OpenRouter 的亚历克斯和 AMP 的安杰尼来聊这桩买卖的前半生：一间不训练任何模型的公司，怎么从「只是一个壳」做到每天过手 10 万亿 token。1 官方口径是 400 多个模型、80 多家提供商、1,000 万开发者与公司。2 8 月 19 日 Stripe 宣布收购它，两家公司都没有披露价格。3 后半段讲的是这笔买卖真正的理由：token 正在变成钱，而钱会招来骗子。
逐段要点整理
按官方 17 段章节顺序整理，时间码为官方口径（1:20:43）。1 本期出场三人：主持 swyx（肖恩·王），嘉宾是 OpenRouter 联合创始人兼 CEO 亚历克斯·阿塔拉，以及 AMP PBC 创始人、a16z 前普通合伙人安杰尼·米达。14
00:00:00 序：市场，与「发布订阅」这个产品原则
阿塔拉 2023 年初写过一篇《把发布订阅当成产品原则》，本期从它开场。5 他把产品看成「订阅数据」与「发布数据」的交叉点：市场就是最简单的例子，供给方把产品发布成一个 SKU，消费者订阅它；而人类的消费是离散的、临时的，智能体与推理的消费者不是——它们持续消费，并且一直更换自己消费的那个 SKU。OpenRouter 因此介于普通 API 与市场之间：模型 slug、自动路由、可以订阅的各种产品 SKU。
00:02:12 Alpaca、Llama，与「多模型」这个赌注
2022 年底只有 OpenAI、Cohere 和零星的开放权重尝试。2023 年 1 月 Llama 出来，基准上超过 GPT-3，但不能聊天；斯坦福的团队用 5.2 万条指令数据微调 Llama 7B，做出 Alpaca，成本不到 600 美元，很多情况下与 ChatGPT 分不出来。6 他的判断是：如果做模型这么容易，那就第一次有了一种把数据变现的全新方式——而一旦出现能被小团队模仿的爆款，就必然需要一个市场去发现这些服务。当时最接近「LLM 的家」的是 Hugging Face，但它没有闭源模型，也不能真的跑模型、看不到谁在用。
00:06:04 Discord、开放模型，与 OpenRouter 的起源
两位在斯坦福读大二时就认识，当时都在《斯坦福评论》报社，为了开一个科技版块而碰面；后来职业上重叠最多的时期，是其中一位在 Discord 管平台、另一位在 OpenSea 的时候——当时有几十亿美元级别的 NFT 成交额跑在 Discord 上，全都来自 OpenSea。
00:14:28 为什么「只有一个模型赢」是错的赌注
他们听到的最大反对意见是：缩放定律加网络效应，最后只会有一家赢，其他人只能在边角料里争。反驳有两层：一是 LLM 不只是用户界面，而是建立全新业务的方式，一个谷歌级别的垄断会像荷兰东印度公司再乘一个天文数字；二是研发出好竞争者的经济性，比搜索时代去中心化得多。
00:17:27 为什么模型实验室总在分发上失败
支持这一判断的是另一侧的经验：Claude 的第一个 checkpoint 在内部发布前一年就训完了，而实验室对「怎么让开发者试用」几乎没有计划——Claude 1 那篇博客里只有三个开发者用例，其中两个来自创始人的朋友圈。1 训完一个 checkpoint 之后需要的是密钥管理、资源供给、端点管理、版本控制这一整套「管道」，而研究员会说那是实现细节。对比之下，OpenRouter 能对 Black Forest Labs 说「你上线那天，我们可以送一百万开发者给你」；今天它自己公布的数字是 400 多个模型、1,000 万开发者和公司、每天 10 万亿 token。2
00:23:04 「只是一个壳」：VC 为什么看错了 OpenRouter
当时的反对意见是「只是一个市场」「只是套在别人 API 上的一层壳」，有投资人一个月后就把估值提高了 10 倍。发言者的反驳是：能在生产环境里同时编排三个 API，本身就是大量工程与社区设计的成果；而「每个人都是套在某个东西上的壳」，从应用、路由一直到裸金属，壳本身不等于没有价值。
00:27:58 靠社区把 OpenRouter 拉起来
这段从 Axie Infinity 讲起：当时它是 Discord 上最大的服务器，需要一次次上调人数上限，据报道菲律宾有十分之一的人在里面。社区里用户主动分享链接，是最清晰的「有重要的事在发生」的信号；他们做社区的方法，是先去搞清楚人们在意的技术缺口——AI 早期是模型拒绝把提示词写完、也拒绝被定制。
00:36:16 加密、Midjourney，与早期生成式 AI 生态
Midjourney 是一个周末一起玩《万智牌》的朋友做的 Discord 机器人；它从上线到 1 亿美元年化收入用了不到八个月，也是 Discord 上增长最快的社区之一（以上为节目口径）。他们明确帮大卫·霍尔茨把 Midjourney 服务器做成与模型互动的主要场所，因为单机版网页留存很差——面对必须自己填满的空白画布，第一次来的用户会僵住；而在服务器里能看到别人怎么写、接着别人的提示往下玩，四张图里挑一张这个动作本身就是反馈回路。Stable Diffusion 发布之后，任何人都可以做出自己的 Midjourney，那就需要一层 API。
00:43:38 Mistral，与推理市场的诞生
2023 年 12 月 Mixtral 8x7B 发布后，托管价格掉了大约 80%（价格幅度为节目口径）。7 据他们所知，这是第一次有人认真地称一个开放权重模型为「世界上最好的模型」；而很快人们发现它更大的优势是速度——「有时候它们更快，你就以为它们更聪明」。于是出现了最早的分层：人先手动选便宜的模型，然后这件事被自动化，也就是后来的自动路由。
00:47:10 OpenRouter 与 LM Arena 的分别
LMArena 从一个伯克利的研究项目变成公司，a16z 是它种子轮的 founding investor，安杰尼·米达是它的董事。8 两者的差别不只是定位：LMArena 的商业模式围绕实验室，OpenRouter 默认看不到你的提示词与补全结果，要看得由组织主动开启。发言者还说，他在 Arena 最初五个月里担任临时 CEO（该职务表述为节目口径，本轮未在公开资料中核到）。
00:52:08 专注，与那些没走的路
专注不只是做出更好的产品，也是让世界知道你在专注什么——问题出现时人会去找最在乎它的那个牌子。Anthropic 起步时落后 OpenAI 一百亿美元，从第一天起只做一件事：「负责任地把 AI 结对程序员商业化」，为此放掉了图像与视频那些更闪亮的方向。OpenRouter 这边放弃的东西包括一个「微调即服务」的原型（给几段 YouTube 视频、把一个人说话的方式调出来）、记忆层、技能与沙箱。
00:59:34 混合模型（MOM）与模型融合
2024 年初他们上线过 MOM（Mixture of Models）：挑几个模型，最后用一个最聪明的模型把结果融合，并用一块看板展示全部中间结果。当时最好的模型遥遥领先，融合结果常常就等于最好的那个，于是他们把代码全删了。2026 年重新捡回来，是因为最强的几个模型彼此靠近了——他自己的抽查方式是：把同一份架构方案给所有模型，融合结果再交回给所有模型判断，它们都说融合更好。
01:02:44 Sonnet、OpenClaw，与爆发式增长
增长拐点大多与模型发布有关。到 2024 年 5 月，OpenRouter 的用量还集中在「优点」上，因为编程能力就是不到位；Claude 3.5 Sonnet 出来之后，编程成为真实的跃升，用量激增，随后人们开始看账单、开始找更高效但等效的模型，再过两三个月开放权重模型给出有效的第二、第三选项——这个循环他们看过好几轮。2025 年底 OpenClaw 出现，带来了一种新形态和一类新用户，它的心跳默认每 30 分钟唤醒一次模型来检查自己是否还活着，低成本的自动路由正好对上。9
01:09:03 Stripe 为什么要买 OpenRouter
OpenRouter 与 Stripe 的合作始于对抗滥用与 token 欺诈。上个月他们拦下的欺诈金额是前一个月的 10 倍（节目口径）；欺诈的类型正在多样化——盗刷信用卡、倒卖流量、被黑账号、整家公司被攻破、意外的智能体失控。他们的判断是：卖通用推理的人天然是欺诈目标，而卖具体智能任务、按任务收费、允许用户自带推理的公司会安全得多。
01:12:45 欺诈，与正在成形的 token 经济
Midjourney 的免费试用曾经被用来转卖订阅，从那以后免费试用再没回来；十次生成大概就是他们发现的激活点。发言者由此得出的判断是：token 正在成为一种流过整个互联网的价值单位，而载荷越有价值，坏人越多。在线支付从八九十年代起步、十年走到超过一万亿美元，并催生了全新的支付与风控方案；token 这边，五年内大约到 5 万亿美元、十年内到 10 万亿美元（以上均为节目口径）。
01:17:47 即将到来的智能体欺诈潮
实验室能看到的数据，只是自己在训练的智能体怎么失控，那只是全网上坏行为的一小部分。所以他判断需要一批能看到整个生态的防御者——跨模型实验室、跨部署、跨开发者——为整个 token 经济建一面盾，并且认为接下来十年做这些坏事的不只是人，还有智能体。
01:19:07 加入 Stripe 之后
OpenRouter 的品牌、产品与路线图保持不变，同一个名字、同一套产品；接下来六个月，大多数事情会和独立发展时一样，只是所有节拍都会更快。两家公司的公告也写明：交易仍需满足惯例交割条件，预计在数周内完成。23
逐句全文翻译
底稿是 Latent Space 官方 RSS 里
content:encoded 一节的完整逐字稿（524 轮、14,673 词，每轮自带时间戳与说话人姓名），专有名词、数字与议程用 Stripe 与 OpenRouter 的官方公告、斯坦福 CRFM 的 Alpaca 页、Mistral 官方发布等公开资料核对后校正。只保留中文译文，不保留英文原文，不做压缩、摘要或删减。说话人标签按本人一层保留：swyx（主持）、亚历克斯（OpenRouter 联合创始人兼 CEO）、安杰尼（AMP PBC 创始人）。官方逐字稿把两位嘉宾的姓名系统性地标反了——多处轮次里出现第三人称称呼（「亚历克斯和我当年在《斯坦福评论》认识」「正如安什所说」「亚历克斯以为那不是好的用户体验」），本轮的做法是：凡能以第一人称自指或第三人称指称确证的轮次按证据署名，其余按官方逐字稿的两位嘉宾姓名整体互换后保留；没有锚点的轮次仍可能偏一到两个回合（整集音频的声部分离本轮也试过，段边界过粗，撑不起逐轮归属）。小节标题是官方 17 段章节时间点的中译。100:00:00 序：OpenRouter、市场，与「发布订阅」这个产品原则
