오픈소스 모델이 클로즈드 소스에 근접할 때, AI 세계의 라우터는 누가 될까?
작성자: Haina
Kimi K3 출시 이틀 만에 OpenRouter 일일 순위 TOP 10 에 진입했으며, 당일 호출량은 약 1,420 억 token 에 달했습니다. GLM-5.2, Nemotron 및 DeepSeek 의 사용량 또한 일부 Claude Opus 모델을 초과했습니다. 오픈 가중치 모델은 이미 주류 API 호출 에 진입했습니다.
K3 의 인기 는 또 다른 문제 를 드러냈 습니다. 출시 초기 에는 Moonshot 하나 만 provider 로 존재 했기 때문에, OpenRouter 는 곧 상류 용량 부족 으로 인해 요청 이 자주 429 에 직면 할 수 있음 을 경고 했 습니다. 모델 가중치 를 개방 했다고 해서 시장 이 즉시 이를 안정적 으로 실행 할 충분한 GPU 를 보유 하게 되는 것은 아닙니다.
지난 2 년 간 시장 은 새 모델 이 OpenAI 와 Anthropic 을 초과 했는지 여부 에 가장 관심 을 가졌 습니다. 실제 적용 에 진입 한 후 개발자 가 답변 해야 할 질문 은 더 많아졌 습니다. 정보 추출 은 저렴한 모델 에 맡기고, 복잡한 판단 은 frontier model 을 호출 하며, 중국어 자료 는 GLM, Kimi 또는 Qwen 이 더 적합 할 수 있습니다. 모델 을 선택 한 후 에는 다른 provider 의 가격, 속도, cache 및 안정성 을 비교 해야 합니다. 모델 선택 은 분기 별 구매 결정 에서 작업 수준 변수 로 변했습니다.
OpenRouter 는 그 중 가장 직접적인 층위 를 먼저 해결 했 습니다. 개발자 가 하나의 key 로 400 개 이상 의 모델 과 70 여 개 의 provider 에 접근 할 수 있게 했습니다. 새 모델 출시 후 빠른 테스트 가 가능 해졌으며, 동일 모델 이 여러 provider 를 보유 할 경우 가격 과 속도 를 비교 할 수 있고, 한 곳 에 장애 가 발생 시 전환 할 수 있습니다. OpenRouter 는 GPU 를凭空 으로 증가 시킬 수 는 없지만, 트래픽 이 여전히 용량 이 있는 공급처 를 찾도록 도울 수 있습니다.
이러한 게이트웨이 는 이미 전략적 구매자 의 관심 을 끌고 있습니다. The Information 은 최근 OpenRouter 가 대형 기술 회사 에 매각 되는 것 을 논의 중이며, 잠재 거래 평가액 이 수십억 달러 에 달한다고 보도 했 습니다. 회사 는 약 13 억 달러 평가액 으로 1.13 억 달러 B 라운드 펀딩 을 완료 했습니다.
수요 는 이미 입증 되었습니다. 더 생각 해 볼 가치 가 있는 것은 Vercel, Cloudflare, 클라우드 제공업체 및 오픈소스 gateway 모두 모델 인터페이스 를 통일 할 수 있는 데, OpenRouter 가 어느 층위 의 가치 를 지킬 수 있느냐 는 점 입니다.
- 미래 에 누가 매번 모델 호출 의 할당 권 을 장악 할 것인가?
- Model Routing 의 가치 는 어느 층위 에 축적 될 것인가?
- OpenRouter 는 기본 진입점 에서 더 높은 가치 의 orchestration 으로 이동 하면서 중립성 을 지킬 수 있는가?
600 달러 의 시작점
2023 년 3 월, 막 OpenSea 일상 관리 를 떠난 Alex Atallah 가 컴퓨터 에서 Stanford Alpaca 를 실행 했 습니다. 이는 당시 가장 강력한 모델 은 아니었지만, 모델 청구서 는 그 를 놀라게 했 습니다. 스탠포드 팀 은 GPT-3 로 합성 데이터 를 생성 한 후 Meta 의 Llama 를 미세 조정 했으며, 전체 과정 에 약 600 달러 만 소요 되었습니다.
이 청구서 는 그 의 winner-take-all 에 대한 판단 을 바꾸었 습니다. 모델 생산 진입 장벽 이 계속 하락 하며, 미래 에는 서너 개 의 모델 이 아닌 수천 수만 개 의 모델 이 등장 할 수 있습니다. 개발자 는随之 모델 을 발견 하고 능력 을 비교 하며, 동일 가중치 그룹 에 대해 추론 공급업체 를 선택 해야 합니다.
그 는 먼저 Window AI 라는 오픈소스 Chrome 확장 프로그램 을 만들어 사용자 가 선택 한 모델 을 웹 애플리케이션 으로 가져올 수 있게 했 습니다. 몇 달 후 OpenRouter 가 출시 되었습니다. 이는 분산 된 다양한 실험실 과 클라우드 제공업체 의 모델 을 OpenAI 호환 API 로 통합 했 습니다. 개발자 는 주소 하나 를 바꾸고 모델 이름 한 줄 을 수정 하면 다른 모델 을 호출 할 수 있습니다.
