OpenRouter ali neposredni API: 390 zahtev in cena posrednika

OpenRouter se lahko izplača aplikaciji, ki uporablja več modelov ali potrebuje rezervnega ponudnika. Če je pomembnejši predvidljiv začetek odgovora enega modela, je neposredni API boljše izhodišče. Cena posredovanja zato poleg računa za žetone vključuje tudi zakasnitev izbrane poti, obnašanje ob napaki in razvojno delo, ki ga pri neposredni povezavi zahteva lasten preklop med ponudniki.

V meritvi LatencyRadarja iz šestih mest med 27. septembrom in 10. oktobrom 2026 sta neposredna pot DeepSeek in pot prek OpenRouterja z gostiteljem DigitalOcean zajeli vsaka po 390 zahtev. Tipični čas do prvega vidnega žetona je bil 661 oziroma 796 ms; razpon med najhitrejšim in najpočasnejšim mestom je znašal 39 % pri neposredni poti ter od 81 do 208 % pri različnih poteh prek OpenRouterja. To ni izolirana meritev pribitka usmerjevalnika: poti sta uporabljali različni različici modela, rezervno usmerjanje pa je bilo izklopljeno.

Pristojbina za kredite in cena inference

Cenik OpenRouterja pri načrtu Standard določa 5,5-odstotno pristojbino ob nakupu kreditov, medtem ko se inferenca obračuna po objavljeni ceni gostitelja brez pribitka na posamezno zahtevo. Če uporabite lasten ključ ponudnika (BYOK), ponudnik inferenco zaračuna neposredno; Standard vključuje 25.000 USD mesečne inference po kataloški ceni brez pristojbine OpenRouterja, nad tem pragom pa velja 5-odstotna pristojbina. Cenik določa še, da neuspešen poskus pri rezervnem usmerjanju nima stroška modelskih žetonov, čeprav se lahko že izvedene pomožne storitve obračunajo posebej. Navedene cene ne vključujejo morebitnih davkov.

Če bi kupili za 100 USD kreditov po načrtu Standard, bi pristojbina za nakup znašala 5,50 USD. To je pogojni izračun stroška polnitve računa, ne cena določene zahteve. Pri BYOK sta za isti promet pomembna dva ločena računa: ponudnikov za inferenco in morebitni OpenRouterjev za uporabo nad brezplačnim mesečnim pragom.

DeepSeekov uradni cenik za deepseek-flash zunaj koničnih ur navaja 0,15 USD za milijon vhodnih žetonov brez zadetka v predpomnilniku, 0,003 USD ob zadetku in 0,60 USD za milijon izhodnih žetonov; ob koničnih urah so te postavke dvakrat višje. Starejše ime deepseek-v4-flash zdaj streže različica DeepSeek-V4.1-Flash-1017. Pri primerjavi računa je zato treba določiti dejanski model in gostitelja, čas uporabe ter delež predpomnjenih vhodnih žetonov. Enako ime v zahtevi samo po sebi še ne zagotavlja enake različice ali enake cene na obeh poteh.

Kaj povedo meritve zakasnitve

Čas do prvega vidnega žetona je pomemben za pogovorni vmesnik: uporabnik opazi, kdaj se odgovor začne. Ne pove, kdaj se bo končal dolg odgovor ali kako hitro bo model ustvarjal naslednje žetone. Kratek poziv iz meritve zato ni napoved trajanja povzetka dolgega besedila, klicev orodij ali zahtev z vklopljenim načinom razmišljanja.

Rezultat ni enak v vsakem mestu in pri vsakem gostitelju. V Amsterdamu je bil tipični prvi žeton na neposredni poti izmerjen po 700 ms, na poti prek DigitalOcean pa po 583 ms; v Singapurju sta isti poti dosegli 527 oziroma 1008 ms. Posredovana pot je bila torej v enem mestu hitrejša, v drugem občutno počasnejša. Amsterdam je uporabna evropska primerjalna točka, vendar meritev od tam ne opisuje zakasnitve strežnika v Sloveniji.

