Os dados de classificações do OpenRouter são licenciados sob CC BY 4.0. Reutilize e republique com atribuição. A documentação da API de dados aborda o formato de citação e o acesso via JSON a esses conjuntos de dados.
Os dados de classificações do OpenRouter são licenciados sob CC BY 4.0. Reutilize e republique com atribuição. A documentação da API de dados aborda o formato de citação e o acesso via JSON a esses conjuntos de dados.
Classificações de LLMs em tempo real por uso real. Os modelos são classificados pelos tokens processados por meio da API do OpenRouter por milhões de desenvolvedores. Ver todos os texto modelos
Dados de uso até
Cada modelo é classificado pelo número de tokens que processou por meio da API do OpenRouter, contando tanto os tokens de prompt quanto os de conclusão. O uso é agregado em intervalos diários em UTC e totalizado por variante de modelo, de modo que variantes do mesmo modelo, como uma variante gratuita, são classificadas separadamente. As solicitações que um usuário ou aplicativo mantém privadas são excluídas antes da agregação.
Hoje, Esta semana e Este mês abrangem, respectivamente, uma janela móvel de um dia, sete dias e trinta dias, terminando no intervalo diário completo mais recente. Em alta compara os últimos sete dias com os sete dias anteriores e classifica os modelos pela variação percentual no uso de tokens, incluindo apenas modelos com pelo menos um milhão de tokens na janela atual para que uma base pequena não produza uma porcentagem alta. Novos modelos sem uma semana anterior são listados primeiro, até um máximo de cinco.
A data acima das classificações corresponde ao período de uso mais recente a partir do qual a classificação é calculada, não ao momento em que a página foi renderizada ou implantada, por isso ela só avança quando novos dados de uso são agregados.
Estas classificações mostram o tráfego roteado pelo OpenRouter. O gráfico Principais modelos e o Ranking de LLMs classificam os modelos por tokens processados, enquanto o gráfico Participação de mercado contabiliza as requisições. Nenhum deles mede usuários ou gastos. Os modelos diferem em verbosidade e tokenização, portanto um total maior de tokens mostra quanto um modelo é usado, não qual modelo é o melhor para uma tarefa. Eles não classificam os modelos por acurácia, capacidade de raciocínio ou desempenho em avaliações comparativas. A seção Avaliações comparativas classifica os modelos nesses aspectos usando pontuações da Artificial Analysis e da Design Arena, além de avaliações comparativas como o GPQA Diamond, que o próprio OpenRouter executa e cujos resultados apresenta como a mediana da acurácia entre os provedores. Para programação, compare o Índice de programação da Artificial Analysis nessa seção com a seção Programação, que classifica os modelos por tokens em uma amostra de requisições em uma linguagem escolhida, como Python. O gráfico Principais modelos identifica os nove modelos mais usados em cada período e agrupa os demais como Outros. O gráfico Participação de mercado mostra a participação de cada autor de modelos nas requisições de texto no OpenRouter, com os demais autores agrupados como Outros.
Os dados de classificações do OpenRouter são licenciados sob CC BY 4.0. Reutilize e republique com atribuição. A documentação da API de dados aborda o formato de citação e o acesso via JSON a esses conjuntos de dados.
| Posição | Modelo | Autor | tokens processados | Variação |
|---|---|---|---|---|
| 1 | DeepSeek V4.1 Flash 1017 | deepseek | 50,4T unidades de tokenização | +43% |
| 2 | GLM 5.3 Flash | z-ai | 15,3T unidades de tokenização | +11% |
| 3 | DeepSeek V4.1 Flash | deepseek | 15,1T unidades de tokenização | -13% |
| 4 | Hy4 preview | tencent | 9,25T unidades de tokenização | +3% |
| 5 | GPT-6 Luna | openai | 9,22T unidades de tokenização | +2% |
| 6 | Claude Opus 5.5 | anthropic | 6,67T unidades de tokenização | -19% |
| 7 | MiniMax M3.1 Flash | minimax | 6,46T unidades de tokenização | +340% |
| 8 | Step 5 Preview | stepfun | 6,46T unidades de tokenização | +46% |
| 9 | GPT-5.6 Luna | openai | 5,32T unidades de tokenização | +199% |
| 10 | GPT-6.1 Sol | openai | 3,93T unidades de tokenização | +35% |
Resumo textual da aba Hoje da classificação acima. Os modelos são classificados pelos tokens processados no OpenRouter durante o dia completo mais recente, com a variação medida em relação ao dia anterior.
