这个靠中国开源模型“撑”起的美国公司,要70亿美元卖身了

硅星人
Aug 18

作者|孙芮

一家超过一半"流量"来自中国开源模型的美国初创公司,即将成为这一轮 AI 热潮里最成功的创业公司退出之一:

成立 3 年,估值一路暴涨,并即将以 70 亿美元的天价被大厂收购。

简直没有什么比这个收购更能反映出今天模型市场的特点了。

8 月 17 日,Axios 报道称,Stripe 已同意收购模型路由公司 OpenRouter。而彭博此前也报道,双方已签署协议,交易价格超过 70 亿美元;Axios 给出的数字更高,称交易价值超过 80 亿美元,由现金和股票组成。

这笔交易多少有点宿命感。

今年 5 月,OpenRouter 创始人 Alex Atallah 在接受《纽约时报》采访时,把 OpenRouter 比作"AI 界的 Stripe"。Stripe 把复杂的支付网络藏在一个接口之后,商家不需要分别对接银行卡、银行和各类支付渠道;OpenRouter 做的事情很像,只不过它处理的是模型。开发者接入一个 API,就可以在 OpenAI、Anthropic、Google,以及 DeepSeek、Kimi、MiniMax 等 400 多个模型之间切换。

不到三个月,AI 界的 Stripe 被 Stripe 买下了。

01

一年涨了 14 倍

OpenRouter 身价上涨的速度是惊人的。

根据华尔街日报的报道,2025 年 6 月,OpenRouter 完成种子轮和 A 轮共计 4000 万美元融资,估值约为 5 亿美元。当时它还是一个只有十几名员工的创业公司,每月通过平台产生的模型消费刚刚达到数百万美元。

到了今年 5 月,OpenRouter 又完成了 1.13 亿美元 B 轮融资,由 Alphabet 旗下 CapitalG 领投,英伟达ServiceNow、MongoDB、Snowflake 和 Databricks 的投资部门都出现在股东名单里,估值涨到 13 亿美元。OpenRouter 当时披露,平台每周处理的 token 已达 25 万亿,是六个月前的 5 倍,服务的开发者超过 800 万。

距离 B 轮不到三个月,Stripe 给出的收购价已经超过 70 亿美元。与去年约 5 亿美元的估值相比,翻了 14 倍以上;有分析估算,这个价格相当于 OpenRouter 年化收入的几十倍。

Stripe 显然不是在为它现在的现金流付钱,而是在为一个位置付钱。

02

Stripe 买下的是什么

要理解这个位置,得先看 Stripe 手里已经有什么。

Stripe 的生意,本质上是坐在交易中间,按用量抽一笔稳定的费用。过去两年,它一直在把这套生意往 AI 上延伸。2025 年底,Stripe 收购了 Metronome——一个专门为 AI 公司做实时用量计费的平台,OpenAI 和 Anthropic 在被收购前就已经是它的客户。此外,Stripe 还有做稳定币跨境结算的 Bridge、做 Agent 钱包的 Privy,以及和 Paradigm 一起孵化的、用来做机器级微支付的公链 Tempo。

这些拼图合在一起,指向的是同一件事:AI 时代的账单和结算层。Metronome 负责测量 token 消耗、开发票;Stripe 负责把钱从开发者账户划到模型厂商账户;Bridge 和 Tempo 负责跨境和 Agent 之间的结算。但缺了一块——Stripe 知道 AI 消费有多少,却不知道这些消费流向了哪个模型、为什么流向那个模型。

OpenRouter 补上的正是这一块。

它的商业模式和支付公司几乎一样:

开发者充值购买额度,OpenRouter 在模型成本之上加收一个百分比的手续费。它不做模型,也不做推理,它做的是"计量"——数百个模型、数百万开发者的每一次调用,都在这里被计数、被定价、被路由。Auto router 会根据聚合起来的用量和价格数据,把请求分配给更便宜的模型;某家供应商出问题时,自动切到另一家。

