OpenRouter 模型调用排行
近 30 天调用量趋势（Top 6）
日调用 28426.22B tokens · 505,254,305 次请求
定位与擅长场景
stealth/space-bunny-alpha 以日调用量 28.4 万亿 tokens、5.05 亿次请求稳居 OpenRouter 榜首，且 rankChange 为空，说明它是新上榜即登顶的黑马。从量级看，它极可能主打高并发、低门槛的通用对话与批量生成场景，适合对成本敏感、需要海量吞吐的开发者。
与竞品对比
其日请求数远超常规头部模型一个数量级，说明它靠极低门槛或免费策略快速抢占流量，而非靠推理深度取胜。相比 Claude、GPT 系列，它在复杂推理与长上下文任务上大概率不占优，但在“跑量”类需求上形成了碾压式热度。
是否值得接入
结论：值得作为高并发、低敏感任务的备选。若你的场景是批量摘要、简单对话或压测，它的热度与吞吐已验证可用性；但涉及精度、稳定性和数据合规的核心业务，建议仍以成熟闭源模型为主，把它当作降本补充而非主力。
日调用 22711.81B tokens · 395,556,081 次请求
定位与擅长场景
DeepSeek V4.1 Flash 排名第 2，日调用量约 22.7 万亿 token、近 4 亿次请求，热度属于第一梯队。从命名看，Flash 主打低延迟与高并发，适合大规模推理、Agent 流水线、批量内容生成等成本敏感且吞吐要求高的场景。
与竞品对比
它稳居头部，说明在“性能足够好 + 单位成本可控”这条线上竞争力强。相比同梯队旗舰模型，Flash 更偏工程化落地；相比轻量小模型，它又能承接复杂任务，属于中间地带的强势选择。
是否值得接入
值得。调用量已验证其稳定性与生态认可度。若你的业务追求高吞吐、低延迟且预算敏感，建议优先测试；若任务需要顶级推理深度，可将其作为主力加旗舰兜底组合。
日调用 10640.45B tokens · 355,410,590 次请求
定位与擅长场景
GLM-5.3-Flash 在 OpenRouter 日调用量排名第 3，日均 Token 约 10.6 万亿、请求 3.55 亿次，属于平台第一梯队的绝对主力。从命名看，"Flash"指向低延迟、高吞吐的轻量定位，适合高并发对话、批量内容生成、Agent 工具调用等对响应速度和成本敏感的场景，而非深度推理或长链复杂任务。
与竞品对比
它稳居前三，说明在开源/半开源阵营中已与头部模型正面竞争。相比同档竞品，其优势更可能体现在调用规模带来的生态验证——海量请求意味着稳定性与限流表现经过实战检验，而非单点跑分领先。排名变化为空，暂无法判断其近期是上升还是守成。
是否值得接入
值得。排名第 3 的调用量本身就是最直接的市场背书，说明大量开发者在真实生产环境中持续使用。若你的场景是高频、成本敏感的通用任务，建议优先纳入候选并做 A/B 测试；若涉及复杂推理，则需与更强推理型模型搭配使用。
日调用 9102.33B tokens · 110,822,868 次请求
定位与擅长场景
小米 MiMo v2.6 Flash 在 OpenRouter 日调用量排名第 4，日请求约 1.1 亿次、日 Token 超 9.1 万亿，属于头部梯队。从命名看，Flash 定位轻量高吞吐，适合高并发对话、批量内容生成、Agent 工具调用等对延迟敏感的场景。单请求平均 Token 量偏高，说明长上下文与多轮任务占比不小。
与竞品对比
它挤进前四，意味着在性价比与稳定性上已能与主流闭源轻量模型正面竞争。相比同级竞品，其优势更可能体现在中文理解、端侧生态协同与调用成本控制上，而非极限推理能力。
是否值得接入
值得。若你的业务以高频、成本敏感的通用任务为主，它是当前第一梯队的可选方案；建议先用小流量灰度验证中文指令遵循与长上下文表现，再决定是否作为主力模型。
日调用 7757.16B tokens · 221,344,654 次请求
定位与擅长场景
gpt-5.6-luna-20260709 位列 OpenRouter 调用量第 5，日调用约 2.21 亿次、日消耗约 7.76 万亿 token，单次请求平均 token 量偏高，说明它更多被用于长上下文、复杂推理或批量生成类任务，而非轻量问答。OpenAI 系模型通常在指令遵循、工具调用和结构化输出上表现稳定，适合 Agent 编排、代码辅助和企业级内容流水线。
与竞品对比
排名前五意味着它已进入开发者日常选型的第一梯队，热度与头部闭源模型同档。相比同门更轻量的版本，它胜在能力上限；相比其他厂商旗舰，它的优势是生态成熟、SDK 与中间件适配广，劣势是成本与延迟通常不占优。rankChange 为空，说明是新进榜或数据窗口内无环比，热度仍在爬坡观察期。
是否值得接入
