OpenRouter 营销实战：一个 API Key 调 300+ 模型，我把 AI 账单砍掉一半

我以前用 AI 要同时开四个浏览器标签页：ChatGPT 处理一件事，Claude 处理另一件，Gemini 处理第三件，还有一台自托管的 Llama（Meta 开源大语言模型）专门跑那种没什么技术含量的改写活。每个工具都有独立的登录、独立的账单页、独立的 API key，零零散散地塞在我不敢 git commit（提交到代码仓库）的 .env 文件里。上个季度这四家服务加起来的账单冲到 $1,840。这个季度 $890——而输出质量反而比上季度更好。改变的只是一段管道：OpenRouter。

我没换模型。我换的是调用它们的方式。

OpenRouter 到底是什么

OpenRouter 就是一个 API 端点（endpoint，即 API 的访问地址），背后接了 300 多个模型，分别来自 Anthropic、OpenAI、Google、DeepSeek、Meta、Mistral、xAI，还有一大堆小厂。你注册账号、充 $20 拿 credits（信用点数，可在平台上抵扣调用费用）、拿到一个 API key，然后在代码里改一下模型名就行了。接口格式是 OpenAI 兼容的（OpenAI-compatible），也就是说你以前用过 openai.ChatCompletion.create(...)，只要换一下 base URL（API 基础地址）就能跑起来。

产品介绍就这么短。它不是模型，不是聊天 app，也不是套壳 GPT-4 加价卖的中间商。它就是一个路由（router）。对同时跑多个 AI 工作流的营销人来说，这个路由就是你一直忙到没空注意的那块缺失拼图。

账单为什么砍掉一半多

省下来的钱不是来自"挑一个便宜模型然后所有事都用它"。省下来的是"按任务挑对模型，然后把请求路由过去"。我大部分工作大致是这样几类：

• 改写 50 个老产品页 → 一个快、便宜的模型就够。DeepSeek、Llama 3.3 70B、Haiku 这一档都算杀鸡用牛刀。
• 写 10 篇 LinkedIn 思想领袖文 → Sonnet 级别质量，没得商量。这种活是给我自己挣口碑的，不在这种地方抠成本。
• 把一篇英文长文翻成 6 种语言 → 不同模型擅长不同的语言对，与其自己测 6 个方向，不如让 OpenRouter 按语言能力路由。
• 给 4,000 条 Reddit 评论打意图分类标签 → 用一个小而快的模型 + 结构化输出（structured output，强制模型按 JSON 等格式返回结果）。成本几乎为零。
• 写一篇 2,000 字的 pillar post（核心长文） → Sonnet 或 Opus。这里拼的是时间和质量，不拼成本。

以前我直连各家 API 的时候，所有东西都丢给我终端里最后打开的那个——基本上是 Sonnet。结果就是：让 Sonnet 级别的价格去改产品页，而这件事 $0.10/M tokens（每百万 token 的费用）那一档的模型完全能干。按任务路由以后，成本结构终于像个正经预算，而不是一笔糊涂账。

另一半省下来的是运营成本。一张账单、一个 dashboard、一份 usage log。以前要搞清楚"哪个 AI 工具吃了客户 X 多少预算"，得开四个 portal、导出四个 CSV。现在一个导出搞定。

一个真实的工作流，不是一份功能清单

我平时一个生产日的状态大概是这样：我在给一个 B2B SaaS 客户做 30 天内容日历。三个工作流并行跑：

流 1——批量出选题。 我要 200 个博客角度。提示词短、输出短、质量门槛是"别尴尬"。请求直接发到 deepseek/deepseek-chat，让它放开了跑。这种活以前我用 Sonnet 做，质量差别不值 30 倍的差价。

流 2——写核心长文。 挑最强的一个角度，写一篇 2,000 字的 pillar。走 Claude Sonnet。这里我不优化成本，我优化的是"这篇挂我名字发出去行不行"。Sonnet 是我高质量写作的默认选择，跟我之前写的 orchestrating-three-tools 那篇逻辑一样——区别只是现在所有调用都过 OpenRouter，账单跟批量选题合并到一行。

流 3——内容复用（repurpose）。 核心长文写完之后，我把同一份源文本同时发给三个不同模型：一个写 LinkedIn carousel 文案，一个写 Twitter 推文串，一个写邮件 newsletter。每个模型有各自的风格长板。三个输出都比任何一个单独模型产出的好，而且我可以在同一个对话视图里并排比较。这是 OpenRouter 现在的"一键"功能 Fusion（多模型融合）的手动版——Fusion 把你的 prompt 同时发给多个模型，给输出打分，返回一个融合后的最佳结果。我上个月拿一份季度研究简报试了一下，效果明显好于我以前用单个模型做的版本。

重点不是"Fusion 是黑魔法"。重点是三股流都跑在同一个 key、同一个 dashboard、同一条成本跟踪记录上。这就是工作流。

我真实踩过的三个坑

它不是完美的，我想具体说清楚哪里咬过我。

1. 免费模型免费是有原因的。 OpenRouter 列了一长串"免费"模型，页面上看不到速率限制说明。坑是：限流其实很严，尤其是美东工作时间，做批量任务时中间会抛 429 错误（Too Many Requests，HTTP 状态码，表示请求频率超限）。一次性测试没事，跑 4,000 行的 CSV 任务你就会想：要么给一个稳定的供应商付点钱，要么自己加一层重试逻辑。我是在一次品牌提及扫描跑到第 2,847 行失败、又得从头跑的时候学到这个的。

2. 延迟看最慢的那个模型，不是平均。 你调一个模型，等一个响应。你扇出（fan-out，即同时分发到多个模型）给四个模型，就要等最慢的那个。Fusion 继承了这个特性——任何对延迟敏感的场景（线上 chatbot、实时打分），老老实实用单模型。批量任务不差那 20 秒的活儿，Fusion 是免费的质量升级。

3. 供应商锁定（vendor lock-in，即被某家服务商深度绑定、迁移成本高）会反过来。 用 OpenRouter 意味着你的 prompt、prompt 库、temperature（温度参数，控制输出随机性，越高越发散）默认值，全都活在 OpenRouter 的请求格式里。哪天想搬走，你得做一次迁移。不像搬出 HubSpot workflow 那么重，但也不是零成本。这个权衡对我值，因为效率收益大于切换成本。但我说"零锁定"那是骗你。

如果我今天才开始用，我会先试这个

如果你还没碰过 OpenRouter，这么做：挑一个现在用直连 API 成本最高的工作流，用 OpenRouter 跑一周。对大多数营销人来说，是改写/刷新类活儿——内容刷新、广告文案变体、FAQ 生成、翻译。把 base URL 换成 OpenAI 兼容的那个，换 API key，把 model="gpt-4o" 改成 model="anthropic/claude-3.5-sonnet"（或随便你想试的），然后看周末的账单。

最无聊的基建动作反而是会复利的那一种。你不再想"哪个 tab 开着哪个工具"，开始想"哪个任务配哪个模型"。光是这个思路转换，就值那 $20 启动 credits。