swyx：好，我们现在就在安杰的家里，旧金山所有的大公司都是从这里开始的。
亚历克斯：你们好。
swyx：也恭喜你们在 Cursor、Mistral 上的成绩。我都不知道还有多少别的，你手上的事太多了。
亚历克斯：事情确实很多。不过 OpenRouter 可能是我最近最兴奋的一个。
swyx：对。我们还请到了亚历克斯，这是他第一次上我们的节目，不过——
亚历克斯：谢谢你们邀请我。
swyx：你已经来过「AI 工程师」好几次了。每一次你来为社区露面我都很感激。恭喜。真是一段旅程。我回头翻你以前的文章，看到你作为一个产品人最早写下的原则之一，是「把发布订阅当成产品原则」。我想请你解释一下，你是怎么思考「世界上应该存在什么东西」的。
亚历克斯：对。那篇发布订阅的文章是 2023 年初写的，要不是我们十分钟前聊起，我都没再想过它。它讲的是可以把产品看成「订阅数据」与「发布数据」的交叉点。市场就是最简单的例子：供给方把某种产品发布成一个 SKU，而 SKU 就像一个订阅话题，消费者订阅它，想消费的时候就来消费。人类的消费方式非常离散、非常临时，很难规模化——买东西的时候注意力全在这件事上，别的时候注意力完全不在这里。而智能体、以及推理的消费者不是这样：它们在持续消费，而且一直在更换自己消费的 SKU。所以 OpenRouter 介于普通 API 体验和市场之间：我们造出「模型 slug」，我们有自动路由，有各种各样可以订阅的产品 SKU，然后你可以持续地从中获取价值、并基于这些消费者做决策。
swyx：对。这件事现在算是共识了，但在你们起步的时候还不是：模型可以被替换、可以被换掉的需求那么大，以至于人们根本不会去用各家原生的 SDK。我想问你们两位：让你们意识到「就是这件事了」的那一刻是什么？你在 EIE 做过一次关于 Alpaca 的演讲，说那是你的启发时刻之一。
00:02:12 Alpaca、Llama，与「多模型」这个赌注
亚历克斯：对。
swyx：是你的启发时刻之一。
亚历克斯：Alpaca，我可以再把那个 Alpaca 时刻讲一遍。最开头是 2022 年底，当时只有 OpenAI 一家独大。就是 OpenAI、Cohere，
swyx：对。
亚历克斯：然后是一些零星的、早期开放权重模型的尝试。
swyx：对。
亚历克斯：2023 年 1 月 Llama 出来的时候，感觉是「哇，太让人兴奋了，这是件大事」。它在一两个基准上超过了 GPT-3，但你没法跟它聊天。它不是一个有吸引力的模型，但看起来只要有人修好几个地方、在上面做一轮 RLHF，就能把它推到那一步。而 Alpaca 是我看到的第一个做到这件事的模型。做出来只花了 600 美元：斯坦福的一个团队生成了一堆合成数据，微调 Llama，做出了 Alpaca，一个十亿参数级的模型——也可能是一百三十亿参数。它太好了。我当时就在飞机上用它，很多情况下我根本分辨不出 ChatGPT 和 Alpaca 的结果。我就想，如果做模型这么容易，那么第一，我们头一次有了一种全新的「把数据变现」的方式：你可以把非常有价值的数据拿出来，用 600 美元变成一个服务；而这个成本大概还会继续降。
swyx：不好意思想问一下。你说把数据变现，最终是变成 MCP 端点那样的东西，还是变成模型的训练数据？
亚历克斯：对，是模型的训练数据。
swyx：太好了。
亚历克斯：抽象一点说就是：「嘿，我手上有一份数据。」
swyx：把它压缩进一个模型。
亚历克斯：它在我自己的产品里是讲得通的，但我也能把它重新打包成一个模型卖出去。所以这对整个经济来说是一种全新的商业模式。当然，它也提供了一种跟进前沿实验室在做什么的方式，而且是以单个开发者或小团队能够自己动手的方式。所以只要出现这样的例子——一个做得特别好的爆款应用，再加上某种可以让你用自己的风格去模仿它的框架——一个生态就会立刻冒出来，因为一家公司做的决策，和更大范围的生态能自己创造出来的各种变体之间，差距太大了。于是你就需要一个市场，去发现所有这些服务和产品。当时互联网上没有任何一个地方，可以算是 LLM 的家：看它们各自被用了多少，看是谁在用、为什么用。
swyx：最接近的应该是 Hugging Face。
亚历克斯：当时最接近的确实是 Hugging Face。
swyx：他们也就是几年前才刚开始做 Hugging。
亚历克斯：对，而且 Hugging Face 上没有闭源模型。
swyx：对。
亚历克斯：而且当时你没法真正「用它跑模型」，也没有数据告诉你谁在用。OpenRouter 和 Hugging Face 之间有一堆差别，而那些差别在我看来非常关键——尤其在我只是想搞明白 LLM、想搞明白人们为什么会去选那些不断冒出来的不同小模型的时候。
swyx：明白了。那接下来是安什。你一直都想让模型更多样，当时你已经在 Anthropic 这条路上走了几年——上一期播客我们也聊过。你是怎么认识亚历克斯的？
00:06:04 Discord、开放模型，与 OpenRouter 的起源
安杰尼：其实那次介绍是十三年前的事了。
swyx：哦。
安杰尼：但 OpenRouter 的那次握手就发生在那边，你还记得的话。
亚历克斯：对。
安杰尼：就是——亚历克斯和我认识，应该是在大二的时候，如果我没记错，是在《斯坦福评论》。
亚历克斯：没错。
安杰尼：第一次见面。
亚历克斯：我想是的，对。
安杰尼：对。
亚历克斯：对。
安杰尼：《斯坦福评论》是当年彼得·蒂尔在斯坦福创办的 libertarian 报纸。不管因为什么原因，我和亚历克斯都出现在其中一次例会上，我记得当时的主编是我们共同的朋友。莉萨真的是位很棒的主编，而主编工作的一部分就是给人分工、确保事情被做出来。我可能记错细节了，但我记得我想要——当时让我很意外的是，这份报纸居然没有一个专门的科技版块。你——
swyx：因为它本质上是政治的，对吧？
安杰尼：它主要是——
swyx：像是在讲——
安杰尼：它最初是作为一个——
亚历克斯：对。
swyx：对，讲国家和那些东西。
安杰尼：没错。
swyx：对。
安杰尼：不过——把我们带回那个时间点，你可能还记得，当时有一项正在被辩论的技术立法，叫《网络中立法案》。网络中立本质上就是一个政治概念，对吧？它讲的是对互联网宽带接入的监管。于是我们形成了一个小圈子：既懂技术，又同时在争论这项技术的政治含义。我觉得《斯坦福评论》会是一个很好的地方来写这件事。我当时在写一篇关于网络中立的文章，我记得我提议「也许我们该开一个科技版块」，而亚历克斯是仅有的几个说「好啊，那会很酷」的人之一。我忘了我们最后有没有一起写东西，但——那就是我们第一次见面。那是 2011 或 2012 年，我忘了具体哪一年，就是那几年。
亚历克斯：对。
安杰尼：如果我没记错，是在 Old Union。那是我们以前常碰面的地方。不过一路走来，我和亚历克斯有很多机会一起玩。我们职业上重叠最多的时候，大概是我在 Discord 管平台的那段时间，当时 Discord 已经变成了一个爆发的加密平台。
swyx：对。
安杰尼：疫情中间，NFT 那一波。
swyx：顺便说一句，当时安全和安保也是你负责的吧？
安杰尼：我是平台负责人，这意味着所有加密相关的东西——DAO 和 NFT 上线的安全排障，都落在我这里。
swyx：还有他们的钓鱼攻击之类。
安杰尼：钓鱼、社工攻击、还有砸到我们头上的 katana DDoS。也差不多是那个时候，我头一次在斯坦福开课讲「规模化安全」，CS 153。而亚历克斯当时在 OpenSea，我一直在想我们该怎么防住所有这些攻击。峰值的时候，我忘了具体的量——你还记得当时有多少 NFT 成交额跑过——
swyx：Discord。
安杰尼：对，Discord。当时确实是个可观的量，可以说有几十亿美元级别的 NFT GMV 跑在这个平台上，而它们全都来自 OpenSea。就是那些买、卖，
swyx：那些——
安杰尼：服务器。
swyx：DAO 里的 D 就是 Discord。
安杰尼：对。所以那是我觉得我们在职业上真正混在一起的时候。而一年之后，OpenAI 给了 Discord 早期访问 GPT 的机会。抱歉，是三，不，是五。对，五，也就是三的 RL 版本。差不多就是那时候我们和 OpenAI 一起做了一个 Discord 机器人做内部部署，而我意识到了我们会需要什么——因为我当时是部署团队的一员。
亚历克斯：用例是什么？
安杰尼：当时有两个。现在有一篇叫《Discord 是你和朋友们一起用 AI 的地方》的文章，是我写的、2023 年发的，最近还有人发给我看。两个用例，一个是 Clyde——Discord 里的一个聚会伙伴，可以帮你把服务器搭起来、跟你讲怎么上手、让你的朋友多来玩。另一个是内容审核。内容审核那件事让我们意识到的一件很重要的事是：它会拒绝审核。它直接拒绝我们的提示词，因为训练是——我们那会儿还处在训练时代的很早期——我们的提示词会触发它的护栏。我们跟 OpenAI 说：「各位，我们需要拿到权重，因为如果我们要做规模化内容审核——我们有 2.5 亿月活用户——我们需要更高的可靠性，确保模型会做我们要求它做的事。」他们说：「抱歉，各位，事情不是这么运作的。我们是一家闭源公司。」那是我第一次意识到我们需要开放模型，企业需要对能力有更多控制，最终需要某种控制平面或管理系统来编排这些开放模型。但一直没有什么好的开放替代品，直到大概——半年后 Llama 出来。再半年后，我领投了 Mistral 的 A 轮——Mistral 是纪尧姆和 Llama 团队那批人创办的。差不多就是那时候，我记得听说亚历克斯在做 OpenRouter，我心想：「这两个世界迟早会撞上，只是不知道什么时候合作才说得通。」但亚历克斯太早了，而且他能看到。我认为他对于这个生态的起点判断完全正确：从 Llama 开始，接着就需要一个容易管理的层，尤其是对企业来说。我是从企业视角切入的，因为我在 Discord 做平台副总裁，我的职责是确保当我们把模型部署给 2.5 亿用户时，它们会做我们想让它做的事。这非常难，因为如果你把它外包给实验室、由他们控制护栏，而他们的护栏就是他们的安全政策，那么它禁止模型回应你的提示词——那会相当灾难。