Razlika nastane vzdolž celotne poti: pošiljatelj doseže usmerjevalnik, ta izbere gostitelja, nato zahteva čaka na obdelavo modela. Čas povezave je le del čakanja; na končni rezultat vplivajo tudi gostiteljeva lokacija, vrsta in različica modela. Za aplikacijo z občutljivo zakasnitvijo je zato smiselna primerjava iz dejanske lokacije strežnika, z določenim gostiteljem in z enako vsebino zahteve. Poleg tipičnega odziva štejejo počasnejše zahteve, saj lahko presežejo časovno omejitev aplikacije.

Rezervna pot in strošek odpovedi

Rezervno usmerjanje je glavna operativna prednost posrednika. Če izbrani gostitelj vrne napako, lahko OpenRouter poskusi pri drugem; neposredna integracija potrebuje lasten mehanizem za preklop, dodatne ključe in pravila za ponovni poskus. Pri takem preklopu ni dovolj, da je drugi model dosegljiv. Aplikacija mora vedeti, ali lahko sprejme drugačno različico, drugačno obliko odgovora ali drugačno vedenje pri uporabi orodij.

Neuspešen prvi poskus lahko ostane brez stroška modelskih žetonov, uporabnik pa vseeno plača s čakanjem. Če se napaka pokaže šele blizu časovne omejitve, rezervni gostitelj morda nima več časa za uporaben odgovor. Če je odgovor že delno prispel, mora aplikacija odločiti tudi, ali ga lahko varno zavrže in zahtevo ponovi. Zato strošek odpovedi ni ena sama postavka: sestavljajo ga zaračunana uporaba, izgubljeni čas in možnost, da uporabnik odgovora sploh ne dobi.

Usmerjevalnik zmanjša odvisnost od enega gostitelja modela, obenem pa postane skupna točka za dostopne ključe, kredite in pravila usmerjanja. Neposredni API skrajša to verigo, vendar mora aplikacija sama vzdrževati rezervno integracijo, če jo potrebuje. Smiselnost posrednika je zato odvisna tudi od tega, koliko dela prihrani ekipi in koliko počasnih ali dokončno neuspelih zahtev lahko storitev prenese.

Predpomnjenje spremeni primerjavo

Pri ponavljajočih se navodilih lahko cena vhodnih žetonov odloča bolj kot majhna razlika v osnovni ceni modela. DeepSeekova dokumentacija predpomnjenja navaja, da je funkcija pri neposrednem API-ju omogočena privzeto: poznejša zahteva lahko uporabi že shranjen začetek besedila, če se ustrezni del v celoti ujema. Spremenljivo navodilo na začetku poziva zato zmanjša možnost zadetka, tudi ko se večina preostalega besedila ponavlja.

Pri posredovanju je pomembno še, pri katerem gostitelju je predpomnilnik nastal. OpenRouterjev opis vezave seje pojasnjuje, da stabilen session_id nadaljnje zahteve usmeri k istemu gostitelju; ob njegovem izpadu lahko rezervna pot nadaljuje pri drugem, kjer prejšnji predpomnilnik ni ogret. Podatek cached_tokens v odgovoru pokaže, ali je zahteva dejansko uporabila shranjeni del. Rezervna pot lahko tako reši pogovor, naslednji korak pa vseeno stane več zaradi hladnega predpomnilnika.

Izbira za tri vrste aplikacij

Prototip z več modeli: OpenRouter je smiseln, kadar možnost hitre menjave modelov in gostiteljev odtehta pristojbino za nakup kreditov. Enoten vmesnik poenostavi integracijo, ne izenači pa cen posameznih modelov ali njihovega vedenja.
Produkcijska storitev z rezervno potjo: posrednik je privlačen, če ekipa potrebuje pripravljen preklop in lahko vnaprej določi sprejemljive gostitelje, časovno omejitev ter ravnanje ob delnem odgovoru. Če tak preklop že zanesljivo izvaja sama, naj v primerjavo vključi tudi strošek njegovega vzdrževanja.
Aplikacija z občutljivo zakasnitvijo: neposredni API je razumno izhodišče, kadar je cilj predvidljiv čas do prvega žetona za en model. Določena pot prek OpenRouterja lahko zmaga na posamezni lokaciji, zato dokončno izbiro utemelji meritev iz okolja, kjer aplikacija dejansko pošilja zahteve.

Preberite tudi: