Первые инвесторы OpenRouter рассказывают о процессе инвестирования.

Автор: Menlo Ventures

Составила: Цзя Хуань, ChainCatcher

Сегодня компания OpenRouter объявила о достижении соглашения о приобретении Stripe. Это произошло всего через три года после официального запуска OpenRouter в 2023 году.

Первоначально OpenRouter был запущен как «унифицированный интерфейс для LLM» и на тот момент поддерживал только четыре модели: GPT-3.5, GPT-4, Together's GPT NeoXT и Cohere xlarge.

Компания была основана на двух ключевых принципах: во-первых, масштабы использования ИИ в конечном итоге станут огромными и проникнут во все сферы; во-вторых, на рынке появится большое количество различных моделей, каждая со своими преимуществами и недостатками, и пользователи будут выбирать разные модели в зависимости от своих потребностей.

Как выяснилось, оба этих решения значительно превзошли ожидания того времени.

С момента запуска количество токенов, обрабатываемых платформой OpenRouter, увеличилось примерно в 30 000 раз, в настоящее время превышая 4500 триллионов токенов в год, а масштабы расходов на платформе достигли поразительного уровня. Одновременно с этим количество моделей, поддерживаемых OpenRouter, выросло с первоначальных 4 до более чем 500.

Диаграмма: Рост использования токенов OpenRouter с момента их создания до приобретения.

Menlo Ventures посчастливилось быть частью этого пути. В марте 2025 года мы приняли участие в посевном раунде финансирования OpenRouter через фонд Anthology Fund, который мы создали в партнерстве с Anthropic.

Алекс Аталла, основатель и генеральный директор OpenRouter, ранее основал OpenSea, компанию, которая когда-то оценивалась в 13,3 миллиарда долларов. В число его соучредителей входят Луис Виши, гений в сфере технологий, с которым он познакомился в Discord, и Крис Кларк, высокоэффективный операционный директор.

В мае 2025 года мы возглавили раунд финансирования серии А компании OpenRouter, в результате чего Мэтт вошел в совет директоров компании, а Диди стала наблюдателем в совете директоров. Ранее в этом году, видя быстрый рост числа клиентов и доходов OpenRouter, а также планы компании по развитию более мощных возможностей «интеллектуального моделирования» в области выбора и оценки моделей, мы продолжили инвестировать в раунд финансирования серии B.

В технологической индустрии часто требуются годы, чтобы идея прошла путь от мнения немногих до формирования общепринятого мнения в отрасли.

Всего несколько недель назад произошло следующее: от Ramp до Cursor более 10 компаний практически одновременно запустили собственные продукты для маршрутизации на основе моделей. Всего за несколько лет OpenRouter стала одной из важнейших компаний в эпоху искусственного интеллекта.

Фото: Групповое фото, сделанное в день подтверждения того, что OpenRouter является ведущим инвестором в рамках раунда финансирования серии А.

На первый взгляд, Stripe может показаться не самым подходящим кандидатом на приобретение OpenRouter, но на самом деле эти две компании поразительно похожи.

Обе компании упрощают сложные транзакционные процессы благодаря прямому доступу через API, взимая процент от комиссии за транзакцию. Однако OpenRouter обрабатывает модели искусственного интеллекта.

Согласно неизменным заявлениям Stripe, после слияния обе компании по-прежнему делают одно и то же: увеличивают «интернет-ВВП».

Фактически, более года назад OpenRouter уже называл себя «Stripe в мире LLM».

Основная ценность OpenRouter

OpenRouter была одной из первых компаний, с которыми Диди познакомилась после прихода в Menlo в 2024 году. Эта компания практически полностью соответствует нашей логике инвестиций в инфраструктуру искусственного интеллекта.

В своем отчете «Корпоративный ИИ 2024 » Менло выдвинул два предположения, которые необходимо учитывать при инвестировании в OpenRouter: расходы на ИИ значительно возрастут, и разработчики будут использовать не одну модель, а несколько моделей одновременно.

Изображение: Первое электронное письмо Менло в адрес OpenRouter.

Как люди, которые также пишут код и используют эти модели на практике, мы рано поняли, что между различными моделями существуют очень существенные различия с точки зрения стоимости, задержки и производительности.

Например, при решении простой задачи обработки естественного языка, такой как распознавание сущностей в тексте, вам вовсе не обязательно использовать передовую, мощную модель, такую как Fable.

