Pareto 代码路由器
5209°
openrouter | 2,000,000 令牌上下文 | $-1,000,000.00/M 输入, $-1,000,000.00/M 输出。Pareto 路由器维护一份强大编码模型的分层候选名单，按人工分析Opens in new tab 编码百分位排名。在 pareto-router 插件Opens in new tab 中设置 min_coding_score（0 到 1 之间）以控制所需编码能力；分数越高选择越强（通常也更昂贵）的模型。若省略 min_coding_score，路由器默认为高阶层。变体下拉菜单选择 Nitro 时，会根据测得吞吐量对您所在层的模型进行排名，并将每个请求路由至最快模型，从而以牺牲模型多样性换取更低延迟。完整选择逻辑、回退行为及自定义路由方法详见 Pareto 路由器文档Opens in new tab。另有其他路由方式，请参见 Auto Router。
本模型的指南
全部指南
船长笔记
2026-10-13 的笔记
Pareto Code Router 是 OpenRouter 的一个元路由器，基于你设定的分数阈值自动从排名靠前的编码模型列表中选择。它不固定使用单一模型，而是将每个请求分配给符合质量或速度偏好的模型。适合想要强大代码生成能力但不想手动跟踪最佳模型的开发者。
以……著称
- 基于人工分析编码百分位数路由至顶级编码模型
- 可调节 min_coding_score 参数，权衡成本与编码能力
- Nitro 版本优先考虑吞吐量，降低延迟但减少模型多样性
- 无分数参数时默认使用高编码等级
注意
- 价格未公开，实际费用取决于处理请求的底层模型。
- 非开源权重，无法本地运行；需 OpenRouter 账号和 API 访问。
- 这是路由到其他模型的工具，不是单一模型，输出风格和行为会因请求而异。
推荐尝试的提示词
重构提升可读性
重构以下 Python 函数，使其更易读易维护。添加类型提示，重命名不明确变量，必要时拆分为更小的辅助函数。每处修改前用简短注释说明理由。
def proc(d, x, flag=False):
r = []
for i in d:
if flag and i > x: r.append(i * 2)
elif not flag and i < x: r.append(i)
return r
调试异步代码
以下异步 Python 代码片段在脚本中运行时抛出事件循环 RuntimeError。找出错误，解释原因，并提供一个可从标准 Python 入口点运行的修正版本。
import asyncio
async def fetch(): return 42
result = asyncio.get_event_loop().run_until_complete(fetch())
print(result)
asyncio.run(fetch())
编写 REST 端点
编写一个最小 FastAPI 端点，接受 POST 请求到 /summarize，JSON 体包含 text 字段（字符串，最多 5000 字符）。验证输入，验证失败返回 422 和清晰消息，暂时返回文本前 200 字符作为 summary 字段。
与……比较
- DeepSeek V4.1 Flash开源权重模型1,048,576 令牌上下文 · $0.04/M 输入，$0.68/M 输出
- GLM 5.3 Flash开源权重模型1,048,576 令牌上下文 · $0.02/M 输入，$0.72/M 输出
- Hy4 preview开源权重模型1,048,576 令牌上下文 · $0.83/M 输入，$2.50/M 输出
- MiMo-V2.6-Flash开源权重模型1,050,000 令牌上下文 · $0.14/M 输入，$0.28/M 输出
来自 openrouter 的更多文本模型
常见问题
- 我能本地运行 Pareto Code Router 或下载其权重吗？
- 不能。它是 OpenRouter 上的 API 元路由器，无开源权重，无 Hugging Face 仓库。
- 实际费用是多少？
- OpenRouter 未公布固定价格，费用取决于所选底层模型，因层级和请求而异。
- 与 OpenRouter 的 Auto Router 有何不同？
- Pareto Code Router 限定模型池为编码表现优异模型，并允许调节质量下限；Auto Router 是跨所有任务的通用选择器。
船长评语如果你想要无需手动管理模型排名的竞争力代码生成方案，且能接受费用波动和模型不可控，实用且省心的选择。
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
Pareto 代码路由器 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153