OpenRouter 模型调用排行
近 30 天调用量趋势（Top 6）
日调用 38661.20B tokens · 677,017,362 次请求
定位与擅长场景
Space Bunny Alpha 以隐身模型身份空降 OpenRouter 调用量榜首，日请求量高达 6.77 亿次、日消耗 token 达 38.6 万亿，热度属于断层式领先。这种量级通常出现在免费试用、限时开放或高性价比通用模型上，推测其擅长高频轻量任务：对话、摘要、代码补全、批量文本处理等对延迟和成本敏感的场景。
与竞品对比
它没有公开品牌背书，却把一众知名闭源与开源模型甩在身后，说明其竞争力不在品牌，而在价格或吞吐效率。相比稳定运营的头部模型，隐身模型的优势是“便宜好用”，劣势是可用性、限流政策和长期存续都不确定，随时可能下线或转为收费。
是否值得接入
结论：可以试，但别押注。建议将它作为低成本批处理或非关键链路的备选，做好多模型路由与降级方案；核心业务仍应保留成熟模型兜底。等它转正、公布定价与 SLA 后再决定是否加大投入。
日调用 25612.46B tokens · 465,850,858 次请求
定位与擅长场景
DeepSeek V4.1 Flash 位列调用量第2，日请求约4.66亿、日Token超25.6万亿，单请求平均Token量偏高，说明它被大量用于长上下文、批量推理类任务。其“Flash”定位指向高吞吐、低延迟场景，适合Agent流水线、文档处理、代码补全等对成本与速度敏感的生产级负载。
与竞品对比
在OpenRouter生态中，它稳居第一梯队，与头部闭源模型形成直接竞争。相比同级竞品，其优势不在单点能力上限，而在超大规模调用下仍能维持稳定供给——日请求量级本身就是市场信任的证明。排名未变动，说明份额已进入稳态，而非短期冲量。
是否值得接入
值得。若你的场景是高频、长文本、成本可控的工程化调用，它是当前最稳妥的默认选项之一。建议先做小流量A/B验证任务质量，再逐步放量；对极致推理深度有要求的任务，可保留一个更强模型作为兜底。
日调用 9737.05B tokens · 310,437,397 次请求
定位与擅长场景
GLM-5.3-Flash 位列 OpenRouter 调用量第 3，日请求超 3.1 亿、日 token 近 9.7 万亿，属于典型的“高并发主力型”模型。从命名看，Flash 定位轻量快速，适合大规模批处理、Agent 循环调用、内容生成与客服等对延迟和成本敏感的通用场景。
与竞品对比
它稳居第一梯队，仅次于头部闭源旗舰，说明在“速度—质量—价格”三角中找到了强势平衡点。相比同级竞品，其调用量级反映出开发者用脚投票，尤其在需要海量 token 吞吐的生产环境中具备明显吸引力。
是否值得接入
值得。若你的业务追求高吞吐、低延迟且预算可控，GLM-5.3-Flash 是当前最稳妥的候选之一；建议先用真实流量做 A/B 验证，再决定是否作为主力模型。
日调用 9625.49B tokens · 116,383,388 次请求
定位与擅长场景
小米 MiMo v2.6 Flash 位列 OpenRouter 调用量第 4，日请求约 1.16 亿次、日 Token 近 9.6 万亿，属于头部高吞吐模型。从命名与体量看，它主打低延迟、高并发与成本效率，适合大规模对话、内容生成、批量推理等对单位成本敏感的通用场景，而非极限推理任务。
与竞品对比
它处在第一梯队尾部、紧咬前三的位置，说明在价格与吞吐的平衡上具备强竞争力。相比同级闭源模型，其优势更可能体现在接入成本与稳定吞吐，而非复杂推理或长上下文能力；与同类轻量模型相比，则胜在生态与调用规模带来的稳定性验证。
是否值得接入
值得接入。若你的业务是高并发、成本敏感的通用生成任务，它是当前性价比与稳定性都经过大规模验证的可靠选项；但若涉及高难推理或专业领域，建议搭配更强模型做路由分流。
日调用 6509.72B tokens · 56,965,602 次请求
定位与擅长场景
腾讯混元 hy4-preview 以日均约 6.5 万亿 token、5700 万次请求位列 OpenRouter 第 5，热度属于第一梯队。其调用量级说明它已被大量生产环境采用，适合中文对话、内容生成、Agent 编排等通用任务，尤其在腾讯生态（微信、云、游戏）内集成优势明显。
与竞品对比
排名紧咬头部闭源模型，但明显落后于榜首。相较 DeepSeek、Qwen 等国产同侪，混元胜在云厂商级稳定性与企业合规支持；相较 GPT、Claude 系列，其在中文语境和国内部署成本上更有优势，但海外生态与工具链成熟度略逊。
是否值得接入
值得。若你的业务面向中文用户、需要国内合规与低延迟，且已在腾讯云体系内，这是高性价比选择。建议先用 preview 版做小流量验证，关注其正式版发布后的稳定性与限流策略，再决定是否规模化迁移。
日调用 6236.21B tokens · 271,337,780 次请求
定位与擅长场景