swyx：对。但内容审核恰恰是他们想要支持的事。而且显然，除此之外，OpenAI 应该会跟你合作、给你一个审核端点——他们免费提供这个。
安杰尼：这个用例很有意思。他们确实给了我们一个审核端点。不过你们也知道，每一个 Discord 服务器本身都像一次小型部署。所以这个用例是：与其让人类审核员去理解社区规范，你不如——通常每个 subreddit、每个 Discord 服务器，公开的那些都有自己的规则，是用户自己定的。
swyx：哦对，我们在 LinkedIn 的 Discord 服务器里也是这么干的。
安杰尼：然后人类以前是读懂这些规范，再每天手工执行，比如盯着这些社区里的每一条消息。而这些社区有上百万用户。所以我们当时在全球有一个 5,000 人以上的 Discord 内容审核团队，都是外包合同工，做着一份非常艰难的工作。所以想法就是，如果你能把那个服务器的规范交给 LLM，LLM 就能为那个服务器做定制审核——几乎像是针对那个服务器的上下文审核。而其中很多服务器的规范本身就违反了 OpenAI 的规则。所以——就像是我们有自己的定制评测。每个服务器都有自己的定制评测。但 Discord——当时 OpenAI 的评测，我们部署这些 LLM 的思路全都还非常原始。训练提示词常常写得很笨，比如「哦，任何关于哈利·波特的东西、任何带商标的内容，都拒绝」。如果那是一个哈利·波特粉丝社区——这是个真实用例——它要做内容审核，LLM 就会直接拒绝。
swyx：对。
安杰尼：那就是不够精确。
亚历克斯：我们听到的另一个例子是：如果有人想写一个侦探故事，其中有一章有很多暴力，比如可能有人——
安杰尼：对。
亚历克斯：比如有人杀了人，LLM 就会拒绝帮忙写这一部分。
安杰尼：对。
亚历克斯：然后——我们当时就在想，好吧，这显然不是 LLM 结构上固有的问题。一定存在某种选择，让我在从主力模型那里拿到拒绝或坏结果时，可以切换到另一个模型。那种张力也推动我走向一个市场。
00:14:28 为什么「只有一个模型赢」是错的赌注
swyx：对。我觉得这一点现在已经被广泛接受了。但当时你们在融资、在起步的时候是什么样子？大家看懂了吗？有哪些挣扎？我喜欢从他嘴里挖出「别的 VC 看不懂」这类故事。所以你想聊什么都行——我们就说 OpenRouter 的早期旅程已经讲完了，对吧？你当然可以讲讲早期那些事。
亚历克斯：我本来想说，我们遇到的最大反对意见是「大模型赢家通吃」，也就是说所有——
swyx：缩放定律。
亚历克斯：嗯？
swyx：缩放定律。
亚历克斯：对，就是缩放定律，加上天然的网络效应，最终都会归到一家公司身上，它会变成谷歌式的垄断——就像谷歌以巨大优势赢下搜索市场那样，最后你只能在边角料里争。那大概是我们受到的最大反对。有意思的是，谷歌当年确实以极大的优势赢下了搜索引擎这场竞赛。我想，如果当时有更有意思的评测基准，或者搜索引擎当时被看得更像 LLM——也就是那种你可以在上面建公司的服务——那也许就不是这个结果了。但 LLM 不只是一个用户界面，它们还是一种建立全新业务的方式。而谷歌级别的垄断会像荷兰东印度公司再乘上一个天文数字，因为整个经济最后都会依赖那一个垄断者。所以如果真发生了，也不见得是个荒谬的结果。而且它发生的概率也更低，因为「造出好的竞争者」这件事的经济性要去中心化得多。
安杰尼：亚历克斯说的都对。而我是完全从另一个角度看这件事的——
swyx：对，这就是我们今天坐在这里的原因。
安杰尼：在我眼里，缩放定律从来不是 OpenRouter 会很有价值的一个 bug，而是一个 feature。因为我是 Anthropic 最早的投资人之一，而且我很清楚，我那些朋友——我读研时学的是机器学习，我在机器学习圈里有很多朋友——我们都很清楚「苦涩的教训」是成立的。所以我想：「太好了，现在我们至少有两个证据点证明算力缩放有效。」就是 OpenAI 和 Anthropic。而到我记得我们决定一起做 OpenRouter 的时候，我已经投了 Mistral、Black Forest Labs 和 Luma。所以当时我在和好几家模型公司、好几个团队合作。
swyx：但你做的是别的模态，而这件事字面上是——
安杰尼：跨不同模态，对。
swyx：文本。
安杰尼：完全正确。而在我看来非常明显的是，一个由不同类型模型组成的生态正在形成；「只会有像谷歌那样一家公司主导」这套叙事——也许是成立的，但第一，我不相信；第二，有好几个不同的研究团队正在进行极其非凡的创新。而我注意到它们共同的痛点是：这些研究团队非常擅长搞清楚怎么去推理新能力——他们以能力为单位思考——但他们从来不是开发者思维导向的。比如训练结束、checkpoint 出来之后会发生什么？你会惊讶地发现，OpenAI——抱歉，是 Anthropic、BFL、Mistral——这些早期训练团队在「把研究带出实验室、把影响放大」这件事上的默认做法有多相似：通常就是「checkpoint 训好了，把它当一个 API 放出去，完事」，然后就一片死寂。以 Claude 为例，第一个 Claude 的 checkpoint 在他们内部发布之前一年就训完了。后来 ChatGPT 出来了，我们才决定，好，把 Claude 对外发布是个好主意。
00:17:27 为什么模型实验室总在分发上失败
亚历克斯：而他们完全没有任何计划——没有任何「怎么让开发者来试用」的计划。所以如果你去看 Claude 1 那篇博客，你会发现列了三个开发者用例，一个是 Discord 机器人，第二个是薇薇安——我妻子的创业公司，叫 Juny Learning——然后还有一个 Notion，因为这些都是 Anthropic 的朋友。那件事就是这么临时：模型训完了，怎么把它交给世界？当时没有任何分发平台理解开发者需要什么——密钥管理、资源供给、简单的端点管理、版本控制。所有这些科学家和研究员都会说「那是管道工程，我不太想它」。
swyx：实现细节。
安杰尼：没错。而反过来，亚历克斯恰恰是从这个角度切入的。所以在我看来非常明显：我投的每一家实验室都会花掉——有时字面上就是几十亿美元——去训练，然后 checkpoint 训完，早期访问阶段却是一片死寂，因为他们会说：「哦对，」一个 checkpoint 很难拿来做出任何东西。你需要围绕它一整套管道，才能让开发者用起来。所以——我认为——在我看来很明显：如果我们想要有人能和谷歌竞争，生态里就必须有 OpenRouter 这样的分发平台。因为——在谷歌那边，DeepMind 训完一个新 checkpoint，按一下按钮，它就被推送到他们所有界面上，从 Google Docs 到——
swyx：一切地方，哪怕我不想要。
安杰尼：一切地方。你知道 Android 那边，他们可以一夜之间把一个新 checkpoint 部署到十亿台设备上，对吧？而那种看不见的基础设施优势、分发优势，大多数人没有意识到——直到 OpenRouter 出现之前，作为一家模型实验室，所有这些都得你自己去想，而且非常吓人。在 Anthropic，我记得我们花了超过十二个月才做到第一个一千万美元收入。对比 Black Forest Labs，我记得早期，你们和 BFL 团队聊过，OpenRouter 说出来就那么简单：「没问题，你上线那天，我们可以给你送去一百万名开发者。」那太疯狂了。那几乎是一小时内实现的一次阶跃式变化。
swyx：那是真实数字吗，一百万？
安杰尼：我——
swyx：好吧，行。
安杰尼：我想今天大概是四百万。今天 OpenRouter 上有多少开发者？
亚历克斯：超过一千——
安杰尼：对。
亚历克斯：超过一千万。但这个，这个很难，你——
安杰尼：我，对，我也不知道该怎么——
亚历克斯：我们做了很多清理重复账号的工作，不过，不——
安杰尼：哪怕只能拿到一千名开发者，放在上下文里看：如果你有 1,000 名开发者在你发布模型的第一天就试用它，跑推理、给你反馈——那就是一千名
亚历克斯：那是巨大的量。
安杰尼：比他们自己知道怎么触达的开发者还多。
swyx：好吧，BFL 有声誉在，但没错。
安杰尼：他们在 Stable Diffusion 上有过。
swyx：对。
安杰尼：而 Mistral 那边，我不知道你们还记不记得，他们放出的第一个 checkpoint 是种子文件——就是 BT 权重。
swyx：对，他们就挂了一个磁力链接。
安杰尼：对，根本没有 API。
亚历克斯：对。
安杰尼：因为他们不是做基础设施的人。就像「行，把这堆权重下载下来，你们自己想办法托管吧」。
swyx：好吧，他那边也有自己的故事，对。
亚历克斯：对。除了围绕模型做出很好的开发者体验之外，我们为不同模型做的营销，和模型实验室自己做的营销完全不一样，被感知的方式也完全不一样。
安杰尼：对。
亚历克斯：完全不同于模型实验室自己做的那套营销。
安杰尼：对，百分之一千。
亚历克斯：对吧？我们就像一个中立的层，看着这个市场像一间很大的黑屋子，所有角落对用户来说完全不可见；用户走进这间屋子，到处摸索，
安杰尼：对。
亚历克斯：想搞清楚该从桌子上抓走哪些东西、装进自己的公司里。这是一种匪夷所思的工作方式。模型不是那种你可以把全部功能列在一个网页上的产品。它们全是黑箱，包括开放权重那些。所以你需要在屋子里每个角落都打上光，让人看清这个模型好在哪；而打光的那家公司必须是中立的第三方——这正是我们擅长的。所以——除了开发者体验，还有一个非常重要的营销与产品打包环节，
安杰尼：对。
亚历克斯：而一种路由与发现模型的方式，对你的市场来说就变得至关重要——无论你是提供商、模型实验室，还是服务工具，未来还会更多。
安杰尼：而这份价值，回到你刚才说的「很多 VC 就是不懂」。我最大的挫败感之一是，风险投资人里有很多在这个领域完全没有一线运营经验。传统投资人可能是一路从分析师升上来的，做的是财务建模，或者十几年没在一线真正当过操盘手——现在这个行业里这样的人占了很大一部分。而我是刚在管完平台一年之后才到 a16z 的。所以我知道打造真正的、出色的开发者体验、以及用模型做出一个能跑的软件，难在哪里。当时有好几位——我不点名——投资人看 OpenRouter，我和人对照笔记时，他们的判断就是「它只是一个市场」。