3 년 후, 이 '모델 애그리게이터'처럼 들리는 제품 은 유니콘 이 되었습니다. 2026 년 5 월, OpenRouter 는 Alphabet 산하 성장 펀드 CapitalG 가 주도 하고 NVentures, ServiceNow Ventures, Snowflake Ventures, Databricks Ventures 등이 참여 한 1.13 억 달러 B 라운드 펀딩 완료 를 발표 했 습니다. 미디어 는知情人士 를 인용해 post-money 평가액 이 약 13 억 달러 라고 보도 했 습니다.
성장은 이미 입증되었습니다. 더 어려운 질문은 이제 막 시작됩니다. 모든 클라우드 제공업체, 개발 프레임워크 및 오픈소스 프로젝트가 gateway 를 만들 수 있을 때, OpenRouter 는 어느 층위 의 가치 를 지킬 수 있을까요?
Router 란 무엇인가: 그것은 매일 두 번의 선택만 할 뿐이다
기업을 위해 고객 실사를 수행하는 AI Agent 를 상상해 보십시오. 먼저 수십 페이지 의 자료 를 읽고 회사 및 인물 정보 를 추출 해야 합니다. 이 단계 는 구조 가 명확 하고 오류 허용도 가 높아 저렴 하고 빠른 모델 에 맡길 수 있습니다. 다음 으로 거래 위험 을 판단 하고 상호 모순 되는 증거 를查找 하여 결론 을 작성 해야 하는데, 이 단계 는 오류 비용 이 높아 더 강력한 frontier model 호출 이 적합 합니다.
이것이 첫 번째 선택입니다: 이 작업은 어떤 모델에 맡겨야 할까요?
Agent 가 DeepSeek 사용 을 결정 했다고 가정 해 봅시다. 새로운 문제 가又来了.谁来运行这组模型权重？모델原厂, Baseten, Together, DigitalOcean 또는 기타 추론 서비스 제공업체 모두 동일 모델 을 제공 할 수 있지만, 가격, 속도, 정상 가동 시간, 컨텍스트 길이 및 양자화 방식 이 완전히 동일 하지 는 않습니다.
이것이 두 번째 선택입니다: 동일한 모델은 어떤 provider 에 맡겨야 할까요?
일상적인 논의에서는 이 두 가지 선택을 모두 model routing 이라고 부릅니다.但它们依赖的信号、竞争对手和商业价值却完全不同.생산 환경 으로 더 들어가면 두 개의 층위 가 더 추가 됩니다. 요청 실패 후 어떻게 재시도 할 것인지, prompt cache 를 어떻게 유지 할 것인지, tool call 과 예산 을 어떻게 통제 할 것인지; 그리고 누가 어떤 모델 을 호출 할 수 있는지, 데이터 가 기록 될 수 있는지, 감사 및 지역 규정 준수 를 어떻게 만족 시킬 것인지 입니다.
따라서 model routing 은 네 개의 시장이 하나의 API 를 공유하는 것입니다:
- Model selection: 작업에 따라 모델을 선택하며, 목표는 품질과 비용의 최적 조합입니다.
- Provider routing: 동일 모델의 다양한 공급업체 간에 선택하며, 목표는 가격, 속도 및 uptime 입니다.
- Execution control: 재시도, fallback, cache, tool call, 예산 및 장기간 작업 상태를 관리하며, 목표는 Agent 가 실제로 작업을 완료하게 하는 것입니다.
- Enterprise governance: 신원, 권한, 데이터 정책, 감사 및 구매를 관리하며, 목표는 모델이 생산 핵심에 진입할 수 있게 하는 것입니다.
OpenRouter 의 현재 강점은 모델 구매 진입점과 provider routing 입니다. 이는 분산 된 공급 을 집계 하고 실시간 가격, 성능, 데이터 정책 및 통일 된 결제 를 제공 합니다. 회사 는 자동 model selection 및 orchestration 으로 확장 하고 있으며, execution control 및 enterprise governance 는 여전히 애플리케이션, 클라우드 및 데이터 플랫폼 에 더 가까운 경쟁자 가 있습니다.
오픈소스 모델의 양날의 검: 수요는 증가하지만 수익이 반드시 비례하여 좋아지지는 않는다
OpenRouter 와 a16z 는 2025 년 11 월 까지 주로 롤링 13 개월 을 커버 한 약 100 조 token 플랫폼 트래픽 을 분석 했 습니다. 관찰 기간 말 에 오픈 가중치 모델 은 약 3 분 의 1 을 차지 했으며, 중국 오픈소스 모델 의 주간 점유율 은 1.2% 에서 30% 가까이 까지 상승 했지만, 단일 오픈소스 모델 이 장기적 으로 오픈 가중치 token 의 약 20%~25% 를 초과 하여 점유 한 사례 는 없었습니다.
2026 년 의 변화 는 더 빠릅니다. OpenRouter 가 1 월 부터 6 월 까지 약 450 조 token 을 분석 한 결과, DeepSeek 의 점유율 은 약 9% 에서 18% 로 상승 했으며, 중국 모델 의 token 점유율 은 6 월 초 에 이미 미국 모델 을 초과 했 습니다. 또한 DeepSeek V4 의新增 트래픽 은 주로 초기 roleplay 트래픽 이 아닌 Agent 작업 부하 에서 비롯 되었습니다. 오픈 모델 은 '저렴한 대체제'에서 coding 및 Agent 생산 환경 으로 진입 했습니다.
