OpenRouter 模型调用排行
近 30 天调用量趋势（Top 6）
日调用 17436.17B tokens · 610,657,192 次请求
定位与擅长场景
gpt-5.6-luna-20260709 以日均 17.4 万亿 tokens、6.1 亿次请求稳居 OpenRouter 榜首，且为首度上榜（rankChange 为空），属于典型的通用旗舰型模型。如此量级通常意味着它在长上下文推理、代码生成、多轮对话等高消耗场景中被广泛调用，是平台默认主力。
与竞品对比
榜首位置说明它已明显甩开同梯队竞品——单日请求量突破 6 亿，是少数能同时承接海量轻量问答与重型推理任务的模型。相比专注单一能力的垂直模型，它的优势在于覆盖面广、生态成熟，调用方迁移成本低。
是否值得接入
值得接入。若你的业务需要稳定、通用、社区验证充分的基座，它几乎是当前 OpenRouter 上风险最低的选择。唯一需权衡的是：头部集中度高，一旦限流或策略调整，影响面也最大，建议保留一个备选模型做冗余。
日调用 13629.95B tokens · 115,874,151 次请求
定位与擅长场景
腾讯 hy4-preview 位列调用量第 2，日请求约 1.16 亿、日 Token 超 13.6 万亿，单请求平均 Token 量极高，说明它被大量用于长上下文、长文档或 Agent 类重负载任务。作为预览版即冲到头部，推测其在中文理解、长文本生成与工具调用上具备较强综合能力，适合内容生产、企业知识库与智能体后端。
与竞品对比
排名仅次于榜首，且与身后模型拉开明显差距，热度属于第一梯队。相比同类通用大模型，它的优势更可能体现在中文语料与腾讯生态协同；短板则是预览版稳定性、版本迭代节奏尚待观察，海外开发者生态与文档成熟度可能不及部分国际竞品。
是否值得接入
值得接入测试。调用量已证明其服务承载力和社区认可度，但预览版属性意味着接口与效果可能变动。建议先在小流量场景灰度验证，重点压测长上下文成本与延迟，稳定后再考虑规模化替换。
日调用 11509.16B tokens · 516,976,858 次请求
定位与擅长场景
DeepSeek V4 Flash 位列调用量第 3，日处理约 11.5 万亿 tokens、5.17 亿次请求，单次请求均值约 2.2 万 tokens，说明它承接的是长上下文、高并发的生产级负载。Flash 定位轻量快速，适合对话、RAG 检索增强、批量内容生成和 Agent 工具调用等对延迟敏感的场景。
与竞品对比
排名前三意味着它已与头部闭源模型同处第一梯队，且请求量巨大而单请求 token 适中，走的是"高频调用"路线，而非少数超长任务。相比同门旗舰版本，它更偏向性价比与吞吐；相比其他厂商的轻量型号，其调用规模显示出更强的开发者黏性。
是否值得接入
值得。如此量级的真实调用是稳定性与成本效益的有力背书，适合作为默认主力模型或降级备选。建议接入前用自身业务样本做一轮对比评测，确认其在你的任务分布上不逊于现有方案。
日调用 11423.67B tokens · 277,881,433 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 11.4 万亿 Token、2.78 亿次请求，稳居 OpenRouter 第 4 名。这一量级说明它已被大量生产环境采纳，典型场景是长上下文批处理、Agent 工具调用链路和高频对话服务——这些场景对首字延迟和单位成本敏感，而对极致推理深度要求不高。
与竞品对比
在同梯队中，它直接对标 Gemini Flash、GPT 系列 mini 档以及 Claude Haiku。相比海外轻量模型，GLM-5.3-Flash 的优势在于中文语义与本地化工具调用更贴合国内业务，且在多语言混合任务上表现稳定；劣势是复杂推理与长链规划仍不及旗舰档。排名第 4 意味着它已进入全球主流调用池，而非边缘备选。
是否值得接入
值得。若你的业务以高吞吐、低延迟、成本可控为核心诉求，它是当前性价比明确的选择；若任务涉及深度推理或高精度代码生成，建议搭配旗舰模型做路由分流。结论：可作为默认主力轻量模型接入，并保留升级通道。
日调用 8020.47B tokens · 129,888,306 次请求
定位与擅长场景
DeepSeek V4.1 Flash 排名第 5，日调用量约 8.02 万亿 token、1.3 亿次请求，是榜单头部少见的“高请求+高吞吐”组合。Flash 定位清晰：面向高并发、低延迟的通用对话、批量内容生成与 Agent 工具调用，适合把成本敏感的长尾流量交给它跑。
与竞品对比
它夹在头部闭源旗舰与开源轻量模型之间。请求量高于多数同规模模型，说明开发者把它当作“默认工作马”，而非只做实验。相比同门非 Flash 版本，它牺牲部分推理深度换取吞吐，在路由、摘要、代码补全等场景性价比更突出。
是否值得接入
值得。若你的业务以高频短任务为主、对极致推理要求不高，它是当前榜单上经过大规模验证的稳妥选择；建议先用小流量灰度对比质量，再逐步放量。