Проблема в том, что если пользователям нужно будет заходить на официальный сайт каждой компании-производителя моделей, регистрировать учетную запись, создавать ключ API, хранить его в безопасности, адаптироваться к немного отличающимся спецификациям интерфейса API каждой компании и, наконец, самостоятельно управлять всеми моделями, весь процесс станет очень громоздким.

Создание единого шлюза может показаться простым решением, но на самом деле это гораздо более сложная инфраструктурная задача, чем кажется. Мало кто действительно готов самостоятельно создавать и поддерживать такую систему в долгосрочной перспективе.

В индустрии венчурного капитала часто говорят о «защитных барьерах» и обычно в первую очередь думают о технологических препятствиях. Но OpenRouter обладает типичным для масштабных компаний защитным барьером.

Чем больше пользователей у OpenRouter, тем лучше он может прогнозировать спрос на модели и обрабатывать большие нагрузки; также проще заключать более крупные контракты с лабораториями моделирования, что обеспечивает более стабильное предложение и спрос на токены.

В конечном итоге это создает замкнутый круг: новые экспериментальные лаборатории, чтобы получить доступ к каналам распространения, также захотят в первую очередь подключаться к OpenRouter.

Мы также наблюдали еще одну тенденцию.

С ростом популярности Vibe Coding количество программных стартапов быстро увеличилось. Для продуктов, ориентированных на корпоративный рынок, чаще всего именно те, которые уже получили одобрение внутренних разработчиков компании, в конечном итоге приобретаются предприятиями.

Компании Anthropic, OpenAI, xAI, Cursor, Cognition, ElevenLabs, Lovable и Fireworks следуют этой схеме: сначала они завоевывают расположение разработчиков, а затем выходят на корпоративный рынок.

То же самое относится и к OpenRouter.

С момента наших инвестиций:

В настоящее время OpenRouter обрабатывает в 30 000 раз больше токенов, чем на момент запуска, и поддерживает ежемесячный темп роста около 33% в течение последних трех лет, удваивая объемы в среднем каждые 11 недель.

Рынок моделей также быстро расширяется. В Китае появились превосходные модели с открытым исходным кодом, такие как DeepSeek, GLM и Kimi, а также модели от таких компаний, как Grok, Meta и Thinking Machines. В настоящее время OpenRouter интегрировал более 500 моделей от более чем 80 поставщиков моделей, обслуживая около 10 миллионов пользователей.

Многие важные новые модели будут в приоритетном порядке выпущены на OpenRouter, включая модели от OpenAI, X и Meta. Марк Цукерберг, который редко пишет в Твиттере или высказывается о других продуктах, специально анонсировал выпуск Muse Spark на OpenRouter, как и Илон Маск. OpenAI также предложит эксклюзивные скидки на такие модели, как Terra и Luna, через OpenRouter.

Продуктоориентированная модель роста OpenRouter также успешно прижилась на корпоративном рынке. Цикл продаж корпоративного продукта компании является одним из самых быстрых, которые мы когда-либо видели. Предприятия могут использовать этот продукт для централизованного распределения ресурсов моделей, контроля прав доступа и управления внутренними бюджетами ИИ.

Благодаря возможности OpenRouter заключать контракты с различными поставщиками моделей на едином уровне, он может обеспечить чрезвычайно высокую доступность сервисов даже с самыми передовыми моделями.

Как OpenRouter достиг своего нынешнего положения?

Любой, кто долгое время руководит стартапом, скажет вам, что поиск соответствия продукта рынку (PMF) никогда не бывает прямым путем.

То же самое относится и к OpenRouter.

История фактически началась 5 апреля 2023 года. В то время команда выпустила расширение для Chrome под названием Window, которое позволяло пользователям одновременно звонить нескольким моделям в разных чат-приложениях в интернете.

Их первоначальная цель заключалась в том, чтобы предотвратить привязку пользователей к конкретному поставщику моделей, а также устранить необходимость передачи ключей API различным приложениям для использования разных моделей.

Дизайн этого продукта вдохновлён криптовалютными кошельками, что также связано с предыдущим опытом Алекса в создании OpenSea. В то время Windows поддерживала в общей сложности 4 модели.

24 апреля 2023 года название "OpenRouter" впервые появилось в репозитории Windows на GitHub.

Примерно через месяц они интегрировали первую партию моделей Anthropic v1, начали автоматически назначать запросы соответствующим моделям на основе подсказок, создали ныне известную таблицу лидеров моделей и стали использовать название OpenRouter.

10 августа 2023 года команда официально переименовала продукт в OpenRouter, используя слоган «Единый интерфейс для LLM».