00:23:04 「只是一个壳」：VC 为什么看错了 OpenRouter
swyx：对，只是一层很薄的层，只是——
安杰尼：没错。
swyx：只是——
安杰尼：或者说是套在别人 API 上的一个壳，随便怎么说。我当时想：「你根本不知道，光是能在生产环境里编排哪怕是三个 API，OpenRouter 就已经创造了多大的战略价值。」要把这件事做成、并在 OpenRouter 团队达到的那个规模上在生产里跑起来，所需要的工程工作和社区设计，是不会自动发生的。而这是从最早的日子里，亚历克斯身上让我印象很深的一点：他从系统的角度就懂，怎么让这些飞轮转起来。我们在 Discord 做 NFT 集成时、一起和 OpenSea 合作的时候，这一点就很突出。亚历克斯对「怎么让飞轮转起来」有一套社区层面、系统层面的思考，而大多数科学家和机器学习的人根本不会想到。我们通常是以训练为单位思考的。
swyx：那是一个线性的阶段。
安杰尼：是一条线性的流水线。
swyx：还没有闭环。
安杰尼：对。直到很久之后，现代那条上下文反馈回路才真正在行业里标准化。但当时，如果你还记得，机器学习就是——我在读研的时候，大部分 ML 都是在笔记本电脑上做的。你下载一个数据集，跑几组消融实验，看看损失曲线，然后说「太好了，我做出 AI 了」。而「你必须把这些能力部署出去、收集反馈轨迹、再把它们放进一个持续的回路」这个想法，是后来才出现的。它对传统的 AI 思维方式来说非常反直觉。我记得在做 OpenRouter 那轮投资的时候，我就是没去试着教育其他 VC 为什么它不只是一个市场。我想：「管他呢，我直接投。」
亚历克斯：对。
安杰尼：我要抓住这个机会和亚历克斯合作；如果别的 VC 看不懂，那完全没关系。因为当时，在好几位投资人眼里，OpenRouter 并没有超出「一个包在 API 外面的壳」——这一点其实并不明显。而那让我非常愤怒。我想：「什么？我没时间跟你辩论。我们要投。」然后我记得大概一个月后，马特·墨菲把它 mark up 了十倍。好像是——我忘了具体金额之类的，但值得称赞的是，Menlo Ventures 意识到了「好，这里还有多得多的战略价值」。也许这些幕后对话你没都听说。但那让我非常沮丧。关于「壳」的这类议论太多了。如果你说「哦，一个应用不过是套在模型上的壳」——而 OpenRouter 就是套在别的 API 之上的壳——这是最愚蠢、最化约的框架。那显然是一个从没在规模上部署过产品的人说的话。
swyx：这是你用来否定别的什么东西的那句话。就像——每个人都是套在某个东西上的壳，对吧？而有些壳是有价值的。
安杰尼：投资人就是套在 LP 上的壳，对吧？就像风险投资人。所以，对，一路套下去，一直套到裸金属，大概还有能源。
swyx：对。我 2023 年刚做「AI 工程师」这个概念的时候，第一条反对意见就是「这没有价值，你应该直接去训练模型」。
亚历克斯：对。
swyx：对。显然，你们就是活生生的例证：既可以做出非常有价值的「壳」，也可以做出非常有价值的模型公司。
安杰尼：这太难了。一个模型上线那天，你手上就有一个 OpenRouter 端点，而且经常当天就冲上 Hacker News 榜首——人们没有意识到做到这件事要投入多少工作。而 OpenRouter 就是——这件事会一遍又一遍地发生，我记得我当时想：「人们完全不知道这有多难。」那不是——
swyx：对，我们聊过背后的一些推理工程——
安杰尼：对。
swyx：和一些——Base Ten 那类。今天你们有那些很酷的代号，人们在猜 Oxy Alpha 是什么之类的。但我想你在暗示的一件事是：最初那个飞轮是怎么转起来的？因为今天你有规模、有声誉，这些东西，所以你显然在驱动巨大的分发。但早期的时候，当大部分还是
安杰尼：靠自己启动的时候，对。
swyx：对。
安杰尼：那时候是怎么启动的？
00:27:58 靠社区把 OpenRouter 拉起来
亚历克斯：说回早期 Discord 的日子。我觉得我们最初建立联系——严格说这是个 OpenSea 的故事——我们最初认识是在你还在 Discord 的时候，我们聊到 Axie Infinity 那个服务器。
安杰尼：哦，对。对。
亚历克斯：那个服务器是当时最大的服务器，
安杰尼：对。
亚历克斯：在 Discord 上。
安杰尼：没错。
亚历克斯：而你当时一直在往上顶——
安杰尼：那个服务器的上限。我的天。
亚历克斯：顶服务器能容纳多少人的上限。
swyx：不知道的人可能不清楚，菲律宾有 10% 的人都在 Axie。
安杰尼：都在那个服务器上。那是很惊人的。
swyx：它对那个国家的 GDP 都是个可观的贡献者。
安杰尼：它是一个 NFT、一个加密游戏，但它——
swyx：有点像宝可梦的繁殖玩法。
亚历克斯：对。
安杰尼：对，类似。对。有对战，有繁殖，还有一个可以交易的 marketplace。
swyx：还有「边玩边赚」。
安杰尼：对，边玩边赚。而且画面非常可爱、有趣，你会对自己养出来的 Axie 产生感情。所以要为它启动一个社区——我们在 OpenSea 每个早期项目上都得做很多次——要给它做一个 marketplace，我们必须先确认这个社区想要它。
亚历克斯：对。
安杰尼：那就等于做出人们想要的东西，然后去告诉他们。你可以一对一地做，但在一个所有人都能同时跟你说话的社区里做，杠杆率高得多。所以我们花了大量时间去构建社区真正想要的东西。对 OpenRouter 我们也做了同样的事。Axie 社区只是我们做过的无数社区之一。而安杰看到了我们在做这件事——因为你能看到人们在那个 Discord 里不停地分享 OpenSea 链接。用户主动分享链接，是一个非常清晰的信号：有重要的事情正在发生。所以我们花了很长时间，先去搞清楚人们在意的技术缺口到底是什么——真正需要被解决的问题是什么。在 LLM 的早期，是 OpenAI 拒绝把提示词写完，或者
亚历克斯：对。
安杰尼：拒绝完成任务。还有就是——
亚历克斯：无法定制模型。所以有一些社区就卡在这个问题上，而那些社区恰恰是最值得去了解、深入和探索的。
安杰尼：当时有一件事让我印象很深——我刚听你讲的时候想起来了，你可能不记得了，但我们当时为了 OpenSea 与 Discord 的集成开了很多次冲刺的 Zoom 会议。就我、我的工程团队，你当时好像也在。我记得在其中一次会议中间，亚历克斯——当时大家都沉默着，我们都觉得「哦对，这完全说得通，就这么做」，然后每个人都对齐了。而亚历克斯说：「不，这在我看来说不通。」所有人——我记得我说：「什么？它能用啊。点一下链接，就把你弹到 OpenSea 去了。」而他说：「那不是好的用户体验。我们不该这么做。」我记得，他是我们所有人里唯一一个举手说「不」的人——从技术实现的角度它确实说得通：我们把用户弹到 OpenSea 去，于是它同时满足了两边产品经理的需求清单，打上了勾。但亚历克斯多走了一步，他说：「各位，如果更好的是：我们直接把体验嵌在 Discord 里面呢？链接打开就是一个内嵌的 iframe，用户直接在那里结账。」结果那个电话上没有一个人想到——而我们大概七个人已经一周一周地开了好几周会了。
swyx：而且是那个不为 Discord 工作的人。
安杰尼：而且是那个不为 Discord 工作的人。
swyx：从技术上说你其实是受益于用户被弹走的。
安杰尼：正是。那其实是敌对的：把用户留在 Discord 里，对 OpenSea 是敌对的。而亚历克斯还是把用户体验放在第一位。我当时想：「这很特别。」
swyx：哇。
安杰尼：因为很难找到既像亚历克斯这样技术过硬、懂开发者流程，同时又懂什么是最好的用户体验、并且愿意把它放在第一位的人。那是飞轮的两面，一旦转到一起，通常就很难停下来。你刚才让我想起来，那也是我意识到「我必须在用户体验上更强」的时刻之一，因为本该是我提出那个方案，而我没有。我从你身上学到了。我想那还进了我们 Discord 产品经理培训项目的一个案例研究。
swyx：哇。
安杰尼：我不知道是不是还在，因为——
swyx：结论就是：你需要一个亚历克斯。
安杰尼：对，你需要一个亚历克斯。所以不该有人惊讶 Stripe 为什么认定他们必须买下 OpenRouter，因为「懂机器学习社区、懂开发者体验、又懂用户体验」这种组合非常罕见。把这三样合在一起，才做出了极少数别的市场能达到的那种规模，
swyx：对。
安杰尼：在过去五年里。
swyx：对。那我们该聊聊收购的其他原因了，那些——
安杰尼：对，应该聊。
swyx：你写过的。我也想尽量按时间线往前走。零点资本的戴夫提来的一个问题里有一个是：它是什么时候真正开始跑通的？你提到了 Mixtral。不知道你想不想讲那个故事。
安杰尼：哦，对。
swyx：那显然和你那边有重叠，所以。
亚历克斯：对，那个 MoE 是——我不知道具体什么时候，并没有某一个时刻让我觉得「哦，它正式跑通了」。它是——
swyx：你有过一个 Chrome 扩展的那个时刻，很早很早。
亚历克斯：哦，对。不过，对。所以做 OpenRouter 之前，我想尝试一个「自带模型」的实验。而——
swyx：熟悉加密的人一听就懂，像 Phantom 那些东西。
亚历克斯：对。所以感觉做一个 AI 版的 MetaMask 会是个有趣的探索方式。当时几乎没有 AI 应用。当时通过 API 调用访问 LLM 的 AI 应用，大概和「只用 JavaScript 在浏览器里跑的游戏」一样多。曾经有一个时间点，网页应用完全可能通过浏览器去调用 LLM——通过某种桌面端
安杰尼：对。
亚历克斯：由用户掌控的托管型应用。当然，我想它没有发生有很多原因。但在那个还很原始的时期，我写了一个 Chrome 扩展，叫 Window AI。
swyx：用 Plasmo 做的。
亚历克斯：用 Plasmo。
swyx：我很早就见过它，当时想「谁会用它啊」。结果你用了。
亚历克斯：Plasmo 当时有几家在用，我记得 Phantom 在用，还有一些真实的公司在用。
安杰尼：它像一个垫片。
swyx：Chrome 扩展版的 React。它能编译到所有——
