OpenRouter 模型调用排行
近 30 天调用量趋势（Top 6）
日调用 18197.44B tokens · 672,745,751 次请求
定位与擅长场景
GPT-5.6 Luna 位列榜首，日调用量约 18.2 万亿 token、日请求 6.7 亿次，属于当前 OpenRouter 上热度最高的通用旗舰模型。从体量看，它更像面向大规模生产环境的默认主力：长上下文推理、代码生成、Agent 编排和多轮工具调用等高频场景都能覆盖，适合作为产品底座的“万金油”。
与竞品对比
相比 Claude、Gemini 等同级旗舰，Luna 的优势不在于单项极限能力，而在于生态成熟度与调用稳定性——请求量级领先说明开发者在实际工程中更愿意把它设为默认路由。竞品往往在特定维度（如超长文档、多模态）有差异化，但综合迁移成本与工具链支持，Luna 仍是基准线。
是否值得接入
值得。若你需要一个低风险、社区验证充分的主力模型，它是首选；建议同时保留一个竞品做兜底与成本对照，避免单一供应商锁定。
日调用 15216.10B tokens · 128,136,283 次请求
定位与擅长场景
腾讯 hy4-preview 在 OpenRouter 日调用量排名第 2，日均 token 超 15 万亿、请求数逾 1.28 亿，属于头部梯队。如此体量通常来自通用对话、内容生成与 Agent 工作流等高频场景，说明其在中文语境、长文本处理和工程稳定性上具备较强承接能力。
与竞品对比
它直接对标头部闭源旗舰与国内同类大模型。排名第 2 意味着调用规模已压过绝大多数竞品，仅次于榜首，市场热度处于第一阵营。预览版就能跑出这种量，通常反映渠道分发强或性价比被开发者认可。
是否值得接入
值得接入，尤其适合需要中文能力、大规模并发和稳定供给的业务。建议先小流量灰度，重点验证延迟、限流与长上下文表现，再决定是否作为主力模型之一。
日调用 11723.94B tokens · 512,110,687 次请求
定位与擅长场景
DeepSeek V4 Flash 定位为高吞吐、低延迟的通用推理模型，适合大规模批处理、Agent 工作流、代码补全与日常对话等高频调用场景。其单日请求量突破 5.1 亿次，说明它已被大量生产级应用作为默认主力模型使用。
与竞品对比
在 OpenRouter 调用量榜单上排名第 3，日 Token 消耗超 11.7 万亿，属于第一梯队的绝对头部。相比同门的 Pro 版本，Flash 以更轻量的推理成本换取响应速度；与海外闭源旗舰相比，它在开源生态和接入灵活性上更具优势，是性价比路线的代表。
是否值得接入
值得接入。排名第 3 且请求量巨大，意味着服务稳定性与生态成熟度已经过市场验证，适合作为默认模型或高并发场景的主力选择；对成本敏感、追求吞吐的团队尤其推荐优先评估。
日调用 11646.02B tokens · 280,781,474 次请求
定位与擅长场景
GLM-5.3-Flash 是智谱面向高并发场景推出的轻量高速版本，日调用量约 11.6 万亿 tokens、2.8 亿次请求，位列 OpenRouter 第 4。如此量级说明它已被大量生产级应用采纳，典型场景是批量推理、Agent 循环调用、内容生成与轻量代码补全——这些任务对单次延迟和吞吐敏感，而对极致推理深度要求不高。
与竞品对比
在同梯队中，它直接对位 Gemini Flash、GPT 系 mini 与 Claude Haiku 一类"快而省"的模型。相比这些海外竞品，GLM-Flash 的差异化在于中文语境理解、国内网络可达性与接入成本，对中文业务和国内团队更友好；但生态工具链与多模态能力仍略逊头部闭源模型。
是否值得接入
值得。若你的业务以中文为主、请求量大且对成本敏感，它是当前性价比极高的主力候选，建议作为默认轻量模型接入，并用少量高质量请求路由到旗舰模型做兜底。若强依赖复杂推理或丰富多模态，则仅作辅助。
日调用 8195.83B tokens · 108,622,028 次请求
定位与擅长场景
小米 MiMo v2.5 以日调用量约 8.2 万亿 tokens、日请求 1.09 亿次位列 OpenRouter 第 5，热度处于第一梯队。其调用量规模说明它已被大量生产级应用采用，推测在中文对话、端侧协同和通用任务上具备较强性价比，适合高频、大批量的日常推理场景。
与竞品对比
排名前五意味着它与头部闭源及主流开源模型同台竞争，且请求量级说明其单位成本或响应效率具备吸引力。相比同梯队模型，小米的生态整合（设备、IoT、澎湃 OS）可能带来差异化优势，但在复杂推理和长上下文等硬指标上仍需具体评测验证。
是否值得接入
值得接入测试。若你的场景以中文高频调用、成本敏感为主，它是当前热度验证过的可靠候选；但建议先做小流量 A/B，确认其在你的具体任务上不逊于现有主力模型后再放量。
日调用 6220.98B tokens · 97,051,736 次请求
定位与擅长场景