值得。若你的场景对推理深度和稳定性要求高、且已有 OpenAI 技术栈，可直接接入；若只是简单分类或高并发短文本，建议先用更小模型压成本，再按需升级到 Luna。
日调用 7483.45B tokens · 65,221,442 次请求
定位与擅长场景
腾讯 hy4-preview-20260827 在 OpenRouter 日调用量排名第 6，日请求约 6522 万、日 Token 约 7.48 万亿，单请求 Token 密度极高，说明它被大量用于长上下文、长输出任务，如文档理解、代码生成、Agent 长链路推理。作为预览版即冲到前列，热度主要来自腾讯生态与企业级中文场景的刚性需求。
与竞品对比
它处在第一梯队的腰部位置：调用量落后于头部几家海外旗舰，但已明显甩开多数开源与中小厂商模型。优势在中文语义、合规部署和腾讯云协同；劣势是海外开发者心智与工具链生态仍弱于头部竞品，预览版稳定性也需观察。
是否值得接入
值得接入，但建议灰度。若你的业务以中文、长文本、国内合规为主，它是高性价比选项；若面向全球开发者或依赖成熟第三方工具链，可先小流量对比再决定主力替换。
日调用 7042.69B tokens · 464,942,901 次请求
定位与擅长场景
DeepSeek V4 Flash 定位高吞吐、低延迟的通用推理模型，日调用量约 7.04 万亿 tokens、4.65 亿次请求，稳居 OpenRouter 第 7 名。其请求量相对 token 量偏小，说明单次调用偏轻量，适合对话、分类、抽取、代码补全等高频短任务场景。
与竞品对比
在头部阵营中，它既非 GPT、Claude 这类综合旗舰，也不同于纯低价小模型。凭借 DeepSeek 一贯的高性价比与稳定吞吐，它在"性能够用、成本敏感"的中间地带竞争力突出，是许多开发者替代高价闭源模型的首选之一。
是否值得接入
值得。排名第 7 且调用量巨大，说明其稳定性与生态已被市场验证。若你的业务以高频中轻量任务为主、对成本敏感，接入它是理性选择；若追求极致复杂推理，则需搭配更强旗舰模型。
日调用 6087.78B tokens · 49,701,382 次请求
定位与擅长场景
NVIDIA Nemotron-3 Ultra 550B（A55B 激活）位列 OpenRouter 调用量第 8，日调用约 4970 万次、日消耗超 6 万亿 token，热度处于第一梯队。其超大规模 MoE 架构适合高复杂度推理、长上下文分析与 Agent 工作流，尤其在需要强逻辑与代码能力的场景表现突出。
与竞品对比
同榜前列多为闭源旗舰与头部开源模型，Nemotron 凭借 NVIDIA 生态与开放权重形成差异化：相比纯闭源 API，它更利于私有化部署与微调；相比中小开源模型，550B 规模在难题推理上更具优势，但推理成本与显存门槛也更高。
是否值得接入
值得接入，但需分层使用。若你有 GPU 资源、重视数据可控与定制，它是高性价比的旗舰级选择；若追求低延迟、低成本的大众场景，建议仅将其用于关键复杂任务，而非全量替代。
日调用 5130.68B tokens · 218,639,621 次请求
定位与擅长场景
GPT-6 Luna（20260922）在 OpenRouter 日调用量排名第 9，日请求约 2.19 亿次、日 Token 超 5.13 万亿，属于第一梯队的通用旗舰模型。从量级看，它更适合高并发通用对话、Agent 工具调用、长文本生成等主流生产场景，而非小众垂类。
与竞品对比
排名第 9 说明它处在头部但并非榜首，前面仍有更强或更便宜的竞品分流。它的优势在于 OpenAI 生态、稳定性和工具链成熟度；劣势是价格与延迟通常不占优，性价比敏感型团队可能转向更低价模型。
是否值得接入
值得接入，但建议作为主力候选之一而非唯一选择。若你的业务依赖 OpenAI 生态、需要稳定通用能力，可直接接入；若成本敏感，建议同时评测排名更靠前或更便宜的替代品，做 A/B 分流。
日调用 3204.81B tokens · 323,471,959 次请求
定位与擅长场景
DeepSeek V4 Flash 是一款主打高吞吐、低延迟的轻量级模型，从日均超 3.2 万亿 tokens、3.2 亿次请求的调用规模看，它更像是面向大规模生产环境的“主力干活模型”，适合批量推理、Agent 工具调用、内容生成等对成本和响应速度敏感的场景。
与竞品对比
在 OpenRouter 榜单上排名第 10，说明它已进入全球调用量第一梯队，热度稳定。相比同门的 Pro 级模型，Flash 以牺牲部分复杂推理能力换取更高的性价比与并发能力，定位类似 GPT 系列的 mini 或 Claude 的 Haiku 档位，是“够用且便宜”的务实选择。
是否值得接入
值得。若你的业务以高频、标准化任务为主，而非极限推理，V4 Flash 的调用量已验证其工程稳定性与社区认可度，接入风险低、迁移成本可控，建议作为默认主力模型之一纳入选型。