В то время OpenRouter обрабатывал приблизительно 3 миллиарда токенов в неделю. Модель рейтинговых таблиц тогда кардинально отличалась от той, к которой мы привыкли сегодня.

Затем команда запустила Playground, который позволяет пользователям получать ответы от нескольких моделей одновременно через единый чат-интерфейс.

К ноябрю того же года OpenRouter поддерживал 52 модели, подключался к более чем 2000 приложениям и обрабатывал приблизительно 8 миллиардов токенов в неделю.

На этом этапе они наконец обнаружили ПМФ.

Будущее маршрутизации на основе моделей

Вопреки распространенному мнению, основной продукт OpenRouter заключается не просто в «помощи пользователям в маршрутизации токенов», а в том, чтобы стать самым удобным в использовании шлюзом на основе искусственного интеллекта.

В OpenRouter есть функция автоматического выбора модели, но большинство разработчиков используют OpenRouter в основном для доступа к различным моделям через единую точку входа, а затем сами решают, как маршрутизировать маршруты для этих моделей в соответствии со своими потребностями.

В последнее время стремительный рост корпоративных расходов на программы магистратуры в области прикладных наук стал реальной проблемой для таких компаний, как Uber, Coinbase и Microsoft.

Таким образом, "модель маршрутизатора" звучит очень привлекательно как решение для снижения затрат.

Поскольку ИИ-агент разбивает задачу на множество различных подзадач, зачем использовать самую дорогую модель для каждой задачи? Простые задачи можно решить с помощью моделей с меньшей стоимостью.

В последние несколько недель, кажется, вся отрасль внезапно и одновременно осознала это. От Ramp до Cursor более 10 компаний выпустили собственные модели маршрутизаторов.

Однако проблема в том, что выбор модели, основанный исключительно на самом запросе, не является особенно эффективным методом.

В сценарии с использованием агентов выполнение задачи может занять очень много времени. Для определения того, какая модель должна обрабатывать конкретный запрос, необходимо понимать значительный объем контекста.

Например, простая команда: "Найти этот файл в репозитории кода."

Для этого может потребоваться лишь недорогая и простая модель LLM, а может быть, придётся использовать передовую модель. Всё зависит от размера кодовой базы и контекста, созданного в ходе выполнения предыдущих задач.

В многоэтапных задачах с участием агентов, если маршрутизатор на каком-либо этапе выбирает неправильную модель, стоимость этой ошибки будет продолжать увеличиваться на последующих этапах, в конечном итоге приводя к значительному снижению общего качества результатов задачи.

Таким образом, основой действительно уникального продукта для маршрутизации по моделям является не простой «алгоритм выбора модели», а превосходный унифицированный API и достаточно большая реальная база пользователей.

Именно благодаря этим пользователям OpenRouter постепенно накопил чрезвычайно большой набор данных, практически незамеченный внешним миром. Этот набор данных включает в себя информацию о том, какие запросы отправляли пользователи, какие модели в конечном итоге использовались в этих запросах, какие контексты применялись во время выполнения задач и какие результаты были достигнуты.

Здесь маршрутизация моделей действительно имеет значение.

В реальных производственных условиях OpenRouter может помочь предприятиям контролировать затраты, поддерживая максимально возможную производительность за счет более рациональной модели маршрутизации.

В будущем разработчикам не потребуется самостоятельно создавать сложные системы оценки, а также постоянно модифицировать Prompt для разных моделей.

Возможно, вам достаточно просто войти в административную панель и увидеть сообщение примерно такого содержания: «Часть вашего кода используется в основном для суммирования. Переход с GPT 5.6 Sol на Muse Spark может сэкономить вам 100 000 долларов в год. Мы автоматически выполнили необходимые для вас вычисления».

Это и есть настоящее будущее маршрутизации моделей.

От платежной инфраструктуры до инфраструктуры искусственного интеллекта.

Stripe и OpenRouter прошли очень похожий путь развития. Обе компании сначала завоевали доверие разработчиков, а затем постепенно вышли на рынок крупных предприятий. Язык их продуктов также очень прост и понятен.

Андрей Карпати однажды назвал OpenRouter «переключателем» для ИИ. Stripe делает нечто подобное: он сам стал таким «переключателем» в системе обработки платежей.

Это приобретение — одна из первых крупных сделок в секторе инфраструктуры эпохи искусственного интеллекта, и она не будет последней. Инфраструктура для управления моделями, затратами и вычислительными мощностями постепенно формируется. Эта инфраструктура позволяет создавать новое поколение гигантских компаний быстрее, чем когда-либо прежде.