Stripe 原本就负责 OpenRouter 的支付环节,也已经服务大量 AI 公司。买下 OpenRouter 之后,它进一步进入了模型交易本身:开发者从发现模型、比较模型,到选择、调用、付费,都可以发生在这一个体系里。用一个更狠的说法,OpenRouter 是"模型选择"这个动作发生的地方——谁掌握了开发者选模型的那个界面,谁就掌握了这个市场的流量分配权。

这也解释了 CapitalG、英伟达、Snowflake、Databricks 这些基础设施公司为什么在 B 轮时集体入场。OpenRouter 对外强调的说法是:企业正在从单一模型的试验阶段走向多模型并存的生产环境,因此需要独立的 routing 和 gateway 层。

但一个 routing 层要真正有价值,有一个前提:模型之间必须存在足够大的、值得切换的差异。如果市场上只有两三个模型,价格和能力都差不多,谁也不需要一个中转站。

OpenRouter 的这些关键价值,背后离不开一个变化的发生:中国开源模型的崛起。

03

中国模型越卷,OpenRouter 越值钱

2023 年 OpenRouter 刚成立时,真正有大规模用户认知的模型屈指可数。三年之后,市场彻底碎片化。

不同模型在代码、推理等任务上各有所长,同一个模型背后还可能有多个价格和服务能力不同的推理服务商。只要模型之间存在能力、价格和场景上的差异,开发者就有比较和切换的需求,OpenRouter 作为统一入口的价值就随之增加。

而把这种差异拉到最大的力量,来自中国开源模型们。

OpenRouter 不只是中转站,也是一张实时更新的"模型榜单"。平台会根据实际调用情况,公开展示不同模型的 token 使用量、消费金额,以及它们在编程、金融、学术等场景中的排名和近期趋势。应用开发者还可以主动标记调用来源,让自己的产品出现在公开榜单中。于是它有了另一重身份:一个观察模型热度的窗口。

这扇窗口在过去一年里换了主人。

2024 年底,中国模型在 OpenRouter 上的流量占比还不到 2%;2025 年上半年,这个数字大约是 4.5%。转折发生在今年年初。CNBC 7 月的一项调查显示,自 2026 年 2 月起,中国模型每一周都占据 OpenRouter 企业流量的 30% 以上,年中一度冲到 46%。彭博引用的一张图表更直观:2025 年 6 月,Google、OpenAI 和 Anthropic 三家合计占 OpenRouter 约 70% 的 token 份额;一年之后,这个数字掉到了 30% 左右。

丢掉的 40 个百分点,几乎全部流向了中国的开源模型。

按厂商看,DeepSeek 已经是 OpenRouter 上最大的单一模型供应商,每周约 5.13 万亿 token,占平台总量的 17.6%;阿里 Qwen 以 13.9% 排在第二。今年 6 月的模型榜单上,前十名里有六个是中国开源模型,排在最前面的是 DeepSeek V4 Flash 和腾讯的 Hy3 。

同一时期,OpenRouter 平台的整体 token 量从 2025 年 4 月的每周约 5 万亿,涨到 2026 年 4 月的 20 万亿以上、5 月的 25 万亿。两条曲线叠在一起,结论很清楚:OpenRouter 过去一年的增量,很大程度上就是中国模型带来的增量。

DeepSeek 是最典型的例子。OpenRouter 今年 6 月公布的数据显示,半年时间里,DeepSeek 在平台上的 token 份额大致翻了一倍;DeepSeek V4 发布后增速进一步加快,到 6 月初已经占据接近 20% 的份额,连续数周成为平台使用量最高的模型之一。

中国模型涌向 OpenRouter,有两股力量在推。

一股来自开发者。根据OpenRouter的说法,中国开源模型的价格普遍比 OpenAI、Anthropic 的旗舰模型低 60% 到 90%。到今年 6 月,DeepSeek V4 Flash 每百万输入 token 的价格是 0.14 美元,而 GPT-5.5 是 5 美元。对于 Agent、自动化测试、长时间编程会话这类烧 token 的工作负载来说,几十倍的价差不可能被忽视。

