10 月 25 日在 Hacker News 引发讨论的一份 AI 网关对比基准给出了四家网关的实测数据。Keln 团队用 DeepSeek V4.1 Flash 跑了 24 小时的真实智能体会话，总计 13440 轮，每个网关分到 3360 轮，四个网关在同一时刻收到同一轮请求，每 20 轮里还会有 1 轮暂停 1 到 20 分钟，模拟真实用户的中断。参与对比的是 Keln、OpenRouter、Vercel 和 Ramp。
缓存命中率与换供应商次数
缓存命中率的口径是整个会话里被缓存命中的提示词 token 占比。Keln 拿到 93.9%，OpenRouter 88.5%，Vercel 86.7%，Ramp 62.6%。差距的来源是各家的路由策略不同，Keln 会把一段对话留在持有其前缀的供应商上，Vercel 会把对话钉在首个供应商 5 分钟，而 OpenRouter 和 Ramp 每次请求都重新选。
换供应商的次数同样拉开了量级。3360 轮里 Keln 换了 14 次，Vercel 60 次，OpenRouter 148 次，Ramp 500 次。暂停时长的影响也测了出来，暂停 10 分钟后，Keln 仍能从缓存里提供 75% 的下一轮提示词，OpenRouter 是 52%，Vercel 25%，Ramp 23%。
推理量与账单
每轮平均推理 token 分别是 Keln 856、OpenRouter 1033、Vercel 403、Ramp 420。同样的 3360 轮，总账单从 Vercel 的 9.14 美元到 Ramp 的 20.20 美元不等，OpenRouter 10.98 美元，Keln 11.26 美元。Vercel 账单最低的原因并非单价，而是它实际跑的推理量更少。
推理量被截断这件事最值得警惕。在请求要求最高推理强度时，Vercel 和 Ramp 送回来的推理量不到 Keln 的一半，账单相应更低，但响应看起来是成功的，错误会在更难的一轮才暴露，而那一轮的日志显示请求完全正常，网关自然不会被怀疑。底层模型与供应商其实是重叠的，推理量本该在噪声范围内对齐。
基准用了什么模型
这次跑的是 DeepSeek V4.1 Flash，DeepSeek V4.1 Flash 因果编码器解码器架构解析 那篇深度文里拆过这套编码器与解码器的结构。当网关差异能在同一个模型上被量化出来，路由层的选型才第一次有了可比的参照系。
延伸阅读
- Claude Opus 5.5 Max登顶Arena智能体榜：17.29%确认率意味着什么2 周前
- openJiuwen X-Router：成本降44.6%质量不损，模型路由自演进3 周前
- DeepSeek V4.1 Flash：552B MoE、KV 缓存缩 437 倍1 周前
- DeepSeek Harness 桌面版上线：6 元赠金跑 1.2 亿 token4 周前
继续读
同一批更新里这几篇值得一看：
- You.com 推理路由上线：12 个开放权重模型 99.9% SLA2026-10-24
- DeepSeek V4.1 Flash-1017 上线：帕累托最优、API 零改动2026-10-17
- 全球AI大模型周调用量129万亿：中国连续21周超美国2026-10-09
想快速查定义？对应的词条在这里：
- DeepSeek词条 · AI 自学笔记