OpenRouter × Stripe：分发是模型实验室最被低估的短板，以及"10 万亿美元 token 经济"的安全命题（Latent Space，2026-09-25）¶
- 嘉宾: Alex Atallah（OpenRouter 联合创始人兼 CEO，OpenSea 联合创始人）、Anjney Midha（a16z 普通合伙人，前 Discord 平台负责人，Anthropic 早期投资人，Mistral A 轮领投）
- 主持: Latent Space 主播（swyx）
- 来源: YouTube · 83 分钟（英文自动字幕）
- 转录稿: sources/latent-space/20260925-dCX4PE2HxMs
说话人认定依据：自动字幕只有
>>，没有姓名标签。两位嘉宾的分工从自述可硬性区分——Anjney Midha = "when I was running the platform of Discord"（[00:10:09]）、"I led the series A into Mistral"（[00:12:10]）、"I was one of the first investors in Anthropic"（[00:18:14]）；Alex Atallah = "I built a Chrome extension called window AI"（[00:36:27]）、"we blocked 10x as much dollar volume last month"（[01:10:56]）。开场有一段两人轮流回忆 2011 年 Stanford Review 相识，该处不逐句区分。自动字幕专名对照表：
open router→ OpenRouter、openc/OpenC/open C→ OpenSea、Mistral/mistral/Misreal/astral→ Mistral、Mixtra/Mixrol/mixtrol/MR 8 by 8 by7B→ Mixtral 8x7B、BFL/Black Force Labs/BSL→ Black Forest Labs、Giam/Guiam/Gom→ Guillaume Lample、Marina/Alam Marina→ LMArena、Anastasia/Anastasio与Whan→ LMArena 两位创始人（⚠️ 拼写未核实）、AXI/Axi Infinity→ Axie Infinity、NFD→ NFT、Klein→ Cline、Dream Tavern→ SillyTavern 类角色扮演应用（⚠️ 未核实）、rapper/rappers→ wrapper/wrappers（⚠️ 全篇误识）、plasma/plasmo→ Plasmo、Lewis Vichy→ Louis Vichy（⚠️ 拼写未核实）、Andre Karpathi→ Andrej Karpathy、Brainree→ Braintree、Max Lechin→ Max Levchin、FCP→ MCP（⚠️ 语境推定）。
概要¶
本库此前关于"分发与路由"的材料，都来自应用层或模型层的自述（Anton Osika 的多模型路由、Eiso Kant 的商品化论证）。⚠️ 本期是第一份来自中间层本身的材料——那个把模型交到开发者手里的路由层，回头讲它看到的市场结构。
它最反直觉的一条是：模型实验室真正的短板不在训练，而在"checkpoint 训完之后什么都没有"（[00:19:16]–[00:21:16]）。第二条是：Stripe 收购 OpenRouter 不是支付故事，是安全故事（[01:19:09]）。
本期最该被单独引用的六条¶
- ⚠️ "checkpoint 做完，然后是一片寂静"（Midha，[00:19:16]–[00:21:16]）：他以早期投资人身份给的观察是跨实验室一致的——OpenAI、Anthropic、Black Forest Labs、Mistral 的早期预训练团队，默认路径都是"checkpoint 好了，发个 API，完事"。"你会震惊于他们有多相似。"他举的最硬的例子：第一版 Claude 的 checkpoint 其实比发布早一年就在内部做好了，直到 ChatGPT 出来才决定对外发；而 Claude 1 的博客里那三个开发者案例，一个是 Discord bot、一个是他太太的创业公司、一个是 Notion，全都是 Anthropic 团队的朋友——"这就是当时分发计划的仓促程度。"