DeepSeek V4.1 Flash 位列 OpenRouter 调用量第 6，日请求约 9700 万、日 token 超 6.2 万亿，单请求 token 量偏高，说明它被大量用于长上下文、批量生成或 Agent 类工作流。Flash 定位是低延迟、高吞吐的通用主力模型，适合对话、代码补全、文档处理等高频场景。
与竞品对比
它处在头部梯队的中段：调用量已压过多数开源与二线闭源模型，但与前几名仍有差距。相比同门的 Pro/Reasoner 版本，Flash 以速度与成本效率取胜，而非极限推理；相比其他厂商的轻量型号，其生态与工具链适配更成熟，是"够用且便宜"路线的代表。
是否值得接入
值得。若你的场景以吞吐、延迟和成本为优先，而非复杂推理，它是当前性价比极高的默认选项之一；建议作为主力模型接入，复杂任务再路由到更强版本。
日调用 4329.74B tokens · 466,506,895 次请求
定位与擅长场景
DeepSeek V4 Flash 是 DeepSeek 面向高并发、低成本推理场景的轻量级模型。从日调用量看，它主打通用对话、批量内容生成、Agent 工具调用等对延迟和成本敏感的任务，而非复杂推理或长链思考。
与竞品对比
日请求量约 4.67 亿次、日 Token 超 4.3 万亿，稳居 OpenRouter 第 7 名，属于第一梯队。相比同门旗舰版本，它以更低单价换取更快响应，定位类似 Gemini Flash、GPT 轻量版；在开源阵营中，其调用规模已明显领先多数同级竞品，说明性价比与稳定性获得开发者认可。
是否值得接入
值得。若你的业务以高频、短输出、成本可控为主，它是当前极具竞争力的选择；复杂推理任务则建议搭配旗舰模型分层调用。排名稳定在前十，生态与可用性风险较低，可放心接入。
日调用 4078.21B tokens · 68,401,701 次请求
定位与擅长场景
腾讯 hy3-20260706 在 OpenRouter 日调用量排名第 8，日请求约 6840 万、日 Token 超 4 万亿，属于头部梯队中偏稳健的通用型选手。超高的单请求 Token 均值说明它更多被用于长上下文、批量生成或 Agent 类工作流，而不是短问答。适合中文内容生产、企业知识库问答、长文档处理等场景。
与竞品对比
它没有冲进前五，说明在极致推理或超低价走量赛道上面临更强对手；但能稳定守住前十，意味着综合能力、稳定性和中文生态具备黏性。相比同梯队海外模型，它的优势更可能在中文理解与国内合规接入，而非单纯价格战。
是否值得接入
值得。若你的业务以中文为主、需要长上下文且看重供应稳定性，它是可靠的主力或备份选项；若追求极致低价或顶尖推理，建议先做小规模 A/B 再决定是否作为主模型。
日调用 3477.09B tokens · 30,089,044 次请求
定位与擅长场景
Nemotron-3 Ultra 550B 是 NVIDIA 自研的旗舰级 MoE 模型，总参数 550B、激活约 55B，定位通用高吞吐场景。日调用量约 3.48T tokens、3000 万次请求，排名第 9，说明它已进入头部梯队，被大量生产环境采用。按单次请求约 11.5 万 tokens 计算，典型用途偏向长上下文推理、Agent 编排与批量文档处理，而非轻量对话。
与竞品对比
它夹在开源顶流与闭源旗舰之间：调用量低于 GPT、Claude 等一线闭源模型，但与 DeepSeek、Qwen 等开源强手处于同一量级。优势在于 NVIDIA 生态协同（NIM、TensorRT-LLM）带来的推理效率与部署便利，劣势是社区微调生态和第三方工具链不如 Llama 系丰富。
是否值得接入
值得。若你已在 NVIDIA 栈上，或需要高吞吐、长上下文且成本可控的通用模型，它是稳妥选择；若强依赖社区微调或极致推理质量，建议先与闭源旗舰做 A/B 对比再定。排名第 9 且无排名变化，表明热度稳定，不是短期冲量。
日调用 2581.95B tokens · 53,820,886 次请求
定位与擅长场景
Gemini 3.8 Flash 稳居 OpenRouter 调用量第 10 名，日请求约 5382 万、日 Token 超 2.58 万亿，单请求平均 Token 量偏高，说明它被大量用于长上下文、文档处理、Agent 类高吞吐任务。Flash 定位清晰：以低延迟和低成本承接大规模推理，适合高并发生产环境而非深度推理场景。
与竞品对比
在同梯队中，它的请求量级与头部 Claude、GPT 系列同级，但 Token/请求比更高，意味着用户更倾向把它当"干活型"模型而非闲聊。相比同级竞品，谷歌生态（Vertex、AI Studio）的集成度是其隐性优势，但纯推理深度上通常让位于 Pro 或 o 系列。
是否值得接入
值得。排名前十且请求量稳定，说明它已通过大规模生产验证，性价比与稳定性有保障。若你的场景是高并发、长文本、成本敏感型任务，它是当前最稳妥的默认选项之一；若追求复杂推理，则建议搭配更强的 Pro 级模型分层使用。