亚历克斯：对。
安杰尼：我明白了。
亚历克斯：就像 Chrome 扩展版的 Next.js。
swyx：Next.js，对。
安杰尼：好。
亚历克斯：然后我在它上面做出了 Window AI。Plasmo 的作者开始往 Window AI 的 GitHub 仓库提交代码，后来发现那个人就是路易斯·维基，
安杰尼：哦，你——
亚历克斯：也就是 OpenRouter 的创始人。
安杰尼：没错。你跟我说过，你们就是这么认识路易斯的。对。
亚历克斯：对。
安杰尼：好。
亚历克斯：它让用户可以配置：浏览器里某个网页该用哪个模型，然后应用在需要的时候去调用那个模型。对 LLM 来说这不是正确的形态，但是个有趣的实验。你学到很多，我把它开源了。主要的学习是：好吧，这必须是一个 API，而且看起来得更像——这里必须有更多的开发者体验，也要有更多的发现体验。因为我不知道该上哪儿去用这些模型，一个小小的 Chrome 扩展没法帮我发现。它的面积不够。我需要更多空间，需要视觉，需要图表，需要示例，需要图片——我需要能像一个人类、也像一个智能体那样去探索。
安杰尼：对。
亚历克斯：所以 OpenRouter 就是这么来的。
安杰尼：还有一个更元一点的看法。
00:36:16 加密、Midjourney，与早期生成式 AI 生态
安杰尼：我想有一点被低估了，而亚历克斯让我想起来了：我们当时很幸运，因为在那些日子里我们就紧挨着加密社区。回头看，加密最后变成了生成式模型的一场彩排，对吧？你想想 Axie 那段经历，亚历克斯完全说对了，当时并没有那么多 AI 应用。而我的工作是 Discord 的平台负责人——这意味着要成为一个通用场所，让社区和朋友们创造、让开发者做出可以部署在 Discord 各处的应用、机器人和其他服务。当时 80% 的注意力都花在加密上，因为 NFT 的量全在那里；但我大概有 20% 的时间花在一个朋友身上，他会拉着我玩，找我要东西。我们周末会玩《万智牌》，而他当时在做一个小 Discord 机器人：把文本输入变成一个图像，它叫 Midjourney。你
swyx：是大卫吗？
安杰尼：是大卫·霍尔茨。他是我的好朋友。在那之前，我和大卫都是失败的 AR/VR 创业者。我记得，Midjourney 是我们在 Axie Infinity 开始衰退之后增长最快的社区之一。而我们为了把 Axie 做起来所做的许多抽象和基础设施决策，恰好赶上了，因为——Axie 冲到顶，然后断崖式下跌。然后 Midjourney 起飞的时候，我们明确决定帮大卫把 Midjourney 服务器做成与模型互动的主要场所，因为如果人们看不到别人怎么用、没法照抄，就很难理解该怎么用这个模型。所以单机版的 Midjourney 网页应用——就是 midjourney.com——留存很糟：人们来了，看到的是一个空输入框，像 E2 一样，然后输入「猫」或者「狗」。面对一块必须自己填满的空白画布，他们会僵住，因为他们以前从没用过 AI 模型。但在一个 Discord 服务器里，你能看到别人在用，可以接着别人的提示词往下玩，参与度爆表。所以把 Midjourney 从零做到月活一千万，比 Axie Infinity 顺畅得多。所以，
swyx：别忘了四张图里选最好那张——
安杰尼：最好那张，对，然后另外——
swyx：那才是反馈回路。
安杰尼：那个 RLHF 反馈回路。顺便说一句，汤姆·布朗、大卫和我周末一起玩《万智牌》。所以那是一群朋友凑在一起，这些概念一直在被讨论。不过——我觉得我们当中很少有人同时连接了加密世界和 AI 世界。相比加密——那里永远要问的问题是「这项技术的用例是什么」——对 AI 从来不需要问这个，因为用例太直观了：我现在可以创造任何我能想象的东西，我可以写小说、可以写代码。于是我们这些相信分布式系统、相信加密「抗审查」那部分价值的人，发现了一个爆发的用例。我想在 Midjourney、Claude 作为一个 Discord 机器人上线（我们内部把它当 LLM 用）、以及 ElevenLabs 的 TTS 模型也放在 Discord 上之间——Discord 成了早期应用创新的培养皿。我觉得它们先在 Discord 找到家、之后 OpenRouter 才给世界一个公共的店面，这不是巧合。Discord 就是那个几乎像培养皿一样的店面，它搭在我们为加密社区建好的基础设施上。然后我觉得亚历克斯是最早意识到「等等，这些应用需要在互联网上有一个自己的家」的人之一。而对我来说，OpenRouter 就是这个社区需求的延续。当然，还有你为这些开发者开启的那种惊人的分发。
swyx：那我的问题是，为什么你——我的感觉是 OpenRouter 并没有那么以 Discord 为中心，对吧？你们有 Discord，
亚历克斯：对。
swyx：你们用它和社区互动，但它不像 Midjourney 那样——那样，不，那几乎是人们体验 OpenRouter 的主要方式。
亚历克斯：对，Midjourney 那种，能让人很快用视觉看到别人怎么用这个模型、该怎么给它提示，确实很有帮助。
swyx：对。
亚历克斯：我觉得这也是那个服务器为什么那么关键的部分原因——它本身就是用户体验，它加分太多了。
swyx：对。
亚历克斯：而且你可以全程只在 Midjourney 的 Discord 服务器里提示、拿到图、再分享、玩得很开心。而对 OpenRouter、对 LLM 来说，你需要围绕 LLM 做大量的用户体验，才能让它们真正可用。
swyx：收费点。
亚历克斯：对。而且看别人的示例也没那么有用，因为要读的东西太多，花时间很长。
swyx：对。
亚历克斯：你需要基于……的集成。在 Discord 服务器里做不到。你需要——或者技术上——是能做到的，我不该那么说。只是开发者体验不好。你需要——到你有这种集成的那一步，你就需要对能访问它的 LLM 做治理、数据政策、哪些团队能用。所有这些都不是一个 Discord 服务器能提供的。所以它只是
swyx：对。
亚历克斯：它不是一个合适的——
安杰尼：另外，你没说错，但还有一个非常重要的区别：Midjourney 是一个终端用户应用。
swyx：对。
安杰尼：所以拥有 2.5 亿月活终端消费者的 Discord，来承载那种应用体验是说得通的。我知道在 Midjourney 找到爆发式产品市场契合之后不久会发生什么，因为——我记得 Midjourney 从上线到 1 亿美元年化收入，用了不到八个月。不久之后 Stable Diffusion 就发布了。而我们所有人当时都在那个 Discord 服务器里玩。我记得那是——
swyx：Stability 的 Discord？
安杰尼：那是——
swyx：对，LAION。
安杰尼：对，LAION 的 Discord 服务器。
swyx：那个孕育了 Stable Diffusion 的图像社区。
安杰尼：图像社区，对。所以 Stable Diffusion 出来的时候，我意识到：哦，现在别人也能做出自己的 Midjourney 了。因为在那之前，Midjourney 没有 API，所以它是一家全栈公司，对吧？他们自己训模型，再把它作为应用部署出去。但如果你想做出自己的 Midjourney，当时没有那种质量的 API。而我觉得 E2 当时还相当原始——Midjourney 的质量非常好。然后 Stable Diffusion 一出来，突然世界上有了这个新能力：一个开发者可以做出自己的 Midjourney。我认为这就创造了对 OpenRouter 这类东西的需求，因为那时候你需要一个 API。如果你有大卫·霍尔茨那样的创造力、又把 Stable Diffusion 当作模型，你想把这些拼起来，你怎么能在不必自己搞明白怎么托管权重的情况下做到？而 OpenRouter 开启的，就是这种可能性。对吧？当你有了能替代闭源应用的开放模型，OpenRouter 在世界上的价值就变得非同寻常，因为现在任何开发者出现就能用——
swyx：你就是喜欢模型多样性。
亚历克斯：你刚才是不是说「OpenRouter 的形状」？
安杰尼：哦，不。
亚历克斯：你是不是在云端？这是真的汉吗？
安杰尼：我，我——我现在是失准了。我被过度训练了。我用 Cloud 用太多了，是不是？
swyx：大家会说这是「Claude 味」。
安杰尼：Claude 味。哦天，我得把自己给反训练一下。
00:43:38 Mistral，与推理市场的诞生
swyx：好。我想把 Mistral 这条线收一下。我的摘要版是：当时有一场被叫做「Mistral 价格战」的事，对吧？大概在 2023 或 2024 年的 NeurIPS 前后。
亚历克斯：对，十二月。
swyx：他们发布了 Mistral 8x7B，价格一下降了大约 80%。
亚历克斯：对。
swyx：在我看来这非常正面，因为那差不多是第一次真正有人竞争托管 Mistral。还有更多吗？
亚历克斯：对，那是——我在努力回忆当时发生的所有事。我们看到那个模型出来，立刻就看到有人说它是世界上最好的模型。
安杰尼：对。
亚历克斯：据我所知，这是第一次有人非常认真地这么称呼一个开放权重模型。
swyx：那是炒作，对吧？是吗？
亚历克斯：是炒作。是炒作。当时也是 AI 网红在炒。而且有很多例子显示它超过了 GPT-4。所以人们真的很想试一试，看看「对我来说也是真的吗？如果是，什么价格？」而当时的推理版图真的非常乱。
安杰尼：对。
亚历克斯：是我们把它理清楚的。它让提供商可以在价格上竞争，于是我们能在同一个地方给你最好的价格。所以我印象里，这是第一个清晰的例子，说明一个「提供商市场」能以给终端开发者创造价值的方式运转。
安杰尼：肖恩，你可能不记得了，我们第一次见面应该是在 Mistral 发布之后几天的 NeurIPS 上，
亚历克斯：对。
安杰尼：一次午餐会上。
swyx：对，我也是在那认识的 BFL。对。
安杰尼：纪尧姆当时也在。
swyx：对。
亚历克斯：我当时也在 NeurIPS。
