OpenRouter 模型路由平台动态：新模型上架、用量排行与开发者选型的真实市场信号。
OpenRouter 发布 Ori Eval，帮助开发者在超过 500 个可选模型中为自己的应用选出最合适的模型。它会扫描代码库中所有调用模型的位置，通过访谈确认用户关心的成本、速度、准确率等指标，选出 5 个候选模型并行运行评测，并生成 *.eval.ts 评测文件，用 bun test 运行，检查智能体调用的工具、避免的工具和开放式回答质量（由 LLM judge 评分）。
推荐理由：原文说明了 Ori Eval 如何在用户自己的代码和提示词上运行评测，并支持 CI 阻断回归和新模型自动对比。
OpenRouter 推出语音转文字端点 POST /api/v1/audio/transcriptions，用与 Chat Completions 相同的 Bearer API key 发送 base64 音频，返回含转写文本和 usage（秒数、token 数、美元成本）的 JSON，无需单独 SDK 或 Whisper 服务器。
推荐理由：官方教程给出语音转文字端点的请求契约、模型发现方式和 60 秒超时等限制，可直接照抄接入现有工作流。
OpenRouter 发布教程，讲解如何用提示词缓存加粘性路由降低 Agent 多轮会话的 token 成本。
推荐理由：原文给出各提供商缓存读写倍率表和 session_id 粘性路由用法，Agent 多轮场景可直接照做省钱。
OpenRouter 在 MMMU-Pro Vision 上对 OpenAI 和 Google 五个模型实测图像 detail 参数，发现推理模型用 low 细节反而更差更贵：gpt-5.5 low 比 auto 准确率低 13.8 个百分点（65.2% vs 79.0%），每题成本更高（5.1¢ vs 4.5¢），因为模型为弥补降采样图像多用了 1.6 倍推理 token。
推荐理由：实测显示低图像细节在推理模型上反而更贵更差，读者可据此调整图像输入和推理档位来控制成本。
OpenRouter 基于 2026 年 1 月 1 日至 6 月 14 日超 450 万亿 token 的请求日志分析，DeepSeek V4 于 4 月 24 日发布后，DeepSeek 的 token 份额从年初约 9% 翻倍至 6 月初近 18%，并自 5 月中旬起成为 OpenRouter 上份额最高的模型，增长主要由智能体负载驱动。
推荐理由：OpenRouter 用自家 450 万亿 token 日志拆解 DeepSeek V4 的份额变化，读者可以据此了解智能体负载与中美模型格局的实际走向。
OpenRouter 认为 2026 年 6 月最值得关注的四款开源权重模型是 DeepSeek V4 Flash、GLM 5.2、MiniMax M3 和 NVIDIA Nemotron 3 Ultra，并指出开源模型与闭源前沿的差距已连续 18 个月稳定在 3-6 个月。
推荐理由：OpenRouter 基于自家价格与流量数据梳理四款关键开源权重模型的定位与取舍，读者可按成本、质量和模态直接对照选型。
OpenRouter 发布专用 Image API，统一接入 30+ 图像生成模型，覆盖 Google、OpenAI、Black Forest Labs、Recraft、ByteDance、Microsoft、xAI 等厂商。
推荐理由：原文给出了统一接口、能力描述端点和按提供商计价细节，读者可以据此评估切换图像模型时的工作流收益。