이는 지속적으로 순환하는 후보 풀이지 새로운 단일 승자가 아닙니다. GLM, Kimi, DeepSeek, Qwen, MiniMax 및 수직 모델 이 번갈아 가며 선도 하며, 발견, 평가, 접속 및 provider routing 에 대한 수요 는 공급 의 분산 화 에 따라 증가 합니다.
Token 양 이 동일한 품질 의 수익 을 의미 하는 것은 아닙니다. 약 52% 의 오픈소스 token 은 roleplay 에서 비롯 되었으며, programming 은 15%~20% 를 차지 합니다. 중국 오픈소스 모델 의 programming 및 technology占比 는 약 39% 입니다. 이러한 작업 부하 는 호출 빈도 가 높고 대체 선택지 가 많으며 단위 비용 에 더 민감 합니다. 오픈소스 가 저렴 할수록 token 은 더 많아질 수 있지만, GMV 및 플랫폼 수수료 는 반드시 같은 속도 로 성장 하지 는 않습니다.
동일한 오픈소스 가중치 는 십여 개의 추론 제공업체 에 의해 배포 될 수 있으므로, 속도, cache, 양자화 및 데이터 정책 의 차이 가 더 중요 해지며, 이는 OpenRouter 의 가장 강력한 provider routing 에 더 가깝습니다. 결론 은 양날 의 검 입니다. 오픈소스 가 성공 할수록 routing 은 더 필요 해지며, 오픈소스 가 저렴 할수록 router 가 token 당 남길 수 있는 돈 은 더 적어질 수 있습니다.
구매 네트워크: OpenRouter 가 판매하는 것은 먼저 access 와 선택권이다
단일 모델 애플리케이션 에서 개발자 가 OpenAI 또는 Anthropic 에 연결 하는 것은 어렵지 않습니다. 문제 는 모델 수 가 하나 에서 열 개 로, 공급업체 가 한 곳 에서 수십 곳 으로 늘어난 후 에 발생 합니다. 팀 은 각각 계좌 를 개설 하고 충전 해야 하며, 다른 API 형식, 한도 및 데이터 정책 을 유지 관리 해야 합니다. 모델 업데이트 시 재평가 가 필요 하며, provider 가 다운 될 경우 retry 와 fallback 을 작성 해야 하고, 재무 팀 은 여러 장 의 청구서 를 처리 해야 합니다.
OpenRouter 는 이러한 작업을 하나의 key, 하나의 청구서 및 하나의 모델 문자열 로 압축 합니다. Alex Atallah 는 이에 대한 장기적인 설명 으로 S3 가 기업 에 저장소 구매 를 제공 했다면, OpenRouter 는 intelligence 구매 장소 가 되고자 한다고 표현 했 습니다.
이것이 초기 에 AI-native 고객 부터 성장 할 수 있었던 이유 입니다. 이러한 팀 은 전통 기업 보다 일찍 다중 모델 문제 에 직면 합니다. 역할극 제품 은 다른 심사 정책 간 에 전환 해야 하며, coding agent 는 비싼 모델 로 아키텍처 판단 을 하고 저렴한 모델 로 기계적 작업 을 처리 해야 합니다. 새 모델 출시 후 제품 팀 은 새로운 구매 및 통합 주기 를 기다리는 대신 당일 에 테스트 하길 원합니다.
우리가 정리 한 2025~2026 년 고객 및 산업 인터뷰 에 따르면, OpenRouter 의 AI-native 팀 내 전형적인 연간 spend 는 10 만 달러 에서 낮은 7 자리 수 까지 다양 합니다. 이러한 고객 에게 약 5% 의 take rate 는 초기 에 일반적으로 수용 가능 한데, 인프라 엔지니어 한 명 덜 채용 하는 것 만 으로도 비용 을 충당 할 수 있기 때문 입니다. 이에 비해 규제 를 받는 대형 기업 이 OpenRouter 를 직접 사용 하는 금액 은 종종 수만 에서 50 만 달러 이내 이며, 더 많이 비핵심 트래픽 을 담당 합니다. 핵심 생산 작업 부하 는 여전히 기존 클라우드, 신원 및 준수 시스템 에 남는 경향 이 있습니다. 이를 통해 OpenRouter 의切入 순서 를 알 수 있습니다. 먼저 속도와 모델 범위 가 필요한 개발자 를 이긴 후 기업 통제 능력 을 보완 합니다.
구매 인텔리전스 에는 종종 간과 되는 공급 측 가치 도 있습니다. OpenRouter 는 애플리케이션 을 위해 모델 을 찾아줄 뿐만 아니라 모델 실험실 을 위해 실제 사용자 를 찾아줍니다. OpenAI 는 GPT-4.1 출시 전 OpenRouter 를 통해 Quasar Alpha 와 Optimus Alpha 라는 두 개의 익명 모델 로 stealth test 를 진행 한 바 있습니다. OpenRouter 는后来 이 두 모델 이 GPT-4.1 의 초기 버전 이었음 을 공개 확인 했 습니다. 모델 회사 에게는 브랜드 편향 이 없는 실제 workload, 선호도 및留存 신호 를 얻었으며, OpenRouter 에게는 새 모델首发 및 익명 테스트 가 개발자 의 '먼저 여기 와서 확인'하는 습관 을 더욱 강화 시켰 습니다.
