OpenRouter 完全指南：一个 API 调用所有 AI 模型

你还在为每个 AI 模型单独注册 API Key 头疼吗？OpenAI 一个 key，Claude 一个 key，Gemini 又一个 key——管理起来简直是一场噩梦。OpenRouter 的出现，彻底解决了这个问题：一个 API Key，调用 200+ AI 模型，包括 28 个完全免费的模型。

这篇文章是我使用 OpenRouter 半年多的真实经验总结，从注册到实战调用，从免费模型推荐到成本优化，帮你一次性搞懂这个 AI 模型聚合平台。

OpenRouter 是什么？

简单来说，OpenRouter 是一个 AI 模型的聚合网关。它把 OpenAI、Anthropic、Google、Meta、Qwen、DeepSeek 等几十家厂商的模型统一到一个 API 接口后面。你只需要对接 OpenRouter 的 API，就能自由切换使用任何模型。

这就像一个"AI 模型的携程"——不用分别去各家航空公司官网买票，一个平台搞定所有航班。

目前 OpenRouter 已经接入了 200+ 个模型，覆盖了市面上几乎所有主流 AI 模型，从 GPT-4o 到 Claude 4，从 Gemini 2.5 到 DeepSeek R1，应有尽有。据报道，OpenRouter 正在以 13 亿美元估值融资 1.2 亿美元，Google 作为领投方——这说明行业对这个赛道非常看好。

OpenRouter 的核心优势

一个 API 调用 200+ 模型

这是最核心的价值。你只需要把代码中的 base_url 改成 https://openrouter.ai/api/v1，然后换上 OpenRouter 的 API Key，就能调用所有模型。完全兼容 OpenAI SDK，迁移成本几乎为零。

28 个完全免费的模型

OpenRouter 提供了 28 个完全免费的 AI 模型，不需要信用卡，注册就能用。免费模型的速率限制是每分钟 20 次请求、每天 200 次请求，对于学习、测试和轻度使用完全够用。

自动 Failover 故障转移

这个功能被严重低估了。你可以设置主模型和备用模型，当主模型因为限流或故障不可用时，OpenRouter 会自动切换到备用模型，对你的应用完全透明。这对生产环境的稳定性至关重要。

按量付费，无月费

OpenRouter 没有订阅费、没有月费，纯粹按 token 用量计费。免费模型不花钱，付费模型的价格和直接调用厂商 API 基本一致（OpenRouter 在此基础上加收少量服务费）。充多少用多少，非常适合个人开发者和小团队。

免费模型 Top 10 推荐

根据实际使用体验，以下是我推荐的 10 个免费模型：

个人推荐策略：日常对话用 Llama 3.3 70B 或 GLM-4.5 Air，写代码用 Qwen3 Coder，需要超长上下文用 Qwen3.6 Plus Preview，中文场景优先考虑 GLM-4.5 Air。

注册和获取 API Key

注册过程非常简单：

1. 访问 openrouter.ai，点击 Sign In
2. 使用 Google 或 GitHub 账号登录（不需要信用卡）
3. 登录后进入 Keys 页面
4. 点击 Create Key，给 Key 起个名字
5. 复制生成的 API Key，保存好

免费模型直接就能用，不需要充值。如果要用付费模型，可以在 Credits 页面充值，最低 5 美元起。

API 调用示例

curl 调用

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "meta-llama/llama-3.3-70b-instruct:free",
    "messages": [
      {"role": "user", "content": "用一句话解释什么是 OpenRouter"}
    ]
  }'

Python 调用

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="sk-or-v1-你的API Key"
)

response = client.chat.completions.create(
    model="qwen/qwen3.6-plus-preview:free",
    messages=[
        {"role": "user", "content": "帮我写一个 Python 快排算法"}
    ]
)

print(response.choices[0].message.content)

Node.js 调用

import OpenAI from 'openai';

const client = new OpenAI({
  baseURL: 'https://openrouter.ai/api/v1',
  apiKey: process.env.OPENROUTER_API_KEY,
});

const response = await client.chat.completions.create({
  model: 'z-ai/glm-4.5-air:free',
  messages: [
    { role: 'user', content: '介绍一下量子计算的基本原理' }
  ],
});

console.log(response.choices[0].message.content);

看到了吗？和调用 OpenAI API 的代码几乎一模一样，只是改了 base_url 和模型名称。这也是 OpenRouter 最大的优势之一——迁移成本极低。

OpenRouter Free Router：自动路由最优免费模型

OpenRouter 提供了一个特殊的模型标识符：openrouter/free。当你使用这个模型 ID 时，OpenRouter 会自动为你选择当前最优的免费模型。

它的选择逻辑考虑了：

• 当前各模型的负载情况
• 模型的综合能力评分
• 响应速度和可用性

这意味着你不需要自己纠结选哪个免费模型，让 OpenRouter 帮你选就行了。非常适合快速原型开发和测试场景。

在 OpenClaw 中配置 OpenRouter

如果你在使用 OpenClaw，配置 OpenRouter 非常简单：

1. 在 OpenClaw 配置文件中找到模型配置部分
2. 将 base_url 设置为 https://openrouter.ai/api/v1
3. 填入你的 OpenRouter API Key
4. 选择想要使用的模型（如 meta-llama/llama-3.3-70b-instruct:free）

配置完成后，OpenClaw 就能通过 OpenRouter 调用任何模型了。结合 OpenRouter 的免费模型，你可以零成本运行 OpenClaw 的大部分功能。

成本优化策略

以下是我总结的几个实用的成本优化技巧：

1. 善用免费模型

日常对话、简单问答、代码片段生成，免费模型完全够用。把付费模型留给真正需要高质量输出的场景。

2. 设置 fallback 模型

在 API 调用中设置 models 参数（数组），OpenRouter 会按顺序尝试，第一个可用的就用。这样既保证了可用性，又能优先使用便宜的模型。

{
  "model": "openai/gpt-4o-mini",
  "models": ["openai/gpt-4o-mini", "meta-llama/llama-3.3-70b-instruct:free"],
  "messages": [...]
}

3. 控制 max_tokens

不要设置过大的 max_tokens。根据实际需要设置合理的上限，避免模型生成过多不必要的 token。

4. 使用 prompt caching

对于重复的系统提示（system prompt），OpenRouter 支持 prompt caching，可以大幅降低重复调用的成本。

OpenRouter vs 直接调用厂商 API

我的建议：

• 个人开发者 / 学习者：直接用 OpenRouter，免费模型 + 统一管理，省心省力
• 小团队 / 初创公司：用 OpenRouter 做开发和测试，生产环境可以根据具体需求选择直连或继续用 OpenRouter
• 大流量生产环境：核心模型直连厂商 API 获得最佳性能和价格，用 OpenRouter 作为 fallback 和多模型调度

总结

OpenRouter 解决了 AI 开发中一个真实的痛点——模型碎片化。一个 API 调用所有模型，28 个免费模型白嫖到底，自动故障转移保证稳定性，按量付费没有月费压力。

如果你还没试过 OpenRouter，现在就去注册一个账号，不需要信用卡，5 分钟内就能跑通第一个 API 调用。对于想快速体验各种 AI 模型的开发者来说，这可能是 2026 年最值得了解的工具之一。

相关阅读：AI API 厂商对比 | 免费 API 获取指南 | 模型选择指南 | DeepSeek API 指南