另一股力量来自模型厂商自己。

今年 3 月,一个叫 Hunter Alpha 的模型突然出现在 OpenRouter。它提供免费调用,1 万亿参数、100 万 token 上下文,很快冲进热门榜单,在海外开发者社区引发讨论。因为规格和发布时间接近外界对 DeepSeek V4 的预期,不少人猜测它是 DeepSeek 下一代模型的秘密测试版。之后答案揭晓,它来自小米,是 MiMo 团队 MiMo-V2-Pro 的早期内测版本。路透社报道称,Hunter Alpha 上线后迅速登顶 OpenRouter 排行榜。

这种把新模型匿名放上 OpenRouter 测试的做法不是第一次出现,智谱等厂商也用过类似策略。

在此之前,一家国产模型厂商想让海外开发者注意到自己,通常需要发 benchmark、在 Hugging Face 开源、进入海外媒体和开发者社区。OpenRouter 提供了一条更短的路:把模型放上去,给出免费或足够低的价格,让开发者真实调用。调用量起来以后,模型自然出现在榜单靠前的位置,排名又引发更多测试,甚至变成社交媒体上的传播素材。

免费调用在这个过程中非常重要。现在 OpenRouter 上仍然能找到 Kimi K2.6、MiniMax M2.5、GLM 5.2 等中国模型的免费 route。OpenRouter 自己也长期提供大量免费模型,并明确把它视作开发者测试模型的入口。

于是过去一年,一个越来越明显的现象出现了:一些模型厂商发布新模型时,不只比 benchmark 成绩,也越来越在意模型在 OpenRouter 上的表现。排行榜名次、特定场景下的调用量、token 使用量的增长曲线,都逐渐成为对外传播的重要指标。

这就形成了一个循环。模型公司带着新模型和免费额度进入 OpenRouter,开发者开始测试,调用量推动排名上升,排名带来更多关注和调用。而中国模型之间越来越激烈的竞争,让这个循环转得越来越快:为了争夺海外开发者,中国模型第一时间上线 OpenRouter,用免费和低价互相竞争;模型供给增加,开发者更有理由把它当作发现、测试和比较模型的入口;开发者规模上去以后,OpenRouter 对模型厂商的分发价值又反过来提升。

当然,榜单上的数字也不能只看表面。一位前腾讯 AI Lab 研究科学家此前在社交媒体提出过疑问:OpenRouter 的 token 到底按什么口径统计?以他自己每天 5 亿到 10 亿 token 的用量估算,榜单前几名显示的消耗量并没有想象中那么大。评论区有人指出,真正调用量大的开发者和企业往往直接对接厂商官方 API,平台统计到的只是整个市场的一部分;也有人提到,token 统计理论上可以通过持续调用被推高,平台虽然会识别一部分无效流量,但不能完全排除刷量的空间。免费额度、Agent 长时间自动调用、厂商自己做的测试和推广,都可能影响最终数字。

但对 OpenRouter 自己来说,这些区别没那么重要。只要模型公司愿意投放,开发者愿意调用,token 就会继续从这里经过。中国模型公司要的是榜单和海外开发者,OpenRouter 得到的是越来越大的平台流量。一拍即合。

但对于“旁观者”,这就带来一个值得琢磨的问题:在OpenRouter卖出70亿的这个节点回头看,在这场热闹里,中国开源模型自己获得了什么?

过去一年,中国模型公司为了争夺海外开发者,把最便宜的价格、最新的模型和免费额度都放到了 OpenRouter 上。它们争到的是榜单名次和开发者的注意力,沉淀下来的平台效应属于 OpenRouter,接下来可能属于 Stripe。

而且,事实上,如果按金额而不是 token 量来算,中国模型依然不是这个平台上最大的占比。

中国模型之所以能拿下一半的 token,正是因为它们便宜;同样的流量,换回来的钱要少得多。也就是说,中国模型贡献了 OpenRouter 最陡的那段增长曲线、最热闹的那张榜单,以及让"多模型路由"这件事变得必要的全部差异化,但在这个平台的收入结构里,占大头的仍然是价格更高的美国闭源模型。

榜单是中国模型的,钱是美国模型的,平台是 Stripe 的。中国开源模型卷到极致,而目前看来卷出来的最大受益者之一是OpenRouter。这怎么想好像都有点不对劲。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10