AI 模型 API 聚合平台，一个接口调用400多个模型
OpenRouter 发布深度指南，详解如何测试 AI Agent 的工具调用准确性。文章指出 Agent 存在“选错工具”与“参数传错”两种独立故障模式，并提出了三种互补的评估策略：基于 LLM 的参考自由判断、基于 JSON Schema 的确定性参数校验、以及多步调用轨迹对比。该指南强调在跨模型对比时需保持测试用例与评分标准的一致性，旨在帮助开发者建立更严谨的 Agent 质量评估体系。
OpenRouter 发布深度指南，详解在 Prompt 或模型变更后如何执行 AI Agent 回归测试。文章指出传统代码回归测试无法直接应用于 Agent，需构建“锁定用例集”与“行为契约”。核心在于区分模型别名（alias）与具体模型标识（concrete slug），并通过结构断言（如工具调用）与硬性不变量（如业务规则）来验证 Agent 行为，确保在模型漂移或上下文窗口变化时仍能精准捕获回归缺陷。
Image-to-Video AI Models Compared: Cost, Resolution, and Control
OpenRouter 正式推出 Security Center，旨在解决开发者在 API 密钥管理中面临的密钥泄露、滥用及 sprawl（分散）风险。该工具提供统一的密钥视图，支持批量禁用、归档及设置支出限额，并引入基于风险评分的自动分类机制。此外，新增 IP Allowlist 功能可限制密钥访问范围。针对内部审计发现超过 1000 个闲置密钥的问题，OpenRouter 分享了最佳实践，帮助开发者构建更安全的 AI 应用基础设施。
OpenRouter 宣布集成 TypeSafe 的 Jev 决策模型，通过 OpenRouter Decisions API 提供结构化、可量化的内容审核能力。该模型支持 choice、noul 和 score 三种问题类型，输出带有置信度校准的概率分布，而非简单的文本回答。文章详细展示了如何在 TypeScript 中构建包含硬规则预处理和 Jev 软规则判断的完整审核流水线，适用于商品上架、工单路由等场景。
OpenRouter 于 2026 年 9 月发布最新《2026 最佳嵌入模型指南》，针对 RAG 检索、代码搜索、多模态检索及低成本场景，通过实测验证并推荐了包括 openai/text-embedding-3-small、voyageai/voyage-4-large 及 qwen/qwen3-embedding-8b 在内的多款模型。该指南明确了不同输入类型（如超长文本、代码、图文混合）下的最优选择，并提供了基于 API 的实测数据与价格对比，帮助开发者构建更高效的向量检索系统。
NVIDIA 正式发布 Nemotron 3.5 Lightning，一款专为 Agent 高频执行层设计的 300 亿参数混合专家（MoE）模型。该模型仅激活约 30 亿参数，结合 Mamba-2 架构与多投机解码技术，在保持大模型推理能力的同时显著降低延迟与成本。相比 Nemotron 3 Ultra，Lightning 更适合处理工具调用、代码编辑等重复性高、上下文清晰的执行任务，为构建低成本、高吞吐的 AI 代理系统提供了新选择。
OpenRouter 发布最新基准测试，对比 TypeSafe 的决策模型 Jev 1.13 与顶级模型 Claude Opus 5 在金融意图分类任务中的表现。测试显示，Jev 在准确率（81.0%）上略逊于 Opus（84.4%），但在速度上快 13 倍，成本仅为 Opus 的 1/22。文章详细分析了基于置信度的路由策略，展示了如何通过阈值切换实现成本与准确率的动态平衡，为构建高效 AI 应用提供了宝贵参考。
OpenRouter 正式推出 Batch API，旨在解决大规模异步推理任务的高成本与低效率问题。该功能允许用户将成百上千个请求打包提交，由模型提供商在 24 小时窗口内灵活调度执行，从而享受高达 50% 的折扣。实测数据显示，在 230k+ 次批量请求中，中位完成时间仅为 7 分钟，90% 的请求在 1 小时内交付。支持 Chat、Embedding 等多种请求形态，并具备 BYOK 密钥、独立结果返回及 30 天数据保留等特性，是处理数据标注、评测集打分及批量摘要等场景的理想方案。
TypeSafe 通过 OpenRouter 正式推出 Jev，这是业界首个专为开发者设计的“决策模型”（System One 模型）。与生成式 LLM 不同，Jev 仅接受文本输入，输出严格限定在预设选项中的确切选择及概率分布，彻底消除了文本解析与幻觉风险。文章详细解析了 Jev 的三大原语（Choice, Score, Noul）、校准后的概率置信度机制，并展示了其在工单路由等场景下的实际应用价值，标志着 AI 应用从“生成内容”向“可靠决策”的重要范式转移。
TypeSafe 推出的 Jev 决策模型在封闭标准（Closed Rubric）下与 LLM-as-a-Judge 表现相当，但在概率校准、成本（低 5 倍）和延迟（低 10 倍）上显著优于生成式 LLM 裁判。文章通过 HaluEval 和 SummEval 数据集实测，指出 Jev 适用于需要精确阈值判断和快速路由的场景，而传统 LLM 裁判更适合长文本开放标准及需解释失败原因的场景。
OpenRouter 通过其聚合架构显著降低了 AI 模型测试门槛，助力视频编辑平台 Descript 将新模型评估周期从“数小时开发 + 一周等待”压缩至“两小时”。通过消除手动集成与排队机制，Descript 实现了自动化评估闭环，支持每周多次测试，大幅提升了模型迭代速度与覆盖范围，包括对 xAI 等此前未直接集成的模型的支持。