이러한 수요 측 데이터 는 단일 클라우드 또는 단일 추론 제공업체 가 완전히 복제 하기 어렵습니다. 이는 OpenRouter 가 통일 된 인터페이스 보다 더 깊은 층위 의 자산 을 구성 합니다. 중립 배포 +跨 모델 실제 사용 데이터 + 다중 provider 결제.
2026 년 까지 OpenRouter 는 Workspaces, spend management, Guardrails, SSO, Zero Data Retention, EU region routing 및 SOC 2 Type 2 준수 를 추가 했 습니다. 이러한 업데이트 는 초기 '실험 에는 적합 하지만 조직 에는 적합 하지 않음'이라는 명확 한 단점 을 수정 했 습니다. 여전히 on-premise deployment 를 제공 하지 않으며, 공개 자료 에는 HIPAA BAA 도 없습니다. 의료, 금융 핵심 작업 부하 및 고객 VPC 내 에서 실행 해야 하는 시스템 에게 이는 여전히 해결 해야 할 문제 입니다.
누가 비용을 지불 하는가: 고객 은 비대칭 피라미드 를 보여준다
고객 군 은 비대칭 피라미드 를 보여줍니다. AI-native 회사 는 현재 GMV 엔진 이며, enterprise 는更像 상행 옵션 입니다. spend 는 의존도 와 같지 않습니다. Lovable 은 6 자리 수 지출 이 있지만 backup 만 수행 하며, NatWest 는 약 3 분 의 1 트래픽 을 제출 하고, FenxLabs 는 고가치 selection logic 을 자신 의 손 에 남깁니다.
Clado, Nomi 및 Writer 는 다양한 각도 에서 약 100 만 달러 의 졸업 라인 을 제시 합니다. 플랫폼 수수료 가 1~2 명 의 엔지니어 를 충당 할 수 있을 때, 직접 연결, 자체 호스팅 또는 자체 구축 fallback 의 경제성 이 성립 되기 시작 합니다. 고객 은 여전히 discovery,突发 용량 및 다중 provider 중복 을 위해 비용 을 지불 하겠지만, 가장 안정적이고 비싼 트래픽 은 이전 할 수 있습니다. OpenRouter 의 가장 좋은 고객이 빠르게 성장할수록, 대체하기 가장 어렵지만 반드시 가장 수익성이 높은 부분만 남길 수 있는 능력이 커집니다.
Provider Routing: 동일한 DeepSeek 는 16 가지 제품 일 수 있다
우리는 DeepSeek 를 예 로 들어 provider routing 의 가치 를 이해 해 봅시다. 2026 년 7 월 13 일, DeepSeek V4 Pro 는 OpenRouter 에서 16 개 의 provider 가 제공 했습니다. 당일 페이지 에 따르면, 입력 가격 은 약 0.44 달러/백만 token 에서 1.74 달러 까지 로 약 4 배 차이 가 났으며, 처리량 은 초당 4 token 에서 57 token 까지 로 14 배 이상 차이 가 났습니다. uptime 은 약 97% 에서 100% 가까이 까지 였습니다. 가장 저렴한 provider 는 당시 가장 높은 uptime 을 가졌으며, 가장 느린 곳 은 여전히 최저가 보다 3 배 이상 비쌌습니다.
모델 가중치 는 동일 하지만 실제 제품 경험 은 그것을 실행 하는 사람 에 따라 달라짐 을 알 수 있습니다. OpenRouter 는 기본적으로 최근 에 명확 한 장애 가 발생 한 provider 를 피하고 안정적 인 노드 중 에서 더 저렴한 옵션 을 선호 합니다. 개발자 는 처리량 또는 가격 순 으로 정렬 하고, 최고 가격 을 설정 하며, provider 를 지정 또는 제외 하고, 적합 하지 않은 양자화 버전 을 필터링 할 수 있습니다. 요청 실패 시 시스템 은 provider 를 전환 할 수 있으며, 제로 출력 을 반환 하는 실패 요청 은收费 되지 않습니다.
장기간 실행 되는 Agent 에게 이 층위 의 능력 은 Chatbot 보다 더 중요 합니다. 대화 한 번 이 실패 하면 사용자 는 다시 질문 할 수 있지만, 이미 10 분 동안 실행 되어 여러 도구 를 호출 한 Agent 가 중간 에 끊기면 추가 재시도 비용, cache miss, 지연 및未完成 도구 호출 이 발생 합니다.
공개 커뮤니티 신호 도 Provider routing 의 중요성 을 보여줍니다. 최근 몇 달 간 OpenRouter 사용자 가 가장 집중적으로 논의 한 문제는 대략 몇 가지 유형으로 나뉩니다.
이러한 failure-mode signal 은 제품 법칙 을 드러냅니다. router 가 창출 하는 가치 는 사용자 를 위해 차이 를 관리 하는 데서 나옵니다. 사용자가 안정성 을 위해 provider 를 고정 하면 router 의 가치 는 부분적으로 통일 된 결제 및 인터페이스 로 퇴화 됩니다.