日调用 7960.01B tokens · 106,666,706 次请求
定位与擅长场景
小米 MiMo v2.5 位列 OpenRouter 调用量第 6，日请求约 1.07 亿、日 Token 近 8 万亿，热度处于第一梯队。其定位偏向高并发、通用对话与轻量推理场景，适合智能助手、内容生成、批量文本处理等对吞吐和成本敏感的任务。
与竞品对比
与头部闭源模型相比，MiMo 在绝对调用量上仍有差距，但已明显领先多数中腰部模型。它的优势在于小米生态入口带来的稳定流量与工程侧优化，而非单点能力碾压。与同价位开源系竞品相比，其请求密度高、单请求 Token 适中，说明实际落地偏高频短交互。
是否值得接入
值得接入。若你的场景是通用对话、高并发推理或成本优先的批量任务，MiMo v2.5 是当前性价比与稳定性兼具的选择；若追求极致复杂推理或长链 Agent 能力，建议先做小流量对比测试。总体可作为主力模型之一或可靠备选。
日调用 4322.06B tokens · 459,206,876 次请求
定位与擅长场景
DeepSeek V4 Flash 是榜单里典型的“高吞吐走量”选手：日调用量约 4.32 万亿 token、4.59 亿次请求，单次请求平均不到 1 万 token，说明它主要承接短上下文、高频次的批量任务，如分类、抽取、客服问答、Agent 子步骤调用。Flash 命名也印证其定位——用极致性价比换取速度与并发。
与竞品对比
排名第 7 说明它已稳居第一梯队，但并非头部霸主。相比同榜更靠前的旗舰模型，它靠“便宜+够用”抢量；相比同级轻量模型，DeepSeek 的品牌和中文能力是其加分项。值得注意的是 rankChange 为空，缺乏环比数据，热度是否仍在爬升无法判断。
是否值得接入
值得，但要看场景。若你的业务是高频、低复杂度、成本敏感的推理，它是优先候选；若需要深度推理或长上下文，应搭配旗舰模型分层使用。建议先小流量压测延迟与稳定性，再决定是否作为主力。
日调用 4285.43B tokens · 70,598,503 次请求
定位与擅长场景
腾讯 hy3-20260706 在 OpenRouter 日调用量排名第 8，日均约 4.29 万亿 tokens、7060 万次请求，属于榜单头部梯队。如此高的请求密度说明它被大量用于高频、短平快的通用对话、内容生成与轻量 Agent 调用，而非单次超长推理。腾讯生态内的中文理解、社交与内容场景适配，是它最自然的落点。
与竞品对比
排名第 8 意味着它处在第一梯队边缘：上方是调用量更夸张的头部模型，下方则是快速追赶者。它的优势不在极限推理，而在稳定吞吐与中文场景性价比；相比同梯队的国际模型，它在中文语料和国内合规适配上更省心，但生态工具链的开放度可能不及部分竞品。
是否值得接入
值得。若你的业务以中文高频调用为主、追求稳定吞吐与成本可控，它是可靠的主力或备选。若需求集中在复杂推理或超长上下文，建议先小流量对比再决定。
日调用 3445.07B tokens · 29,807,803 次请求
定位与擅长场景
Nemotron-3 Ultra 550B（A55B 激活）是 NVIDIA 的旗舰级开源权重模型，日调用量约 3.45T tokens、2980 万次请求，稳居 OpenRouter 第 9 位。超大参数量配合稀疏激活，适合复杂推理、长上下文理解与高并发生产环境，尤其契合已在 NVIDIA 生态内、需要自托管或私有化部署的团队。
与竞品对比
它处在 GPT、Claude 顶级闭源模型与中型开源模型之间的夹层：能力接近第一梯队，但以开放权重换取部署灵活性和成本可控。相比同级开源竞品，NVIDIA 的软硬件协同与推理优化是其隐性优势；劣势在于生态工具链和社区微调资源仍不如 Llama 系丰富。
是否值得接入
值得。近 3000 万次日请求说明它已通过大规模生产验证，热度真实且稳定。若你的场景对推理深度和部署自主性有要求，且团队具备一定运维能力，它是当前开源阵营中性价比突出的选择；若只需轻量任务，则中型模型更划算。
日调用 2432.04B tokens · 55,116,334 次请求
定位与擅长场景
Gemini 3.8 Flash 位列调用量第 10，日均约 2.43 万亿 token、5511 万次请求，属于典型的“高频轻量”主力模型。它最适合高并发、低延迟场景：批量内容生成、客服与 Agent 工具调用、长文档摘要、多模态预处理。单次请求平均约 4.4 万 token，说明大量用于长上下文任务，而非短问答。
与竞品对比
在 Flash 这一档，它直接对标 GPT 系的 mini 级别与 Claude 的 Haiku 系列。凭借 Google 的 TPU 成本优势和 Gemini 原生多模态、超长上下文能力，它在“性价比+吞吐”维度通常更占优；短板是复杂推理与指令精细度，仍不及各家旗舰。
是否值得接入
值得。若你的业务以量取胜、对延迟敏感、且需要长上下文或多模态输入，它是当前第一梯队选择。建议将其作为默认主力，把复杂推理任务路由到旗舰模型，形成分层调用以控制成本。