安杰尼：你也在。我们当时刚宣布对 Mistral 的投资。我记得纪尧姆就在那边，我转头问他：「Mistral 7B 发布之后你感觉怎么样？」而他以他典型的法国方式说：「是个还行的模型，没那么好。」我当时觉得——反差太大了。但我记得他也说，他觉得很多人认为它比 GPT-4 更好的部分原因是速度。它是一个 MoE 模型，他们已经彻底搞明白了怎么把它做得极其高效。它处在帕累托前沿上。这是 LLM 的一个重要特点，对吧？有时它们更快，你就会觉得它们更聪明，尽管如果你做 N 次——那种常见的评测——你做七次尝试，我记不清了。我觉得我们应该回去看数据怎么说，但如果结论是「在七次尝试上 GPT-4 在评测上更聪明，而在感知上、在正确性上人们觉得它更聪明或更准确」，我也不会意外。但从人类偏好的角度，人们就是觉得它更快——或者因为它太快了，所以更聪明。
swyx：对。而大多数查询并不需要那个水平，
安杰尼：不需要那个水平。确实。
swyx：对吧？所以这就是「人作为路由器」的起点，
安杰尼：对。
swyx：然后最终变成 OpenRouter 作为路由器，
安杰尼：哦，这个角度看很有意思。对。
swyx：因为人类本身就是路由机制。我会先问快模型，然后如果不够好，我就手动升级。
安杰尼：对。
swyx：但接着它就会被自动化。
安杰尼：我倒是没这么想过，但这说得通。
swyx：然后是更多技术，比如融合。融合是我们该聊的东西。在我转到那些之前，我想先把早年收掉。我观察到的一件事是，你也是 Arena 的投资人。
00:47:10 OpenRouter 与 LM Arena 的分别
安杰尼：对。
swyx：我们聊过 Midjourney 那个 A、B、C、D 选一个的反馈回路非常重要。而你懂飞轮。那为什么你没有做 Arena，又为什么 Arena 没有做 OpenRouter？
亚历克斯：嗯，Arena 比 OpenRouter 起步更早，对吧？
swyx：他们一开始是学校的项目，
亚历克斯：对，LM
swyx：然后变成一家公司。
亚历克斯：LM Arena，对。
swyx：不过我也知道你在 Arena 有一些经历，比如那种「对比投票」的东西。
亚历克斯：对。
swyx：但你从来没有真的像 Arena 那样把它做深。而——
亚历克斯：在做对比投票体验这件事上？
swyx：对。而 LM Arena 也确实有过一个基于 LM Arena Elo 的路由项目，但他们从来没有把它商业化。
亚历克斯：要一家公司同时做这两件事很难，因为一家是在拿数据去卖，而另一家默认情况下真的不能这么做。所以我认为这里有一个品牌上的原因，为什么会有两家公司。比如你搭起 OpenRouter 的时候，这里没有训练、没有提示词，对吧？除了你的提供商政策设定的那些。OpenRouter 看不到你的提示词或补全结果。如果你想以组织身份看到它们，你得主动选择开启。所以我们在数据政策、安全和隐私上相当保守和谨慎。而 LM Arena 的商业模式是围绕实验室的，
swyx：因为它是免费给的，对吧？你免费给不是为了免费给。
亚历克斯：对。不过我们也给一些。我们也有免费端点，但那些免费端点——我想我们没有在收集任何提示词。除非你出于某种原因主动选择开启，我们不会把数据变现。
安杰尼：这种比较——你不是第一个问我这个问题的人，亚历克斯也知道——但我在 Arena 最初五个月里是临时创始 CEO，当时我们在帮阿纳斯塔西奥斯和威林从伯克利分拆出来。而且我是在 OpenRouter 之前就投了它。但外界把这两个项目拿来比较，在我看来非常奇怪，因为它们的使命完全不同。Arena 的创办实体我们叫「AI 可靠性研究所」，因为它当时是一个评测服务。可以说，他们最初提供给实验室的东西是：怎么让模型的评测比当时的最先进水平更可靠——而当时基本就是「凭感觉」。那就是阿纳斯塔西奥斯和威林在伯克利做博士生时的研究：用统计方法修正评测估计，针对内在偏差以及数据是怎么被收集的。
swyx：对。
安杰尼：还有——
swyx：风格控制。
安杰尼：风格控制之类的。这非常像——如果你是科学家、你在试着……Arena 期望值最高的客户一直是实验室里的训练人员或研究员。而在我看来，亚历克斯真正理解、并且使命所服务的那类期望值最高的客户，是开发者——开发者拿走研究的成果，做出一个部署到世界的应用。这两支团队聚焦的是完全不同的问题、完全不同的人。所以从外部看——我不知道你还记不记得，但我有一个很清晰的记忆：在我们一起给 OpenRouter 签 term sheet 之前几周，我给你打过一个电话，因为我们在试图把 OpenRouter 和 Arena 的数据汇成一个池，做一个开源的提示词仓库。这些项目在目标上差异这么大，以至于对我来说「哦对，给亚历克斯打个电话，看他愿不愿意一起把数据汇起来」完全是正常的，因为它们太不一样了。我们需要——我们根本没有那份数据。我们没有 API 提示词，我们没有「开发者想用模型做什么」这类数据，而后者和模型实验室里的研究员在发布模型之前想做的事非常不同。
swyx：对。
安杰尼：说得通吗？所以到今天我认为你也能看到这种差别，即便从三万英尺的高度你可能——我猜你可能得出「Arena 和 OpenRouter 是相邻的」这个结论。但路线图、使命等等，至少在当时是完全不同的方向。
swyx：那个理想客户我懂。我完全懂。
安杰尼：对。
swyx：但作为一个创始人，我想什么都自己拥有，对吧？
安杰尼：那是可能的。
swyx：这明显是一个相邻的机会，我会想去探索它。
亚历克斯：什么都自己拥有，意思是你还不知道该做什么，所以你想想尽可能快地
安杰尼：不，我觉得他——
亚历克斯：抓住产品市场契合。
安杰尼：你想拥有整个基础设施空间，于是你会扩展到你所能捕获的任何需求上。
swyx：你想在每一端都有一手。
安杰尼：对。我觉得那在现实中很难，因为服务多个客户是很难的。
swyx：显然，这就是那个「专注」的点，对吧？
00:52:08 专注、Anthropic，与那些没走的路
安杰尼：对。
亚历克斯：对。我仍然认为，哪怕在 AI 时代，专注也是——
安杰尼：很关键。
亚历克斯：被低估而且关键。不只是因为把人聚焦在一件事上会让你做出更好的产品，还因为世界知道你在专注什么。
安杰尼：百分之一千。
亚历克斯：世界可以这样映射：「哦，我有这个问题，外面哪个牌子能帮我解决这个问题？那个牌子就是以专注这件事出名的。」
安杰尼：对。
亚历克斯：所以如果我真的想在这件事上得到认真对待、这件事对我真的重要，我就该去找最在乎它的那个牌子。
安杰尼：为强调亚历克斯关于专注有多重要的观点：Anthropic 早期并不轻松。人们以为 Anthropic 早期超级容易，因为他们是三个从 OpenAI 出走的人——但当时竞争非常激烈。这家公司起步时就落后 OpenAI 一百亿美元，对吧？所以要走到前沿，最大的问题是：我们想以什么被人知道？使命是什么？使命就是 AGI 结对编程。为了这个，他们排除了当时各种非常闪亮的东西，比如正在获得大量势头的图像模型和视频模型。Anthropic 团队的态度是：「我们就只管专注在编程上。」那是我们聚焦的核心能力。而今天你能看到结果，对吧？五年内成为一家万亿美元公司。而那种专注——专注在你期望值最高的客户是谁、以及你怎么超越他们的期望——因为超越任何人的期望都很难，为多个客户都做到就更难——我认为这是 OpenRouter 成功的原因之一，也是 Anthropic 成功的原因之一。
亚历克斯：可是「编程」这个专注有那么早吗，还是后来才有的？
安杰尼：就是从第一天起，「AI 结对编程」就是——「负责任地把 AI 结对程序员商业化」是那份种子轮备忘录。我就是在那个阶段投的，对吧？那份备忘录我们后来打磨了很多。这个你得问达里奥和汤姆要许可才能说。但那是他们写出来的一份非常出色的文字。把 AI、把它商业化——负责任地商业化一个 AI 结对程序员，从第一天起就是使命。我要说，公司历史上大概有那么几次，他们做过实验、看看小的岔路是否说得通，比如做通用聊天机器人 Claude.ai——当时 ChatGPT 正火。但归根到底，尤其是当他们把大规模训练算力上线之后——比如公司所有主要评测一直都是编程评测：长周期智能体编程。从第一天起，这就是计划。
亚历克斯：因为当 Claude Instant 和 Claude 2 出来的时候，
安杰尼：对。
亚历克斯：我记得营销主要聚焦在优点上。比如，这个——
安杰尼：对。
亚历克斯：能写得更好——
swyx：对，长上下文。那是同类里第一个。
亚历克斯：长上下文，
swyx：这直接影响到我，因为我在它上面做了一样东西。对。
安杰尼：你做了什么？
swyx：一个小开发者工具，算是我的 Devin，比 Devin 更早。
安杰尼：哦对，对。
亚历克斯：对。
安杰尼：Small。
swyx：对。所以我觉得——所有这些真不错的——专注是另一件事。这也是人们确实想问的问题：你本来可以做任何别的东西，而且显然 OpenRouter 是在跑起来的。有没有别的你想做、但最后放弃的想法？就是那些没走的路。
亚历克斯：我们做过几个原型，但都没发布。一个是「微调模型即服务」。
swyx：对，OpenPipe 那一堆都在做这个。
亚历克斯：但它的产品形态非常消费化：你给我们一两个或者三个 YouTube 视频，我们从中抽出所有字幕，然后试着微调出一个模型，让它像那个 YouTube 里的人那样说话。
安杰尼：对。
亚历克斯：或者像你发来的那些视频里的人们那样说话。所以是一种非常简单的、基于你喜欢的某些视频来创建一个微调模型的方式。
安杰尼：那会非常有用。
亚历克斯：我们，
安杰尼：不——
亚历克斯：我们真的做出来了。它是——
安杰尼：你不这么觉得？
亚历克斯：它是，它——
安杰尼：而且没人用？
亚历克斯：它——我们没有拿去给那么多人测，因为模型市场才是我们的主要焦点，它在增长，我们对它的信心也在随时间增强。
swyx：只是，你——
安杰尼：对。为什么，
swyx：作为一个创作者，
安杰尼：对。我是创作者。
swyx：你有没有被推销过很多这种——「我有 500 小时自己的录音」，
安杰尼：对。
swyx：做一个你的分身，然后收访问费。这在 OnlyFans 上管用，但在
安杰尼：我明白了。
swyx：普通人身上不管用。我觉得——这基本上就是个被美化的 RAG 机器人。
安杰尼：对。
swyx：不管是在权重里还是在权重外，其实都不重要。你只是在视频上做 RAG，而人们最终总是想找到那段直接回答问题的原视频。