Execution Control: 가장 가치 있는 Routing 이 반드시 OpenRouter 에 속하는 것은 아니다
Provider routing 은 가격, 지연 시간, uptime 및 일부 도구 호출 품질 을 볼 수 있지만 일반적으로 작업 이 최종적으로 완료 되었는지 는 볼 수 없습니다. 예를 들어 코드 가 테스트 를 통과 했는지, 판매 이메일 이 답변 을 받았는지, 고객 서비스 Agent 가 실제로 티켓 을 해결 했는지, 금융 분석 이 핵심 위험 을 놓쳤는지 등 비즈니스 결과 에 가장 가까운 이러한 피드백 은 종종 애플리케이션, Agent harness 또는 기업 워크플로우 에 남습니다.
이는 model selection 의 정보 격차 를 구성 합니다.
2026 년 6 월 발표 된 논문 _Agent-as-a-Router_ 는 이 문제 에 대해 매우 시사점 있는 실험 을 제공 했습니다. 연구자 는 약 1 만 개의 coding task, 8 개 의 frontier LLM 에서 동적 routing 을 테스트 했 습니다. 일반 router 에 작업 차원 별 통계 역사 성능 정보 만 추가 해도 15.3% 의 상대적 향상 이 가져왔습니다.さらに 실행 결과 를 Context → Action → Feedback → Context 의 루프 에 되돌리면, router 는 배포 과정 에서 지속적 으로 학습 할 수 있습니다. 이 coding benchmark 그룹 에서 결과 는 하나의 판단 을 지지 합니다. 작업 결과 가 검증 될 수 있을 때, 역사 표현 및 실행 피드백 을 추가 하는 것 이 단순히 routing 알고리즘 을 변경 하는 것 보다 더 큰 향상 을 가져올 수 있습니다. 이 결론 이 고객 서비스, 금융 및 복잡한 Agent 워크플로우 로 확장 될 수 있는지 는 더 많은 생산 데이터 검증 이 필요 합니다.
OpenRouter 도 이 방향 으로 일부 노력 을 하고 있습니다. 2025 년 부터 전체 플랫폼 tool call 이 호출 측 schema 를 준수 하는지 확인 했으며, 2026 년 3 월 출시 된 Auto Exacto 는 throughput, tool-call telemetry 및 benchmark score 를 결합 하여 약 5 분마다 provider 를 재평가 하며, 단순 가격 가중 에서 quality-aware routing 으로 이동 했 습니다. 하지만 schema 정확성 은 도구 호출 이 '형식적으로 실행 가능'함을 의미 할 뿐 작업 이 올바르게 수행 되었음을 의미 하지 는 않습니다. 가장 완전 한 실행 피드백 은 여전히 결과 에 가장 가까운 곳 에 있습니다.
이는 4 개 층위 routing 의 이익 풀 이 자연스럽게 분류 되게 할 것입니다:
- 모델 선택 의 가치 는 애플리케이션 및 Agent runtime 에 더 가깝습니다.它们掌握任务、上下文、测试、用户行为和最终结果，可以针对自己的工作负载学习。
- provider routing 의 가치 는 중립 네트워크 에 더 가깝습니다. OpenRouter 는 공급 을 집계 하고 실시간 으로 가격 과 안정성 을 관찰 하며, 고객 間 에 규모 데이터 를 형성 합니다. 단일 애플리케이션 은 동일한广度 를 복제 하기 어렵습니다.
• execution control 는 gateway 와 harness 사이 에서 경쟁 할 것입니다. retry, fallback 및 결제 는 gateway 에 적합 하며, 장기간 작업 상태, 도구 권한 및 verifier 는 Agent runtime 에 더 가깝습니다.
- enterprise governance 는 기존 control plane 에 더 가깝습니다. 신원, 데이터 카탈로그, 감사, DLP 및 구매 는 이미 AWS, Azure, Google Cloud, Cloudflare, Databricks, Snowflake 또는 기업 API 관리 시스템 에 존재 합니다. 모델 은 새로운 통제 자원 일 뿐입니다.
따라서 OpenRouter 가 직면 한 핵심 경쟁 은 고객 진입점 또는 결과 에 더 가까운 플랫폼 입니다.
경쟁 지도: 누가 control point 에 더 가까운가?
OpenRouter 는 개발자 가 적극적으로 외부 중간 층 을 추가 해야 합니다. 애플리케이션 은 먼저 요청 을 OpenRouter 로 보내고, OpenRouter 가 모델 과 provider 를 선택 합니다.
Vercel, Cloudflare 및 LiteLLM 의 강점 은 서로 다른 위치 에서 나옵니다. 다른 경쟁자 는 다른 control point 에 가깝습니다. Vercel 은 애플리케이션 코드 에, Cloudflare 는 네트워크 요청 및 보안 정책 에, AWS 및 Databricks 는 기업 신원 및 데이터 에, Agent runtime 은 최종 작업 결과 에 가깝습니다. OpenRouter 가 가까운 것은 가장 분산 된 모델 및 provider 공급 입니다.
이것이 앞서 말한 "졸업 문제"입니다. 고객이 규모화 된 후 안정적이고 고빈도 트래픽 을 직접 연결 또는 자체 구축 으로 이전 하고, discovery, fallback 및 burst capacity 만 유지 할 수 있습니다.
