OpenRouter 周榜前五全是国产，登顶的不是 DeepSeek

6.13T tokens。

这是腾讯混元 Hy3 上一周在 OpenRouter 上被烧掉的 token 量。六万亿，一周。今天凌晨，腾讯混元的官方账号发推，宣布 Hy3 拿下 OpenRouter 大模型排行榜第一。距离它正式发布，刚过去六天。

我点开榜单看了一眼，比第一名换人更扎眼的是另一件事。周用量前五，腾讯 6.13T、小米 MiMo-V2.5 5.95T、DeepSeek 5.22T、MiniMax 4.26T、智谱 GLM 3.19T，全是国产模型。Anthropic 排最高的那个型号，第七。

好家伙。就在大家还在刷 GPT-5.6 Sol 和 Fable 5 的这一周，全球开发者的 token，一大半流进了国产模型的口袋。

不过先别急着转发国产之光。这个榜怎么读，里面的水分和真金怎么分开算，比第一名是谁有意思得多。今天想跟你把这笔账算清楚。

先讲这个榜是什么。很多朋友可能不知道，OpenRouter 是一个大模型的聚合网关，你接一个 API，就能在几百个模型之间随便切换。它的排行榜不是跑分榜，是用量榜，统计的是全世界开发者每周真金白银烧掉的 token。这两种榜的差别很大。跑分榜考的是模型会不会做题，题库是公开的，各家都会针对性优化，你懂的，高考做多了谁还不会应试。用量榜不一样，它记录的是开发者把哪个模型接进了自己的产品、自己的 agent、自己的工作流，用得不爽随时会换走。前者是考试成绩，后者是复购率。

所以海外圈子一直有个说法，benchmark 会说谎，OpenRouter 不会。开发者用脚投票，票数就是 token。

但这话只对了一半。这个榜有两个盲区，不知道的话很容易被带节奏。

第一个盲区，它只统计走 OpenRouter 的流量。OpenAI 和 Anthropic 的大客户基本都直连官方 API，那部分量根本不经过这里。所以 Anthropic 排第七，不代表 Claude 没人用，只代表通过聚合网关用 Claude 的人相对少。这个榜更像是中小开发者和独立开发者的民意调查，不是全市场的普查。

第二个盲区，也是这次的关键，免费额度会灌水。

翻一下腾讯混元发布当天的推文，里面明明白白写着，FREE API for 2 weeks。Hy3 从 7 月 7 日起在 OpenRouter 上限时免费两周，到 7 月 21 日截止。也就是说，它登顶的这一周，整周都泡在免费期里。

免费模型在 OpenRouter 上是什么待遇，接过 agent 的兄弟应该有体感。跑批量任务、刷合成数据、测试自动化流水线，第一反应都是先找免费端点薅。一个能打的模型挂上 free 标签，用量想不爆炸都难。所以 6.13T 里有相当一部分，是冲着不要钱来的流量，免费期一结束，这部分会退潮。

对比一下就更清楚。第二名小米 MiMo-V2.5 的 5.95T，是付费价位跑出来的，而且周环比还涨了 36%。DeepSeek 那 5.22T 更是常年稳定的存量。同样是 T 级用量，含金量不一样。

所以我的读法是，Hy3 这个第一，打个七折看。热闹是真热闹，水分也是真有。

那扣掉水分，还剩下什么，这才是我真正想聊的部分。

剩下的东西，恰恰藏在腾讯官方博客里那些不性感的段落里。我做的工作是给大模型搭脚手架，就是 agent 的工具链、调度、评测这些让模型真正干活的工程层，职业病使然，看模型发布我从来不先看跑分，先看它敢不敢公布生产环境的脏指标。Hy3 这次公布的几个数字，有点子牛逼。

第一个，跨脚手架稳定性。官方说 Hy3 在 Codebuddy、Cline、KiloCode 这几个不同的编程 agent 框架下跑 SWE Bench Verified（一个用真实 GitHub issue 考模型修代码能力的测试集），分数标准差控制在 4 个百分点以内。这条普通读者可能扫一眼就过了，但凡接过 agent 的人都知道这有多难。同一个模型，换个框架、换套工具描述，表现掉一截是家常便饭，模型对 prompt 格式的敏感度堪比猫对纸箱形状的执念。敢把跨框架方差写进发布博客的，我印象里这是头一家。