| Posição | Modelo | Autor | Tokens | Variação |
|---|---|---|---|---|
| 1 | DeepSeek V4.1 Flash 1017 | deepseek | 7,79T | +30% |
| 2 | GLM 5.3 Flash | z-ai | 2,58T | +83% |
| 3 | DeepSeek V4.1 Flash | deepseek | 2,41T | +13% |
| 4 | Hy4 preview | tencent | 1,58T | +115% |
| 5 | GPT-5.6 Luna | openai | 1,31T | +130% |
| 6 | GPT-6 Luna | openai | 1,12T | +40% |
| 7 | Step 5 Preview | stepfun | 1,01T | +35% |
| 8 | Claude Opus 5.5 | anthropic | 978B | +50% |
| 9 | MiniMax M3.1 Flash | minimax | 906B | +1% |
| 10 | Kimi K3.1 Pro | moonshotai | 720B | +26% |
Resumo textual da aba Este mês da classificação acima. Os modelos são classificados pelos tokens processados no OpenRouter nos últimos trinta dias, com a variação medida em relação aos trinta dias anteriores.
| Posição | Modelo | Autor | Tokens | Variação |
|---|---|---|---|---|
| 1 | DeepSeek V4.1 Flash | deepseek | 113T | +80% |
| 2 | DeepSeek V4.1 Flash 1017 | deepseek | 93,2T | novo |
| 3 | GLM 5.3 Flash | z-ai | 56,5T | +1% |
| 4 | Hy4 preview | tencent | 36,4T | -29% |
| 5 | GPT-6 Luna | openai | 33,1T | +301% |
| 6 | MiMo-V2.6-Flash | xiaomi | 32,2T | +133% |
| 7 | Step 5 Preview | stepfun | 31,2T | novo |
| 8 | Claude Opus 5.5 | anthropic | 27,5T | +763% |
| 9 | Nemotron 3 Ultra (free) | nvidia | 22T | +9% |
| 10 | GLM 5.3 | z-ai | 19,1T | +55% |
Resumo em texto da aba Novos e em alta da classificação acima. Os modelos são classificados pela variação percentual de tokens processados nos últimos sete dias em relação aos sete dias anteriores, entre os modelos com pelo menos um milhão de tokens na semana atual. Um modelo sem dados da semana anterior é marcado como novo.
| Posição | Modelo | Autor | Tokens | Variação |
|---|---|---|---|---|
| 1 | Particle-1 | particle-ai | 77,2B | novo |
| 2 | GPT-6.1 Terra Pro | openai | 31,7B | novo |
| 3 | d1.1 | liquid | 12,1B | novo |
| 4 | GLM 5.3 FlashX Legal | z-ai | 3,97B | novo |
| 5 | Joey 1 | baseten | 3,28B | novo |
| 6 | GPT-5.4 Mini (batch) | openai | 2,63M | >999% |
| 7 | Titan Multimodal Embeddings G1 | amazon | 1,5M | >999% |
| 8 | Titan Text Embeddings V2 | amazon | 207M | >999% |
| 9 | Grok 4.3 (batch) | x-ai | 795M | >999% |
| 10 | Span-01 Lite (free) | respan | 7,3B | >999% |
Resumo textual do gráfico de participação de mercado acima. Participação nas solicitações de texto feitas no OpenRouter na semana que começa em 26 de out. de 2026, com a variação nas solicitações de cada autor em relação à semana anterior. DeepSeek lidera com 29,8% das solicitações da semana. Os autores que o gráfico agrupa como outros são listados por último, para que as linhas correspondam às séries exibidas no gráfico.
| Posição | Autor | Participação nas requisições | Variação nas solicitações |
|---|---|---|---|
| 1 | DeepSeek | 29,8% | +7% |
| 2 | OpenAI | 18,8% | -3% |
| 3 | 14,4% | -32% | |
| 4 | Z.ai | 11,9% | +6% |
| 5 | Anthropic | 5,7% | 0% |
| 6 | Qwen | 5,6% | +14% |
| 7 | Mistral AI | 2,2% | +7% |
| 8 | Tencent | 1,9% | -2% |
| 9 | Meta Llama | 1,5% | |
| Todos os outros autores | 8,2% | -6% |
Resumo do gráfico de comprimento de contexto acima para a janela de contexto de 10K na semana iniciada em 26 de out. de 2026. Others lidera com 2 bi requisições.
| Posição | Modelo | Requisições |
|---|---|---|
| 1 | Others | 2 bi |
| 2 | typesafe/jev-1.13-20260917 | 639 mi |
| 3 | z-ai/glm-5.3-flash-20260826 | 478 mi |
| 4 | typesafe/jev-1.14-20261014 | 318 mi |
| 5 | openai/gpt-6-luna-20260922 | 275 mi |
| 6 | deepseek/deepseek-v4.1-flash-20261017 | 258 mi |
| 7 | deepseek/deepseek-v4-flash-20260423 | 237 mi |
| 8 | deepseek/deepseek-v4.1-flash-20260910 | 219 mi |
| 9 | deepseek/deepseek-v4-flash-20260731 | 197 mi |
| 10 | anthropic/claude-haiku-5.5-20261007 | 99 mi |