OpenRouter调用量榜为何失真，匿名模型刷榜、渠道流水被误读为全球投票

2024年9月下旬，一个名为“Space Bunny”的匿名模型在OpenRouter平台上突然爆火：上线五天即冲至周榜第三，一周后超越DeepSeek与GLM，跃居调用量第一。首周处理13.9万亿Token，登顶当周达33.5万亿——数字惊人，却全程免费。九天后，MiniMax通过一条15秒短视频认领身份：“Welcome back, Space Bunny”，确认其为M3.1 Flash早期版本。此时距模型上线仅25.8天，官方定价随即公布：输入每百万Token 0.15美元、输出0.6美元，较前代提速三倍、降价七成。

这一过程暴露了一套清晰的“匿名上榜—截图传播—官宣收钱”营销漏斗。更关键的是，整个匿名期累计处理Token量存在显著差异：MiniMax称超200万亿，OpenRouter自身记录为56.7万亿，并连续十天保持日调用量第一。期间性能指标同步优化：首字延迟从1.95秒降至1.22秒，输出速度由70 Token/秒提升至100 Token/秒，错误率从1.4%降至0.7%。这并非短期促销，而是一场规模空前的免费压力测试。

OpenRouter本身是一家美国API聚合平台，核心业务是将多家大模型的API接入统一接口供开发者调用。它不赚模型差价，仅按上游标价原样转售，并对用户充值抽取约5.5%手续费——性质上类似“美版硅基流动”。2026年8月，支付巨头Stripe以超70亿美元收购OpenRouter，估值较三个月前的13亿美元暴涨五倍，使其进一步嵌入支付基础设施层。

问题在于：这张榜单被广泛当作“全球大模型实力排名”使用。中文科技媒体普遍采用“全球开发者用Token投票”“市场认可度第一”等表述，配图几乎统一为同一张登顶截图。然而，中国信通院人工智能研究所国际发展部主任许珊今年3月明确指出：OpenRouter周调用量仅占全球总量约2%。其数据完全不包含OpenAI、Anthropic官方API，以及微软Azure、亚马逊Bedrock、谷歌Vertex等主流云平台流量。

用户结构也印证了其地域局限性：美国用户占比47.17%，中国用户仅6.01%；语言分布上英语占82.87%，中文不足5%。所谓“全球投票”，实质是以美国开发者为主的局部样本。

更值得警惕的是榜单的失真机制。2024年9月21日至27日当周，中国模型合计处理62.22万亿Token，美国模型仅14.2万亿，连续二十二周领先。但这恰恰说明榜单衡量的不是能力，而是价格弹性。例如DeepSeek V4.1 Flash闲时价为输入0.15美元/百万Token，而GPT-5.5输入价高达5美元，价差超30倍。对需高频调用Agent工作流的开发者而言，这一差距直接决定每日预算线能否承受。

榜单头部位置轮换极快：2024年3月中旬，MiniMax M2.5以1.75万亿Token连坐五周榜首；至8月初，小米MiMo-V2.5取而代之。同一页面相隔两天，Space Bunny的调用量数据从33.5万亿骤降至28.4万亿，差值达5.1万亿——滚动窗口与补贴政策剧烈扰动原始数值。

值得注意的是，半数以上“匿名Alpha模型”最终被厂商认领。除Space Bunny外，另有至少七例类似操作，部分后续转入腾讯WorkBuddy等合作渠道以折扣价继续运营。这种模式已形成标准化流程：先以免费窗口拉高调用量，制造热度与截图证据；再借势官宣定价，完成从流量到收入的闭环。

榜单的权威性还受到另一重削弱：其数据来源高度依赖自调与批量任务。大量开发者为压低成本，会将单次请求拆分为数百次微调用，或利用免费窗口反复测试——这些行为虽合法，却极大放大Token计数，偏离真实推理负载。

行业观察者指出，OpenRouter的价值在于提供便捷接入与比价工具，而非权威排名。将其数据等同于市场共识，相当于用一家批发商的出货单推断全国经济总量。尤其当中国模型服务多部署于海外云平台（如AWS新加坡、Google Cloud东京），其产生的Token与电费均未计入中国本地算力体系，却仍被纳入“国产模型崛起”的叙事中，造成认知偏差。

对比国内同类平台，硅基流动的周榜从未被主流媒体当作行业风向标。原因正在于从业者清楚：这是内部渠道流水，反映的是渠道能力与补贴力度，而非技术代差或用户真实偏好。

随着Stripe收购完成，OpenRouter正从“API货架”向“结算入口”演进。未来其榜单可能进一步与支付行为绑定——例如优先展示已签约客户的模型，或对高手续费模型给予流量加权。届时，榜单与商业利益的耦合将更深，对其独立性的质疑也将更强烈。

目前尚无第三方机构能整合全球全渠道Token调用量，因此OpenRouter数据仍有参考价值，但必须附加明确限定条件：仅反映其平台内流量分布，受价格、补贴与窗口策略显著影响，不可外推至整体市场。

在AI基础设施日益分化的当下，单一渠道的“热度指数”不应替代多维度评估体系。模型的真实竞争力，终究要回归推理质量、成本效率与生态适配能力——而非某张被精心设计的流水单。