OpenRouter 의 구조적 방어선 도 따라서 더 명확 합니다. 그것은 중립 을 유지 해야 합니다. 단일 추론 제공업체 는 동시에 GPT, Claude, Gemini 및 모든 오픈소스 모델 을 배포 할 수 없습니다. 단일 클라우드 도 고객 이 경쟁 클라우드 및 경쟁 모델 에 동일한 우선순위 를 지속해서 부여 할 것이라고 믿게 하기 어렵습니다. 중립성 은 OpenRouter 를 모델 시장의 교환 층 처럼 만들며, 잠재적 전략적 구매자 의 범위 를 좁힙니다. 특정 모델 회사 또는 클라우드 에 인수 되는 것은 오히려 네트워크 가치 를 훼손 할 수 있습니다.
이는 OpenRouter 의 고객 구조 에 영향을 미칠 것입니다. 트래픽 이 적을 때 5% 정도의 플랫폼 수수료 는 편의 구매 일 뿐입니다. 팀 은 각각 계좌 를 개설 하고 잔액 을 관리 하며 fallback 을 작성 할 필요 없이 새 모델 을 빠르게 테스트 할 수 있습니다. 추론 지출 이 백만 달러 수준 에 가까워지면 플랫폼 수수료, cache 손실, provider 직접 계약 할인 및 지연 차이 가 모두 가시적인 비용 항목 이 되며, AI-native 팀 은 트래픽 할당 을 재평가 하기 시작 합니다. 일반적인 상황 은 팀 이 안정적이고 고빈도 의 생산 트래픽 을 provider 에 직접 연결 하면서, 동시에 OpenRouter 를 새 모델 discovery, 장애 fallback 및突发 용량 으로 계속 사용 하는 것입니다.
OpenRouter 의 졸업 문제: 가장 좋은 고객이 빠르게 성장할수록 주 트래픽 을 플랫폼 에서 이전 하고, 가장 분산 되고 가장 변동성이 큰 트래픽 만 OpenRouter 에 남길 가능성이 높습니다. 이는 OpenRouter 비즈니스 모델 의 도전 입니다. OpenRouter 는 고객 규모화 후 에도 고가치 생산 트래픽 을 계속 유지 할 수 있는지, 아니면 단순히 백업 채널 로만 남게 될 것인지 입니다.
OpenRouter 는 위로 올라가고 있다
Atallah 는 초기 인터뷰 에서 OpenRouter 가 초기 에 생산 고객 을 위해跨 모델 자동 선택 을 하지 않았다고 명확히 설명 했습니다. 개발자 는 모델 통제 권 을 유지 하길 원했고, 다른 모델 의 행동 차이 는 예측 하기 어려웠기 때문 입니다. 회사 는 먼저 더 관찰 가능 하고 네트워크 효과 를 구축 하기 쉬운 provider routing 을 깊이 있게 만들었 습니다.
2026 년 6 월 연속 발표 된 Advisor, Subagent 및 Fusion 은 회사 가 다시 더 높은 층위 로 진입 하고 있음 을 보여줍니다. Advisor 는 저렴한 모델 이 생성 과정 에서 어려움 에 직면 했을 때 임시 로 더 강력한 모델 에 문의 할 수 있게 하며, Subagent 는 frontier model 이 요약, 추출, 형식 변환 등 기계적 작업 을 더 저렴한 worker 에 위임 할 수 있게 합니다. Fusion 은 여러 모델 이 병렬 로 답변 하게 한 후 judge 가 결과 를 융합 합니다.
它们共同改变了调用单位.과거 에는 사용자 가 먼저 모델 하나 를 선택 한 후 전체 작업 을 그것 에 맡겼지만, 이제 한 번 의 작업 은 내부 에서 여러 번 의 모델 분업 이 발생 할 수 있습니다. OpenRouter 는 사용자 가 특정 모델 을 구매 하는 것 을 도와주는 것 에서, 사용자 가 다른 등급 의 지능 을 조합 하는 것 을 도와주는 것 으로 이동 하고 있습니다.
Fusion 의 회사 실험 에 따르면, 100 개 의 복잡한 연구 작업 에서, 예산 모델 그룹 이 융합 된 후 점수 는 GPT-5.5 와 Claude Opus 4.8 을 초과 했 습니다. 하지만 이 결과 는 OpenRouter 자체 의 단일 benchmark 구현 에서 나온 것이며, judge 는 원 논문 과 다르고 long-horizon task 를 커버 하지 않으므로, 예산 모델 이 이미 일반적으로 frontier model 을 초과 했다고 이해 해서는 안 됩니다. 이는 더像一个 제품 신호 입니다. OpenRouter 는 이미 장기 가치 가 '요청 을 누구 에게 전달 할 것인지'뿐만 아니라 '언제 더 많은 비용 을 지불 할 가치 가 있는지, 언제 다운그레이드 할 수 있는지, 여러 모델 이 어떻게 협력 하는지'에서도 나온다는 것 을 인지 했습니다.
하지만 이 길 에도 trade off 가 있습니다. OpenRouter 의 네트워크 강점 은 중립 에서 나옵니다. 단일 모델 에 베팅 하지 않으며, 애플리케이션 이 하나의 워크플로우 를 수용 하도록 강요 하지 않습니다. 만약 위로 너무 무겁게 만든다면 고객 자신 의 Agent runtime, Vercel 등 개발 프레임워크 및 클라우드 제공업체 control plane 과 정면 경쟁 할 수 있으며, 너무 가볍게 만든다면 수수료 압박 을 받는 access layer 만 남게 될 수 있습니다.
