Atallah 给出了实质性回答：harness 具备可组合性并基于 Unix，相比通过登录和虚拟浏览器编排一个应用，拥有「极其、极其、极其少的未知未知」。随着模型变强，harness 仍会生存，因为很多 harness 正在删除最终「变成负担」的系统提示词垃圾；对非模型实验室而言，harness 是掌握用户关系的方式。
Harry 自己的行为也说明了工具层的价值：他通过 Arena 提示模型，用过 Pergamom 和 Kimi，也觉得 Meta 的 Muse 很出色——「我没有忠诚度，给我看结果」。Atallah 认同由此延伸出的「编排器+子 agent」架构：由一个编排器模型把确定性任务分发给低成本开放权重子 agent，是「所有人都需要探索的优秀架构」。对于 Meta，他的态度建设性但尖锐：「人们现在还不太知道该拿 Muse Spark 做什么。」

9. Stripe 的不置可否，以及把员工 AI 成本视为动态变量

对于传闻中的 Stripe 以100亿美元收购 OpenRouter，Atallah 回应：「我无法评论，但无论发生什么，我们都会执行这一愿景。」他将 OpenRouter 描述为生态关键基础设施，目标是提供「安全的 AI 访问，让一家垄断企业不会接管」。对于个人可能获得的巨额财富，他避而不谈，表示资本应投向「不太适合风险投资」解决的问题，包括一个尚未公开的 AI 赋能研究资助项目。
快问快答中，他称赞 Poolside 的模型，并把一家新兴美国实验室视为自己认为被低估的标的：这家实验室正在构建有意思的编码模型，体量小但效率很高，还有实用的访问工具。未来3年新兴模型实验室的死亡率不是70%——「如果把整合计算在内，我会说是50」。对于 Dario 的末日论调，他说：「我个人欣赏 Anthropic 的偏执……如果没有人极度偏执，就没有人提供那种声音。」
他从使用数据中看到的一个尚未得到充分讨论的现象是：员工成本现在变成了动态变量。他建议管理者把生产率与推理支出画在一张图上，划出「值得庆祝」象限和「需要担忧」象限，后者的特征是「他们的 AI 使用量高得离谱」；同时将部分路由选择下放给员工，因为「他们可以控制自己产生多少成本」。
他最后表示，最令他兴奋的是罕见病研究，以及通过众包提升城市或乡村生活质量，例如找出美国或英国的每一条铅水管。AI 可以让拥有好想法的人获得更大杠杆，去解决那些此前只能被放弃的问题。

Kavak 围绕 AI 重建公司的打法 Disney：文艺复兴与帝国