安杰尼：哦。我的用例主要是拿我自己来练习——因为我经常想看看……我准备求职面试、或者我要招一个候选人、或者公开演讲时，我的练习方式是——我希望有一种好的
swyx：对。
安杰尼：能给我批评的东西，因为把自己抽离出来看很难。我不会——我不会把它当成一项服务提供给别人。
swyx：我希望有一种「选出你最重要的五位导师，然后跟他们对话」的东西，而不是跟自己对话。
安杰尼：那也很酷，对。
亚历克斯：那就是——
swyx：那就是「创作者 AI」，那是个复刻。
亚历克斯：而那正是我们瞄准的用例。
安杰尼：我明白了。
亚历克斯：就是你想创造一个体验——
swyx：比如 AI 乔布斯之类。
亚历克斯：AI 史蒂夫·乔布斯就是最初的用例。
安杰尼：那是个——
亚历克斯：即便它是不允许的。
安杰尼：那是个很常见的原型，对。
swyx：说到相邻业务：把微调作为服务、作为路由服务的一部分，也是我通常会想到的，对吧？比如你为什么不那么做？因为如果人们已经在通过你跑推理了，把一切都存下来、记录下来，微调到一个更小、更便宜、更快的模型——这些都在你的掌控里，对吧？你没这么做，但在一家基础设施创业公司的常规状态下，别人会推销这个。
亚历克斯：对。对。
安杰尼：我觉得你当时可能只是早了一点，因为今天那是一个非常高速增长的细分市场。比如从 Mistral 那边看，他们做很多企业部署，
亚历克斯：对。
安杰尼：以及诸如为 ASML 之类的公司定制模型之类的微调。而且经常——
swyx：但不是以路由器的身份。他们只是「我来找你是因为我喜欢你的 Mistral 模型，我想要一个定制的 Mistral 模型」，对吧？不是「我想把我所有的 OpenAI 提示词都跑一遍、把所有结果都存下来，然后摆脱 OpenAI」。对吧？他们没在做这个。
安杰尼：作为摆脱对某家前沿实验室依赖的一种方式，我还没见过。对。
swyx：对。
安杰尼：而那正是你的愿景。
swyx：是能高效做到的。
亚历克斯：我们决定了。我们真的把重心押在专注上，判断是——并没有。我们看到生态会随时间发展起来。所有这些想帮公司做这件事的推理提供商——对我们来说，和他们合作、给用户很多选择、并且搞清楚什么能给他们竞争优势，是说得通的。那是一门全新的生意，而作为一个中立的、只是和这些公司合作的市场，本身就有价值。
安杰尼：你能稍微分享一下吗，回到肖恩的问题：你是怎么排序优先级的？你用哪些方式决定做哪些功能？因为你一直都做得太漂亮了，以至于我从来——它就是自然发生，从外面看，你总能做出所有正确的、总是有产品市场契合的决策。而且你持续地做出了很多有效的爆款功能。也许是我样本有偏，但肖恩的问题——
swyx：你能不能列一下你认为哪些爆款功能成了？
安杰尼：哦，排行榜。
swyx：排行榜，好。
安杰尼：对，从第一天——
swyx：那是图表，对吧？那就是反馈回路。
安杰尼：图表，BYOK。
swyx：但他还有——我认为这里有一整套我想聊的东西，比如补全对比——
安杰尼：对。
swyx：聊天补全对比补全。然后还有，我们姑且叫它推理模型的崛起，以及你怎么处理它们，多模态，所有那些，对吧？
安杰尼：对。BYOK。
swyx：BYOK，对。
安杰尼：那是个大事。
00:59:34 混合模型（MOM）与模型融合
亚历克斯：有一个。我想是 2024 年初，非常早的 2024 年，我们觉得把多个模型的结果融合在一起可能很有意思，于是上线了一个叫 MOM 的原型——Mixture of Models，混合模型。它让你挑几个模型，或者我们替你挑，然后在最后把结果融合起来，并且用一个很像看板的大产品界面把所有的中间结果都展示给你。
swyx：最后那个融合是另一个模型做的吗？
亚历克斯：是另一个模型。那个——
swyx：是那堆里
亚历克斯：最聪明的那个。
swyx：属于这一组里
亚历克斯：三个里面最聪明的那个。
swyx：好。所以这就像「议会」那个想法？
亚历克斯：对。它就是一个模型，一个非常早期的 LLM 议会。
安杰尼：这就是某家前沿实验室早期会叫的「智能体蜂群」那种东西？
亚历克斯：对。那些想法有些方向是对的，但魔鬼在细节里。
swyx：对。
亚历克斯：要真正让它们跑起来需要大量的产品打磨。它们会把你的注意力从
swyx：对。
亚历克斯：你手上别的所有事情上拉走。而且你需要做大量社区建设和学习。技术本身可能也还太早。所以各种原因都可能让它失败。在我们这个案例里，技术稍微太早了一点。换句话说，融合出来的结果有点——
swyx：对，像个科学怪人。
亚历克斯：有时和用来融合的那个最好的模型一模一样，因为当时最好的模型遥遥领先于第二、第三名的选项。随着时间推移，最强的三四个 LLM 彼此靠近了——它们仍然各有各的「神经多样性」，但都能力提出相当有意思的想法。比如 RL 扩展了每家实验室里机器学习研究者的创造力面积，于是他们能更有效地让不同模型的推理能力多样化。至少这是我对
swyx：对。
亚历克斯：融合的理论——它现在比过去管用得多，但那是 2024 年初。所以当时技术还太原始，产品形态也不对，我们本来还得再迭代几轮。于是我们决定把代码全删了。几年之后，2026 年中或者 2026 年初，我们说：「把它拿回来吧。」因为融合方向的研究看起来挺有希望。现在的模型里有两三四个顶级前沿模型都很强，我自己也经常想咨询多个模型来拿到最好的结果。然后我做了个小型的个人实验：我说「我要做一个代码改动的架构方案，把它给所有模型，把结果融合起来，然后问所有模型——融合后的结果是不是比每个模型各自给出的结果更好」。它们都说好，融合结果更好。这发生了好几次，我就想：「行，抽查下来相当不错。我们该把它做成基准。」融合功能就是这么来的。
swyx：对。而且它是在 Fable 上做的，所以你说「这是 Fable 级别的」。
亚历克斯：对。
01:02:44 Sonnet、OpenClaw，与 OpenRouter 的爆发式增长
swyx：我们来讲到今年，我们还没讲到今年。你能把这段旅程里的主要节点标出来吗？我感觉你们的承诺就是「路由」，商业模式很早就定了。你们抽一层佣金。那哪些是让增长出现拐点的主要节点？比如你们现在每周增长 9%？这是官方数字吗？
亚历克斯：就 token 量而言，我觉得差不多是这么回事，对。
swyx：对。那你能不能把 OpenRouter 直到这次收购之前的简要历史标出来？我们姑且——我们就是在聊——你有你那个「诞生时刻」，Mistral 那件事，人们真的在竞争。你有你那个「AI 现状」的东西，
亚历克斯：对。
swyx：那个很可爱。你有一百万亿 token，哈，因为你现在一周做十个——
亚历克斯：对，我们一天做十个。
swyx：现在一天十个？
亚历克斯：对，还不止。
swyx：所以你在十天内就做完那个量。那主要节点有哪些？我就是想——它是一条平滑的曲线，但你能感觉到那些拐点。
亚历克斯：很多都和模型发布有关。一直到 2024 年 5 月，我们都极其聚焦在优点上，因为编程能力当时就是不到位，没有应用能在上面做出多少东西。所以模型是多样的，但多样性不宽，用例的多样性也不宽。Dream Tavern 当时是我们排名最靠前的应用之一。Dream Tavern 的作者现在在 Cognition 做产品——Devin。然后到了 2024 年中，我们看到了 Claude 3.5 Sonnet。它出来了，在编程上是惊人的一大跃升，我们看到「在我们之上构建应用」的态势变了。我们看到通过 OpenRouter 使用模型的用户量出现巨大激增。我觉得就是这时候，人们开始看自己花掉的钱，开始有点：「哇，这是怎么回事？我可能需要考虑更高效但等效的模型。」不久之后，我记得是在 Sonnet 3.5 之后，Mixtral 8x7B 出来了，所有人都说：「什么？就是这个模型。」开放权重社区交付了。所以 Mistral 的时机非常好。
swyx：安杰的每一个被投公司都在帮你。
安杰尼：养一个 OpenRouter 需要一个生态？
亚历克斯：对，就是那样。对，就是——这个早期生态像一种钟摆运动：模型实验室提出某种前沿创新，用量就激增；然后用户在 30 天后看账单，说「哇，这怎么回事？」；再过两三个月，开放权重模型就会交付一个有效的第二、第三选项。我们看到这个循环发生好几次。
swyx：顺便说一句，
亚历克斯：对。
swyx：你们在编程智能体上还做了一件事：你们把顶级编程智能体单独拆出来排名，他们很喜欢那个，很喜欢那个排行榜。Klein 对 Rue code 对那些。
亚历克斯：对。比如 Klein 当时是我们排行榜的第一名。然后——我快进一点。2025 年底，排行榜上已经有不少编程应用，但它们都是 IDE 或者终端智能体。而在 2025 年底，我们看到 OpenClaw 出现。OpenClaw 特别有意思，因为第一，它是一种新形态，带来了一类新用户——不只是开发者，而是生产力用户、或者互联网创作者第一次来到 AI 面前。它还带来一个有趣的架构：除了用模型做真正的任务之外，它还会调用你选定的模型来做这些「心跳」，看它是否还活着。而心跳是那种——
swyx：频率。
亚历克斯：你不想花很多钱
swyx：每三十分钟一次
亚历克斯：去做一次心跳。
swyx：对。
亚历克斯：所以我们提供的自动路由，对突然涌入的这一大类用户来说就非常有用。于是我们看到它指数级地火箭式上升，然后我们看到 OpenClaw 直接爆掉，有几个别的应用也拥抱了那个新范式、做了类似的事。Hermes 出来了，真正拥抱了自动路由这些东西，建立了一个非常好的社区，并且拥抱技能管理，让人们很容易、很有效地设置智能体的记忆，
swyx：对。
亚历克斯：并构建出很好的技能。
swyx：而这些又是你从没做过的另一件事：记忆、技能、沙箱，所有这些你本来可以做的相邻的东西。
亚历克斯：本来可以做，但——我觉得，
swyx：那很难下注。
亚历克斯：它们也是——有些东西对当时出现的开发者用例真的很重要。比如开发者想自己去架构那些东西。
swyx：对。
亚历克斯：那些东西对做出好的用户体验相当关键。而且——在记忆层上，公司一直很难找到对所有开发者都适用的抽象。确实，有些做得不错，比如 Mastra 就做得挺好。但开发者的偏好非常多样。而且——我们排行榜随时间变化的样子，就像一部关于 AI 领域如何变化的电影。你只要上 Wayback Machine，看不同时期的模型排行榜和应用排行榜，它就能告诉你过去几年 AI 里发生了什么。