第二个，幻觉率。内部评测里幻觉率从 12.5% 降到 5.4%，常识错误率从 25.4% 降到 12.7%。注意，他们的目标写的是「有依据才回答、无依据明示缺失，数据和状态不乱编」。这个目标平平无奇，但愿意把降之前的数字也晒出来，等于承认自家上一版四分之一的常识陈述有问题。坦率讲，这种自曝比任何满分跑分都让我多信三分。

第三个，多轮对话不跑偏。多轮问题率从 17.4% 降到 7.9%，长对话理解基准 MRCR 从 42.9% 提到 75.1%。跑 agent 任务的时候，模型聊到第十几轮忘了最初的约束，是所有人都踩过的坑，这个指标直接对着痛点打。

再往下看参数和价格。Hy3 是 295B 总参数的 MoE 架构（Mixture of Experts，模型分成一堆专家小组，每次只叫醒一小撮干活），激活参数只有 21B，跑一次推理的算力开销跟一个 21B 的小模型差不多，效果却按官方说法能比肩参数规模两到五倍的旗舰。256K 上下文。腾讯云的定价是每百万 token 输入 1 元、输出 4 元，命中缓存 0.25 元。什么概念，主流旗舰模型输出价格普遍在它的十倍到三十倍之间。而且 Apache 2.0 开源，GitHub 和 HuggingFace 都能直接下，商用没有附加条款。

还有些侧面信号。发布第三天，IT 之家报道 Hy3 在腾讯自家的 WorkBuddy 上调用激增，排队率一度超过 50%，官方紧急扩容。X 上的 karminski 实测说这玩意 agent 能力超强，阿易那边的实测视频里，Hy3 写的前端 demo 直接调起摄像头做实时手部骨架追踪加粒子特效，帧率一百多不掉。这些都是免费薅不出来的口碑，薅羊毛的人不会帮你发实测视频。

盲测那条也值得一提，腾讯内部组织 270 位专家拿真实工作任务做盲测，Hy3 均分 2.67，比 GLM-5.1 的 2.51 高，前端、数据存储、CI/CD 这几类优势最明显。内部盲测当然要打个问号，裁判和选手一个东家。但结合上面那堆脏指标一起看，这个模型的画像是成立的，它不追求在任何一项上封神，它追求的是便宜、稳定、听话，接进生产环境不闹幺蛾子。

怎么说呢，这是一个奔着干活去的模型，不是奔着发布会去的模型。

顺着这个再多说一句背景。腾讯混元今年 1 月底才重建完基础设施，4 月底发 preview 版本，在五十多个业务里收反馈，7 月初发正式版，不到半年跑通了从底层基建到产品落地的全流程，另外这个模型已经接进了微信生态，服务的是十亿级的用户面。前几个月大家聊国产模型，说的都是 DeepSeek、Kimi、智谱、MiniMax，腾讯基本查无此人。结果人家闷头半年，第一次露脸就把海外开发者的周用量榜拿了。声量最小的那个玩家，用量先起来了，这剧情有点民谣了，火车驶向云外，梦安魂于九霄，谁都没注意的车厢里坐着个闷声干活的。

最后落到你能拿走的动作上。

如果你想试，现在到 7 月 21 日之间是窗口期，OpenRouter 上的免费端点零成本随便测，拿你自己的真实任务喂它，写代码、改 bug、跑多轮 agent 流程都行，别拿网上的段子题测，段子题各家都优化过。如果你有本地或私有化需求，HuggingFace 直接下权重，vLLM 已经官方支持，硅基流动和 OpenCode 上也有免费试用入口。

但如果你打算往生产环境接，我的建议是再等等。等 7 月 21 日免费期结束，等白嫖流量退潮，再看两个东西。一看付费转化后它在榜单上还剩多少量，那才是真实的复购。二看免费羊毛党撤走之后，付费端点的延迟和限流表现，现在的排队和扩容数据都被免费流量污染了，说明不了问题。

说实话，写到这我自己也还没想好要不要把手头一条流水线的模型换成它，1 元的输入价确实很难不心动，但生产环境的迁移从来不是看价格表做的决定，是看它连续跑两周不出幺蛾子才做的决定。

7 月 21 日之后，我会再去看一眼那个榜。潮水退了，留在沙滩上的数字才是这个模型真正的成色。到时候如果它还站在前五，那国产之光四个字，我一个字都不会打折。