OpenRouter 模型调用排行
近 30 天调用量趋势（Top 6）
日调用 17352.88B tokens · 547,399,154 次请求
定位与擅长场景
GPT-5.6 Luna 是 OpenAI 当前旗舰级通用模型，从日均 173 亿 token、5.47 亿次请求的调用量看，它已是 OpenRouter 上事实性的默认选择。适合高复杂度推理、长上下文代码生成与多轮 Agent 编排等对稳定性要求极高的场景。
与竞品对比
与 Claude、Gemini 同级旗舰相比，Luna 的优势不在单项跑分，而在生态整合度与工具调用一致性。竞品往往在特定基准上更亮眼，但开发者用脚投票的结果显示，Luna 的综合可靠性与迁移成本更低，这也是它稳居榜首的核心原因。
是否值得接入
值得。若你的产品需要低风险、可预期的模型底座，Luna 是首选；若追求极致性价比或特定垂直能力，可将其作为主链路、竞品作为补充路由。当前热度下，接入它几乎等于接入行业基线。
日调用 11956.59B tokens · 101,788,801 次请求
定位与擅长场景
腾讯 hy4-preview 日调用量约 119.6 万亿 tokens、1.02 亿次请求，稳居 OpenRouter 第 2，仅次于榜首。如此量级说明它已被大量生产流量验证，适合中文对话、内容生成、Agent 工具调用等通用高频场景，是典型的“主力干活型”模型。
与竞品对比
它没有拿下第一，但与头部差距有限，且日请求破亿意味着吞吐和稳定性经得起考验。相比一些靠低价冲量的模型，hy4-preview 的高 token 消耗（单请求均值偏高）暗示其更多用于长上下文、复杂推理任务，而非简单问答。腾讯生态加持，在国内合规与接入便利性上有天然优势。
是否值得接入
值得。排名第 2 且 rankChange 为 null（新进榜即高位），说明市场热度处于爆发期。若你的场景以中文为主、需要稳定高并发，它是当前性价比与可靠性兼顾的优选；建议先小流量灰度，观察延迟与成本后再放量。
日调用 11271.13B tokens · 297,988,173 次请求
定位与擅长场景
GLM-5.3-Flash 在 OpenRouter 日调用量排名第 3，日请求近 3 亿次、日消耗超 11 万亿 token，热度处于第一梯队。从命名看，“Flash”指向低延迟、高吞吐的轻量定位，适合高频对话、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。
与竞品对比
它夹在头部闭源模型与其他国产模型之间，靠“够用能力 + 极致性价比”抢占调用份额。相比同级旗舰，它在复杂推理上未必占优；但在规模化调用中，单位成本与稳定吞吐才是决定性因素，这也是其排名靠前的主因。
是否值得接入
值得。若你的业务以高并发、低成本为主，而非极限推理，GLM-5.3-Flash 是当前性价比较优的选项；建议先小流量灰度，验证延迟与稳定性后再放量。
日调用 11239.52B tokens · 511,906,650 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，适合大规模批量调用场景，如内容生成、代码补全、Agent 工具链中的高频子任务。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“工作马”使用。
与竞品对比
在 OpenRouter 榜单中排名第 4，日均 Token 超 11 万亿，属于第一梯队。相比同门旗舰模型，Flash 版本以更快响应和更高并发见长，适合对成本敏感但不需要深度推理的任务；与同类轻量模型相比，其调用量优势明显，反映出开发者对其稳定性和性价比的认可。
是否值得接入
值得接入。若你的业务需要高并发、低延迟的通用推理能力，且对单次推理深度要求不高，它是当前市场上经过大规模验证的可靠选择。建议作为默认主力模型之一，同时保留一个更强推理模型用于复杂任务兜底。
日调用 10269.57B tokens · 166,645,777 次请求
定位与擅长场景
DeepSeek V4.1 Flash 定位为高吞吐、低延迟的通用推理模型，适合大规模在线问答、Agent 工具调用、代码补全和批量内容生成等对成本与响应速度敏感的场景。其单日调用量突破 10 万亿 token，说明它已被大量生产级应用作为主力模型使用。
与竞品对比
在 OpenRouter 调用量排名第 5，处于第一梯队。相比头部闭源模型，它在纯推理深度上未必占优，但凭借 DeepSeek 一贯的高性价比和稳定吞吐，对 GPT、Claude 的中低端档位形成明显替代压力，尤其受中小开发者和成本敏感型团队青睐。
是否值得接入
值得。若你的场景以高频、大批量、成本可控为核心诉求，而非极限推理，它是当前极具竞争力的选择。建议先小流量灰度，验证延迟与输出质量后再放量。
日调用 7834.92B tokens · 105,645,417 次请求