더 현실적인 경로 는 orchestration 을 플러그인 가능한 능력 으로 만드는 것입니다. OpenRouter 는跨 모델 및 provider 의 공급广度, 품질遥测 및 결제 를 제공 하며, 애플리케이션 은 verifier 및 비즈니스 결과 를 계속 장악 합니다. 코드 테스트, 도구 실행 등 검증 가능한 시나리오 에서 OpenRouter 는 고객 자체 eval 을 읽어 해당 고객 의 routing 을 최적화 하는 데 사용 할 수 있습니다.
13 억 달러 평가액, 시장은 무엇을 사는가
OpenRouter 의 Pay-as-you-go 계획 은 현재 충전 시 5.5% 플랫폼 수수료 를 청구 하며, provider 의 모델 가격 은 목록 가격 대로 전달 됩니다. 기업 계획 은 할인 을 받을 수 있습니다. BYOK 은 다른 패키지 의 월간 한도 내 에서 플랫폼 수수료 가 면제 되며, 한도 초과 후 5% 를 청구 합니다.
회사는 감사 된 수익 을 공개 하지 않았습니다. Sacra 는 2026 년 3 월 연간 수익 이 약 5,000 만 달러 로 추정 하며, 이는 2025 년 말 약 1,900 만 달러 보다 높은 수치 입니다. 또 다른 투자자 코멘트 는 펀딩 전후 수익 이 계속 상승 할 수 있음 을 시사 했지만, 회사 확인 은 없었습니다. 따라서 우리는 5,000 만 달러 를 상대적으로 검증 가능한 앵커 로 삼고, 1 억 달러 를 상행 민감도 테스트 로 사용 합니다. 대응 13 억 달러 평가액, 연간 수익 배수 는 약 13~26 배 입니다.
OpenRouter 의 수익 등식:
플랫폼 수익 ≈ retained GMV × effective take rate + enterprise/orchestration 수익
Retained GMV 는 고가치 고객 규모화 후 얼마나 많은 생산 트래픽 이 남는지 에 달려 있습니다. effective take rate 는 기업 할인, BYOK, 자체 구축 및 경쟁자 보조금 의 영향 을 받으며, enterprise 및 orchestration 수익 은 OpenRouter 가 단순 token 추출 에서 벗어날 수 있는지 를 결정 합니다.
수익 이 주로 플랫폼 수수료 에서 나온다면, 수수료 변화 가 수익 에 미치는 영향 은 거의 선형 입니다:
Sacra 가 플랫폼 수수료를 수익으로 간주하는 추정 기준에 따르면, 그리고暫時 비거래 수익占比가 낮다고 가정하면, 5,000 만~1 억 달러 연간 수익 은 약 9 억~18 억 달러 retained GMV 에 해당 합니다. 대형 고객 할인 과 BYOK 은 암시적 GMV 를 높일 것이며, enterprise subscription 등 비거래 수익 은 이 역산 결과 를 낮출 것입니다.
기존 의 낮은 take-rate gateway 비즈니스 에 비해, 13 억 달러 평가액 은 아직 완전히 실현 되지 않은 두 개의 옵션 에 대해 일부 프리미엄 을 지불 한 것입니다:
1. OpenRouter 가 통합 진입점 에서 AI-native 애플리케이션 기본 intelligence procurement network 로 업그레이드 됩니다.它不仅连接模型，还管理 provider 의 가격, 품질, 용량, SLA, 데이터 정책 및 결제 를 관리 합니다. 고객 이 일부 안정적 트래픽 을 직접 연결 해도, OpenRouter 를 새 모델 discovery, fallback, burst capacity 및跨 provider 구매 에 사용 합니다.
2. OpenRouter 가 provider routing 에서 feedback-aware orchestration 으로 이동 합니다. Advisor, Fusion, Subagent 는 이미 한 번 의 작업 내부 에서 다른 모델 을 조합 하고 있습니다. 만약 플랫폼 이 미래 에 애플리케이션 으로 부터 테스트 결과, 작업 완료율 또는 사용자 피드백 을 되돌려 받을 수 있다면, token 추출 이 아닌 품질 향상 및 비용 절감 에 따라 수수료 를 청구 할 수 있습니다.
2031 년 을 관찰 시점 으로 삼으면, 세 가지 회사 형태 는 세 가지 평가액 결과 에 해당 합니다:
확률 가중 치 된 2031 년 평가액 은 약 34 억 달러 로, 현재 진입가 의 약 2.6 배이며, 5 년 간 약 21% 의 총 IRR 에 해당 합니다. 결과 는 양수 이지만, 수익 구조 는 충분히 균형 잡히지 않았습니다. 거의 모든 초과 수익 은 20% 의多头 시나리오 에서 나옵니다. 多头 를 제거 하면, 기준 및 空头 의 가중 가치 는 약 14 억 달러 로, 현재 평가액 과 기본적으로 근접 합니다.
25% 총 IRR 을 1 차 성장 투자 의 최소 목표 로 삼으면, 확률 가중 치 된 수용 가능 진입 평가액 은 약 11 억 달러 입니다. 30% 를 요구 하면 진입가 는 약 9 억 달러 입니다. 1 차 시장 유동성, 수익 이 여전히 제 3 자 추정 치라는 점, 그리고退出 경로 가 중립성 제약 을 받는다는 점 을 고려 할 때, 9 억~11 억 달러 가 더 안전 마진 이 있는 논의 구간 입니다. 13 억 달러 는 이미 투자자 가 '지능 구매 네트워크'에 대해 아직 검증 되지 않은 일부 옵션 가치 를 지불 하도록 요구 합니다.