gpt-6-luna-20260922 是 OpenAI 第六代旗舰的 Luna 版本，日调用量约 6.24 万亿 token、2.71 亿次请求，位列总榜第 6，属于第一梯队主力模型。从量级看，它承担的是高频、通用型生产负载，适合复杂推理、长上下文理解与大规模 Agent 编排等对稳定性要求高的场景。
与竞品对比
排名第 6 意味着它不在绝对头部，但调用量仍远超中腰部模型，说明其在性价比与能力之间取得了较好平衡。相比同门更高配版本，Luna 更偏向吞吐与成本优化；面对其他厂商旗舰，它凭借生态兼容性和工具调用成熟度保持竞争力，而非单纯拼参数规模。
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依赖。若你的业务已深度使用 OpenAI 生态，迁移成本低、收益明确；若追求极致性价比，可将其与榜单前几名模型做 A/B 压测后再定。整体看，它是当前风险可控、热度验证充分的选择。
日调用 5990.76B tokens · 421,509,931 次请求
定位与擅长场景
DeepSeek V4 Flash 位列调用量第 7，日均约 4215 万次请求、近 6 万亿 token，属于头部梯队中的高频主力。从命名看，它主打低延迟、高吞吐的轻量推理，适合高并发对话、批量内容生成、Agent 工具调用等对成本与响应速度敏感的场景。
与竞品对比
在同级轻量模型中，它的调用规模已明显领先多数开源与闭源竞品，说明开发者在“够用即可”的性价比区间里对它形成了稳定偏好。相比顶级旗舰，它牺牲部分复杂推理深度，换取更低的单次开销和更快的响应，定位清晰。
是否值得接入
值得。若你的业务以高频、短链路任务为主，它是当前热度验证过的稳妥选择；若涉及复杂长链推理，建议搭配旗舰模型分层使用。总体判断：作为默认主力模型接入，风险低、收益明确。
日调用 5675.42B tokens · 46,580,350 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 4658 万次、日消耗约 5.68 万亿 token，热度处于第一梯队。其 MoE 架构以 550B 总参数、55B 激活量运行，推理成本与吞吐兼顾，适合高并发 Agent、长上下文代码与工具调用类负载。
与竞品对比
在同量级开源权重模型中，它与 DeepSeek、Qwen、Llama 系列正面竞争。相较同级稠密模型，A55B 的稀疏激活带来明显吞吐优势；相较头部闭源模型，它在开放权重与自托管灵活性上占优，但极限推理与生态成熟度仍有差距。排名第 8 说明它已进入主流生产选型，而非仅停留在评测榜。
是否值得接入
值得接入。若你的场景是成本敏感的高并发推理、需要私有化部署或避免供应商锁定，它是当前第一梯队中性价比突出的选项。建议先小流量灰度，验证其在你的任务分布上的稳定性与工具调用表现，再决定是否作为主力模型。
日调用 4379.70B tokens · 248,229,160 次请求
定位与擅长场景
GPT-5.6 Luna 位列 OpenRouter 调用量第 9，日均约 4.38 万亿 tokens、2.48 亿次请求，属于头部梯队中的主力型号。从命名看，这是 OpenAI 面向通用对话与复杂推理的旗舰变体，适合长上下文理解、多轮 Agent 编排、代码与文档处理等高频生产场景。单请求平均 token 量偏高，说明用户更倾向把它用于重推理任务，而非轻量闲聊。
与竞品对比
在同榜前列的激烈竞争中，它稳居前十，热度与第一梯队开源及闭源模型处于同一量级。相较更轻量的廉价型号，它的单次调用成本与延迟更高，但换来更强的推理稳定性；相较榜首模型，其调用规模仍有差距，属于“高端但非绝对首选”的位置。
是否值得接入
值得，但建议分层使用：核心推理链路接入 Luna，简单任务降级到更便宜的型号以控制成本。若你的业务对推理质量敏感、且预算允许，它是当前稳妥的主流选择之一。
日调用 3226.81B tokens · 376,377,654 次请求
定位与擅长场景
DeepSeek V4 Flash 排名第 10，日调用量约 3.23T tokens、3.76 亿次请求，单次请求平均约 8.6K tokens，说明它主要吃的是高频、中短上下文的批量任务：对话、代码补全、内容生成、Agent 工具调用等。Flash 定位清晰——用速度与成本换吞吐，而非冲榜最强推理。
与竞品对比
它身处第一梯队的腰部位置：上有同级旗舰和闭源头部模型占据高难度推理场景，下有更便宜的小模型分流简单请求。DeepSeek 系一贯以性价比和开源生态见长，V4 Flash 的高请求数说明它在“量大管饱”这一档具备明显吸引力，属于典型的走量型选手。
是否值得接入
值得。若你的业务以高并发、成本敏感、任务难度中等为主，它是稳妥的主力或降级备选；若涉及复杂长链推理，建议搭配更强模型做路由。总体结论：可作为默认生产模型接入，但务必用自有数据实测延迟与质量再定权重。