Model
.ai
siguiendo los modelos de IA abiertos
Auto Router

openrouter | contexto de 2,000,000 tokens | $-1,000,000.00/M entrada, $-1,000,000.00/M salida. El Auto Router selecciona automáticamente el mejor modelo para tu prompt, impulsado por la sabiduría del mercado. Te dirige según lo que la comunidad de OpenRouter gasta colectivamente para exactamente el tipo de tarea que representa tu prompt. Observa el gasto en una ventana móvil de 7 días, por lo que se mantiene actualizado con nuevos lanzamientos de modelos automáticamente. Tu respuesta tendrá el mismo precio que el modelo al que se te dirija. La configuración cost_tier (low, medium, high, xhigh…openrouter | contexto de 2,000,000 tokens | $-1,000,000.00/M entrada, $-1,000,000.00/M salida. El Auto Router selecciona automáticamente el mejor modelo para tu prompt, impulsado por la sabiduría del mercado. Te dirige según lo que la comunidad de OpenRouter gasta colectivamente para exactamente el tipo de tarea que representa tu prompt. Observa el gasto en una ventana móvil de 7 días, por lo que se mantiene actualizado con nuevos lanzamientos de modelos automáticamente. Tu respuesta tendrá el mismo precio que el modelo al que se te dirija. La configuración cost_tier (low, medium, high, xhigh o max) selecciona cuánto estás dispuesto a pagar. El valor predeterminado es low, ofreciéndote un conjunto de modelos altamente rentables. Al seleccionar modelos, el auto router respeta cualquier directriz, políticas de privacidad/ZDR y restricciones de modelos que tengas en la solicitud o configuración de cuenta. Las conversaciones de múltiples turnos se mantienen con un solo modelo hasta que deje de ser la opción principal para tu tarea. Aprende más en nuestra documentación. Para otra forma de enrutar, consulta Pareto Code.

Guías para este modelo
Todas las guías
Auto Router es la capa meta de OpenRouter que elige un modelo real para ti en el momento de la solicitud, basado en dónde la comunidad de OpenRouter realmente gasta dinero en tareas como la tuya durante los últimos siete días. Nunca fijas un modelo; el router rastrea nuevos lanzamientos automáticamente y cobra tu llamada según el precio del modelo elegido. Es ideal para desarrolladores y usuarios avanzados que quieren buenos resultados sin auditar constantemente el panorama de modelos.

Conocido por

  • Dirige cada prompt al modelo que la comunidad respalda colectivamente para ese tipo de tarea
  • Se mantiene actualizado automáticamente mediante una ventana de gasto móvil de 7 días
  • Cinco niveles de costo (bajo a máximo) permiten limitar o aumentar tu disposición a pagar
  • Respeta las reglas de tu cuenta, políticas de privacidad y restricciones de modelos
  • Las conversaciones multi-turno permanecen en un modelo para consistencia

Cuidado con

  • No controlas qué modelo responde; depurar o reproducir salidas es más difícil por ello
  • El nivel de costo por defecto es bajo, por lo que puedes obtener modelos más baratos a menos que subas el nivel explícitamente
  • API cerrada, sin pesos abiertos ni despliegue local

Prompts para probar

Dirigir una tarea mixta
Necesito hacer tres cosas: resumir este párrafo en una frase, luego traducir esa frase al francés y después escribir una función corta en Python que la imprima. Aquí está el párrafo: 'El Telescopio Espacial James Webb ha revelado galaxias formándose mucho antes de lo que los modelos predijeron, obligando a los cosmólogos a revisar supuestos sobre el universo temprano.' Haz los tres pasos en orden.
Elegir el nivel correcto
Estoy construyendo un bot de soporte al cliente que maneja preguntas de facturación y solución básica de problemas. Esboza una estructura de prompt de sistema, lista los cinco modos de fallo más comunes para bots de soporte y sugiere cómo manejar la escalación a un agente humano. Mantén el consejo práctico y en menos de 400 palabras.
Probar consistencia de enrutamiento
Este es el mensaje uno de una conversación multi-turno. Quiero planear un viaje en solitario a Japón por dos semanas en primavera. Comienza preguntándome las tres preguntas más importantes que necesitas responder antes de hacer recomendaciones. Espera mis respuestas antes de sugerir algo.

Comparar con

  • Auto Router (Beta)
    Modelo solo API
    Contexto de 2,000,000 tokens · $-1,000,000.00/M entrada, $-1,000,000.00/M salida
  • Free Models Router
    Modelo solo API
    Contexto de 200,000 tokens · gratis para usar
  • DeepSeek V4.1 Flash
    Modelo con pesos abiertos
    Contexto de 1,048,576 tokens · $0.04/M entrada, $0.68/M salida
  • GLM 5.3 Flash
    Modelo con pesos abiertos
    Contexto de 1,048,576 tokens · $0.02/M entrada, $0.72/M salida
Más modelos de texto de openrouter

Preguntas frecuentes

¿Puedo ejecutar Auto Router localmente o descargar sus pesos?
No. Auto Router es una capa de enrutamiento solo API operada por OpenRouter; no hay pesos para descargar y no puede ejecutarse localmente.
¿Cuánto cuesta realmente Auto Router?
Tu solicitud se factura a la misma tarifa que el modelo que el router selecciona, por lo que el precio varía por llamada. El parámetro cost_tier (low, medium, high, xhigh, max) controla qué tan caro puede elegir el router; el valor por defecto es low.
¿En qué se diferencia Auto Router de elegir un modelo tú mismo?
En lugar de que tú elijas un modelo, el router infiere uno a partir del gasto agregado de la comunidad en tareas similares durante los últimos siete días, reflejando automáticamente qué modelos lideran actualmente para tu tipo de prompt sin mantenimiento manual.
Veredicto del capitán
Útil si quieres delegar la decisión de enrutamiento y no necesitas saber o reproducir exactamente qué modelo te respondió.
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
Ranking badge
Updated Oct 22, 2026
Auto Router en ModelTrends.ai: Heat 5,517°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
Puntuación heat
Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
Piso
Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
Equivalentes a descargas
Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
Escala logarítmica
Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
Likes
Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
Tasa de adopción
Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
Medido y estimado
Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
Seeder
Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
AI Horde
Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
Sitios de generación
Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
Tokens de OpenRouter
Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint)
Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
LoRA y embedding
Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
Familia y pesos
La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
Antigüedad
Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
Impulso de familia
Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
Puntaje provisional
Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
¡Nuevo! (periodo de gracia)
Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
Tendencia
Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
Modelo típico
El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.