결론: Routing 이 표준이 될 것이다, OpenRouter 는 얼마나 많은 이익을 남길 수 있는가?
Alex Atallah 는 Alpaca 의 600 달러 청구서 에서 모델 공급 이 곧 폭발 할 것 을 보았습니다. OpenRouter 는 지난 3 년 간 모델 과 provider 가 더 분산 될수록 중립 진입점 이 더 가치 가 있음 을 입증 했습니다. Agent 시대 에 진입 하면, 문제 는 '어떻게 모든 모델 을 호출 할 것인가'에서 '각 작업 이 어떤 모델 을 사용 해야 하는지, 어떤 provider 를 통해야 하는지, 그리고 언제 전환 이 필요한지'로 이동 합니다.
OpenRouter 는 가장 먼저 중립적인 모델 구매 네트워크 가 될 가능성이 높습니다. 기업 은 이를 통해 가격, 지연 시간, cache, 가용성 및 데이터 정책 을 비교 하고, 예산, SLA, 추론 용량 및 결제 를 통일 해서 관리 할 수 있습니다. 모델 공급 의广度 및 실시간 상태 가 이 네트워크 의 주요 가치 입니다.
이러한 능력 은 완전 한 작업 결과 데이터 에 의존 하지 않습니다. 티켓 이 최종적으로 해결 되었는지 알지 못해도, OpenRouter 는 여전히 고객 이 더 저렴 하고 안정적 인 provider 를 선택 하고, 예산 을 통제 하며, 서비스 실패 시 자동 으로 전환 하도록 도울 수 있습니다. 문제 는 이러한 가치 가 구매 효율성 및 신뢰성 에 더 가깝다는 점이며, 장기적 으로 낮은 take rate 에 해당 할 수 있다는 것 입니다.
더 높은 평가액 에는 또 다른 층위 의 증거 가 필요합니다. 고객 이 모델 선택 을 OpenRouter 에 맡기고 더 나은 선택 에 대해 비용 을 지불 할 의향 이 있는지 입니다. Auto Exacto 는 이미 throughput, 도구 호출 품질 및 benchmark 를 이용해 provider routing 을 개선 할 수 있습니다. task routing 에 필요한 결과 데이터 는 주로 애플리케이션 측 에 남습니다. 코드 테스트, 도구 실행 등 결과 검증 가능한 시나리오 에서 OpenRouter 는 고객 자체 eval 에 접속 할 수 있지만, 고객 서비스, 판매 및 복잡한 Agent 워크플로우 를 커버 하는 일반적 피드백 루프 를 구축 하는 것은 훨씬 어려울 것입니다.
이는 세 가지 다른 회사 형태 에 해당 합니다.
1. 대형 고객이 주 트래픽을 플랫폼에서 이전하고, OpenRouter 는 주로 discovery, fallback 및突发 용량 을 담당 합니다.
2. 규모 가 크고 수수료 가 점차 감소 하는 중립 구매 네트워크 가 되며, GMV 성장 이 일부 take rate 압박 을 상쇄 합니다.
3. 고객이 기업 거버넌스, 용량 보장 및 routing quality 에 대해 추가로 비용을 지불하며, 비거래 수익이 수익 질을 개선하기 시작합니다.
OpenRouter 는 전략적 인수 가치 도 있습니다. 클라우드, 데이터 또는 수평적 Agent 플랫폼 은 자체 워크플로우 데이터 를 OpenRouter 의 모델 공급 및 개발자 배포 와 결합 할 수 있습니다. 하지만 인수는 동시에 중립성을 약화시킬 것입니다.一旦 플랫폼 이 특정 생태계 에 통제 되면, 다른 provider 는 자신 의 모델 이 정렬, 가격 및 트래픽 할당 에서 차별 을 받을 것 을 우려 하며, 고객 도 호출 데이터 가 잠재적 경쟁자 에게 유출 될 것 을 우려 하여 협력 을 줄이거나 트래픽 을 이전 할 것입니다.
13 억 달러 평가액 에서 다음 으로 가장 추적 할 가치 가 있는 것은 세 가지 입니다:
1. 백만 달러 고객이 트래픽 의 일부 를 직접 연결 한 후, OpenRouter 가 얼마나 많은 생산 GMV 를 유지 할 수 있는지;
2. effective take rate 가 하락 할 때, retained GMV 가 더 빠르게 성장 할 수 있는지;
3. 기업 구독, 용량 보장 및 orchestration 이 token 소비 를 증가 시키는 것 이 아닌 독립적인 수익 을 형성 할 수 있는지.
Routing 은 다중 모델 시대의 기본 기능이 될 것입니다. Token GMV 는 OpenRouter 가 트래픽 을 집계 할 수 있음 을 입증 했습니다. 고가치 고객이 장기적 으로 생산 트래픽 을 남기고, 그것이 내린 선택 에 대해 비용 을 지불 하는지 여부 가, 그것이 최종적으로 규모 가庞大 한 낮은 수수료 네트워크 인지, 아니면 더 가치 있는 결정 층위 인지 를 결정 합니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