定位与擅长场景
小米 MiMo v2.5 在 OpenRouter 日调用量排名第 6，日均 Token 约 7.8 万亿、请求超 1 亿次，属于头部梯队。其热度主要来自小米生态内的规模化调用，偏向通用对话、端侧协同与中文任务，适合作为小米系产品的默认底座模型。
与竞品对比
与同榜前列的头部模型相比，MiMo 的请求量级已进入第一集团，但排名变化为空，说明其位置相对稳定、尚未出现爆发式增长。它的优势更可能体现在生态绑定与成本控制上，而非纯粹的推理能力领先；在开放市场中与主流旗舰仍有差距。
是否值得接入
结论：值得，但需分场景。若你已在小微生态或需要中文、低成本的稳定调用，接入性价比较高；若追求最强推理或复杂 Agent 能力，建议仍以头部旗舰为主、MiMo 作为补充或降级方案。
日调用 4471.21B tokens · 70,823,958 次请求
定位与擅长场景
腾讯混元 hy3-20260706 以日调用量约 4.47 万亿 tokens、7082 万次请求稳居 OpenRouter 第 7 名，属于第一梯队的国产通用模型。其调用量级说明它已深度嵌入 C 端与 B 端高频场景，如智能客服、内容生成、Agent 工具链和代码辅助，适合需要中文理解与长上下文吞吐的规模化生产环境。
与竞品对比
排名紧咬头部阵营，与前列的 GPT、Claude 及 Gemini 系列同处高热度区间，但作为国产模型，它在中文语义、本地合规与国内网络接入上更具优势。相比同量级竞品，其请求数偏高、单次 token 适中，说明调用频次密集、偏向短交互型任务。
是否值得接入
值得接入。排名第 7 且无排名变化，表明热度已稳定在高位，生态成熟、供应可靠。若你的业务以中文为主、追求高并发与成本可控，它是优先候选；若强依赖多模态或极复杂推理，建议与头部闭源模型做 A/B 对比后再定。
日调用 4241.14B tokens · 447,393,965 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，适合大批量调用场景，如 Agent 工作流、代码补全、批量内容生成与数据清洗。单日 4.24 万亿 Token、4.47 亿次请求，说明其单次请求平均 Token 量偏小，典型特征是短任务、高并发，而非长文档深度推理。
与竞品对比
在 OpenRouter 榜单排名第 8，属于第一梯队尾部。它夹在头部闭源模型与开源低价模型之间：论绝对调用量不及榜首，但请求数极高，说明性价比与响应速度是主要竞争力。相比同门 Pro 版本，Flash 以能力换吞吐，更适合对成本敏感、对精度容忍度较高的场景。
是否值得接入
值得。如果你的业务是高并发、短输出、成本敏感型任务，它是优先候选；若涉及复杂推理或长上下文，建议搭配更强模型做分层路由。排名未变动也说明其热度已进入稳定期，接入风险较低。
日调用 3523.06B tokens · 30,197,496 次请求
定位与擅长场景
Nemotron-3 Ultra 550B（A55B 激活）是 NVIDIA 自研的旗舰级 MoE 模型，日调用量 3.52T tokens、3019 万次请求，稳居 OpenRouter 第 9。这一体量说明它已进入主流生产管线，而非实验性模型。550B 总参、55B 激活的稀疏结构，适合高吞吐推理、Agent 工具调用、长上下文代码与合成数据生成等场景，尤其在 NVIDIA 自家 NIM 栈上有推理优化红利。
与竞品对比
它处在 GPT、Claude、Gemini 旗舰与开源 Llama、Qwen、DeepSeek 之间的“企业级开源权重”地带：参数规模比主流开源稠密模型更大，激活成本却因 MoE 而可控。相比 DeepSeek 系，它的生态与硬件协同更强；相比闭源顶配，价格与可私有化部署是主要差异点。
是否值得接入
值得。若你已在 NVIDIA 生态或需要可自托管的超大 MoE，它是排名验证过的稳妥选项；若追求极致性价比或纯 API 轻量集成，可先做小流量 A/B 再放量。
日调用 2457.20B tokens · 31,433,515 次请求
定位与擅长场景
GLM-5.3 位列 OpenRouter 调用量第 10，日均约 2.46 万亿 Token、3143 万次请求，属于头部梯队中坚。从调用结构看，请求量相对 Token 量偏小，说明单次调用上下文较长，典型场景是长文档处理、代码库级理解、Agent 多轮任务与中文内容生成。智谱系在中文语义、工具调用和性价比上一直有稳定口碑，适合作为通用主力模型。
与竞品对比
它处在 GPT、Claude 旗舰与开源轻量模型之间的夹层：能力不及顶级闭源旗舰，但成本与吞吐优势明显；相比同价位国产模型，其生态成熟度和 Agent 兼容性更占优。排名稳定在前十，说明已被大量生产环境验证，而非尝鲜流量。
是否值得接入
值得。若你需要中文强、长上下文、可承接 Agent 工作流且预算可控的主力模型，GLM-5.3 是稳妥选择，建议先小流量灰度对比现有模型。