swyx：对我来说，那个「长大成人」的时刻是安德烈·卡帕西说：「我不再读 Local Llama 了，因为我直接去 OpenClaw——OpenRouter 的排行榜。」我记得那个。对。我想他大概说了「抱歉各位，我要给你们送一堆流量过去」。
01:09:03 Stripe 为什么要买 OpenRouter
swyx：那我也想接到 Stripe 这件事上。那次对话是怎么开始的？
亚历克斯：我们和 Stripe 有长期的合作关系，来自我们和他们一起做过的很多不同项目。我们在对抗滥用上投入了大量精力，
swyx：Token 欺诈。
亚历克斯：以及 token 欺诈。
swyx：你能给一些数字吗，好让大家理解？
亚历克斯：我想我发过帖子讲过这个。上个月我们拦下的金额是前一个月的 10 倍。而且 token 欺诈的类型正在明显多样化。有冲着典型盗刷信用卡来的欺诈者，也有违反服务条款倒卖流量的人。有被黑掉的账号。有些人是整个公司被攻破了自己还不知道，我们帮他们重新拿回控制权、检测出来。有些账号在偷偷转售推理。还有些账号遇到了意外的智能体失控，自己没意识到——不是被黑，而是有东西炸了，公司并不想要。所以我们的信任与安全团队在这些类别的问题上做了很多工作，帮助拦截和检测。我们已经建立起了这些。我们围绕它们有模型。我们和 Stripe 在这件事上密切合作了一段时间，我认为它会变成生态里一个巨大的问题。我们已经看到很多公司开始遇到这些欺诈者扩散，并且去 OpenRouter 之外寻找别的欺诈路径。如果你做的是网关、或者卖通用推理，你就是欺诈的目标。如果你卖的是非常离散的智能产品、做的是相当具体的事，而不是在推理之上加一点能力再转售，那你遇到这些欺诈者的概率会低得多。所以我认为我们会看到公司也从「转售推理加一点能力」转向离散的任务、为那些任务收费、为那些增强能力收费，并让人们以自带推理的方式参与进来。
swyx：哇。好。那显然你会成为支撑它的那一层。
亚历克斯：对。
swyx：但人们是按结果付费，还是按任务付费？
亚历克斯：我认为人们会付钱。我觉得 Datadog 的定价页就是未来一个很好的样本：像基础设施公司会按它们提供的不同类型的事件收费，会有大量看起来像那样的持续定价模型。当然，越往消费级应用走，定价会越简单、订阅更多、要操心的事件更少，而且那些不再是只专注于在推理之上加价的产品。
swyx：对。
亚历克斯：不仅因为欺诈很难，还因为来自实验室和优秀推理提供商的压力会非常大——让你先承诺用量、再把推理带到别处去。
swyx：有什么要补充的吗？
01:12:45 欺诈，与正在成形的 token 经济
安杰尼：两点。第一，我觉得亚历克斯非常出色地描述了一件反直觉的事——四年前因为 Discord，我就知道它在规模上一定会成为问题。教会我这件事的具体经历是：我们开始把 Midjourney 做大的时候，我们早期让人试用 Midjourney、拿到他们前十次生成的主要方式之一，是免费试用。因为十次生成——生成十张图——大概就是我们发现的「魔法时刻」激活点：一旦你做完十次，你就会觉得「这太不可思议了」。但那一周，我们给 Midjourney 做的是免费试用。有一天我醒来——因为我是平台负责人，得盯着，我有一堆仪表盘——我发现有三通大卫打来的未接电话。结果是一夜之间涌入了一大批新用户。我们说：「这太好了。」而他说：「不，我们把免费试用关掉了。」我说：「为什么？」他说：「我要你看一下这些 IP 的地理位置。」中国有人开始免费转售 Midjourney 订阅，用免费试用作为手段——那是欺诈滥用，对吧？
swyx：哪怕是对 Midjourney 这样一个专门化的模型。
安杰尼：对。而那还是个应用。所以这个想法——我想我当时最大的认知是：嘿，有一种新的价值单位正在被流过整个互联网，它叫 token。而在接下来十年里，整个互联网价值链都要面对一个事实：token 越有价值，就有越多的坏人会想方设法把手伸向这些 token。任何时候你把某个东西规模化、并且载荷变得越来越有价值，就会有更多坏事、更多人试图去获取那份价值。所以当时这对我来说非常明显。到今天，我认为免费试用再也没回来过——Midjourney 从那以后应该再没开过免费试用，因为在信任与安全上这真不是一个好解决的问题。这也是我为什么开始在斯坦福开那门「规模化安全」的课。那门课，加上在 Anthropic 学到的东西，让我清楚地看到：几年之后，对「规模化安全」的需求将极其庞大。因为如果你算一下：在线支付大概起步于八九十年代，对吧，之后十年增长到超过一万亿美元，而我们必须建出全新的支付方案来应对线上欺诈。我们今天在 token 上大概正处在那个位置，但接下来哪怕只有五年，我们预计 token 经济会到大约五万亿美元。十年内，如果 token 流转额不到十万亿美元，我会非常意外。所以如果我们在「次规模」的 Midjourney 上就已经看到这么激烈的滥用和欺诈——记住当时 Midjourney 的年化收入还不到 1 亿美元——我刚意识到，我们将需要全新的系统来应对那些试图进入 token 流转的欺诈。所以——我忘了是哪次董事会上你提出 Stripe 想合作，而它在我看来说得通得不得了，因为 Stripe Radar。十年前我在 Kleiner 的时候，我们投了 Stripe，而帕特里克和约翰讲得非常漂亮的那套说法是：「嘿，不像 Braintree 这类传统支付工具要做一整天的验证、KYC 和反洗钱来先把欺诈挡掉，我们干脆把欺诈成本前置当成获客成本——告诉开发者，你只要用五行代码，我们五分钟内就能开始接收你的付款。接下来会发生的事是：时间长了，我们会收集到关于开发者的所有这些数据。」
swyx：Cloudflare 模式。
安杰尼：就是 Cloudflare 模式，对吧？而他们做到了。五年后他们推出了 Stripe Radar，而 Stripe 今天其实是一家安全公司。这才是真相。人们以为它是支付公司。不是，原因是——今天有很多别的支付服务商能给你更便宜的支付通道。但 Stripe 之所以一直是这里的霸主（欧洲是 Adyen），是因为他们这些年建起了非凡的欺诈检测能力。
swyx：和埃隆、马克斯·列夫琴那个故事一样。
安杰尼：还有 Affirm，对。
swyx：对。
安杰尼：所以我认为这个故事一遍又一遍出现：每当有价值以巨大规模流过世界，你就需要新的保护与安全基础设施去对抗、把坏人挡在外面，同时让好人能非常快地完成交易。所以我认为，从我的角度看，Stripe 和 OpenRouter 这个故事是互联网生态、是前沿 AI 生态的一个安全故事。没有这样的合作，你很难既守住体验质量、速度这些好东西，又不让坏人插进来。第二点是，有一件被低估的事：你需要——亚历克斯刚才描述的那些目前由人类从事的坏事，接下来十年将由 AI 智能体来做。
swyx：哎哟。
01:17:47 即将到来的智能体欺诈潮
安杰尼：对吧？所以想想我们即将看到的坏人的递归式规模。不只是坏人，还有所有那些将要攻击 token 流转的坏智能体。而且——如果你是 AI 实验室的研究者，你很难对这个问题进行推理，因为你唯一的数据来源是你自己在训练的智能体怎么失控。但那只是我们在互联网上将要看到的全部坏行为的一小部分。所以你需要的是一批防御者、一批新的治安官，戴着牛仔帽，能看到整个生态里来自不同模型实验室、不同训练部署、不同开发者的 AI 智能体的所有坏行为，把所有这些数据放在一起说：「我们要为整个 token 经济建一面盾。」因为如果没有它，我们在这 10 万亿美元 GMV 和全球 GDP 增长里会看到的欺诈规模有多大——我认为其中会有很大一个百分比是欺诈和滥用。而如果人们干脆不信任 token，我们可能永远到不了那一步。而我认为这套基础设施现在并不存在。所以你在 Stripe 还有很多活要干，但我认为人们还没有意识到，智能体驱动的欺诈——由 AI 智能体从事的坏行为——即将像海啸一样砸到我们身上。
swyx：对。那里有很多可以深挖的东西。我想把最后一句话留给你。我们得收尾了。人们可以从 OpenRouter 和 Stripe 这里期待什么？
01:19:07 加入 Stripe 之后
亚历克斯：我认为这对我们来说是加速市场、更快往上游走的一个非常好的方式。正如安什非常出色地描述的那样，这里有一个非常清晰的「合在一起更好」的故事：在改善信任与安全、让接受 token 变得真正容易、让人们把自带推理带进你的应用、以及帮助开发者接下来直接在推理之上做构建这些方面。我们在 OpenRouter 这个品牌上很强，而我们会保留这个品牌。所以 OpenRouter 作为产品、它的路线图、名字和品牌都会保持不变。所以接下来六个月你该期待的是：大多数事情会和我们独立发展时会做的差不多，只是所有事情都会跑得更快。这是我们的近期目标。更长期的事，希望我很快就能谈，但我不能——现在。
swyx：好。希望我们之后能再做一期跟进。谢谢你这么慷慨地给出时间，也恭喜你们的合作。这是我在 AI 里见过的最美的兄弟情之一。
安杰尼：才刚开始。
swyx：从斯坦福开始，
安杰尼：才刚开始。
swyx：一直到今天。
安杰尼：对，还有很多要做。
亚历克斯：对。
安杰尼：还有很多治安官的工作要做，关于——
swyx：对，镇上的牛仔们。
安杰尼：关于 token 经济。我们确实需要新的治安官。
swyx：对。太棒了。谢谢。
亚历克斯：谢谢。
References
- 1Latent Space 官方单集页
latent.space
- 2OpenRouter 官方公告《OpenRouter is Joining Stripe》
openrouter.ai
- 3
- 4a16z 作者页 · Anjney Midha
a16z.com
- 5Alex Atallah 个人站
alexatallah.com
- 6斯坦福 CRFM《Alpaca: A Strong, Replicable Instruction-Following Model》
crfm.stanford.edu
- 7Mistral 官方《Mixtral of experts》
mistral.ai
- 8
- 9OpenClaw 官方文档《Heartbeat》
docs.openclaw.ai
Comments