- ⚠️ Google 的隐形分发优势（Midha，[00:21:16]）：DeepMind 训完一个 checkpoint，按个按钮就能铺到从 Google Docs 到 Android 的所有界面，一夜之间覆盖十亿台设备。"这个看不见的基础设施优势大多数人没意识到；在 OpenRouter 出现之前，作为模型实验室你必须自己想清楚这一切。"
- ⚠️ "just a wrapper"是本期两人都要打的靶子（[00:24:19]–[00:28:23]）：Midha 的反驳不是理念而是工程量——"你完全不知道，光是能在生产里编排三个 API，OpenRouter 就已经创造了多少战略价值。"他自陈当时的做法是放弃教育其他 VC，直接投，"一个月后 Matt Murphy 把它 markup 了 10 倍"。
- ⚠️ fusion 为什么 2024 年失败、2026 年成立（Alex，[01:01:48]–[01:03:51]）：2024 年初的原型叫 MOM（mixture of models），把多个模型的结果用另一个模型融合。失败原因很具体——当时第一名模型远远领先第二三名，所以融合结果不比最好的那个好。⚠️ 现在成立的机制性解释："RL 基本上扩大了各实验室机器学习研究员的创造力表面积，所以他们能更有效地让不同模型的推理能力分化"——头部三四个模型能力接近但仍然"神经发散（neurodivergent）"，融合才有增量。
- ⚠️ token 欺诈的量级与形态（Alex，[01:10:56]–[01:12:59]）：上个月拦截的欺诈金额是上上个月的 10 倍，且类型在分化——盗刷信用卡、违反条款转售流量、被黑账号、整个公司被攻陷而不自知、以及"失控 agent"（不是黑客，是自己跑飞了、公司并不想要）。⚠️ 他由此推出一条商业模式预测：做网关、卖通用推理的人就是欺诈标靶；卖离散任务的人则风险低得多——所以行业会从"在推理上加价"转向"按任务/按增强收费，并让客户自带推理"。
- ⚠️ Midha 的"10 万亿 token 流"框架（[01:16:06]–[01:17:07]）：类比在线支付——80、90 年代起步，十年内长到一万亿美元以上，期间必须造出全新的支付方案来对付线上欺诈。"token 上我们今天大致就在那个位置"：未来五年 token 经济到约 5 万亿，十年到 10 万亿"我不会感到意外"。⚠️ 他的第二层判断是本页认为最该被安全主题页接走的：今天这些坏行为由人做，未来十年由 AI agent 做——而实验室很难推理这个问题，"因为你唯一有的数据是你自己在训练的 agent 怎么跑偏，而那只是互联网上全部坏行为的一小部分"。
一、多模型下注：两条不同的路径¶
Alex 的路径：Alpaca 时刻¶
- 起点（[00:04:05]–[00:05:05]）：2022 年底 OpenAI 几乎是唯一选项。Llama 出来时"很激动，但你没法跟它聊天，它不是一个有互动性的模型"。Alpaca 是他看到的第一个把这一步补上的模型——只花了 600 美元：Stanford 的团队生成一批合成数据、微调 Llama，做出 70 亿（或 130 亿）参数的模型，"很多情况下你分辨不出 ChatGPT 和 Alpaca 的结果"。
- ⚠️ 他从中读出的不是模型，是商业模式（[00:05:05]–[00:06:06]）："我们第一次有了一种全新的数据变现方式"——把有价值的数据压进一个模型里，再当作服务卖出去，而这个成本还会继续降。
- 由此推出为什么需要市场（[00:06:06]–[00:07:06]）：只要有一个跑通的爆款 app，加上一套模仿它的框架，生态就会立刻长出来，因为"单一公司做的决定，和更广生态能长出的全部变体之间，有巨大的空隙"。
- 他对"为什么不是 Hugging Face"的回答（[00:07:06]）：Hugging Face 最接近，但没有闭源模型、当时不能直接用模型、也没有"谁在用"的数据。
Midha 的路径：Discord 的 250M 用户逼出来的需求¶
- ⚠️ 最具体的一段一手经历（[00:12:10]–[00:15:12]）：Discord 拿到 GPT-3.5 早期访问，做两个内部用例——Clyde（站内好友 bot）和内容审核。审核撞墙的方式很硬：post-training 的护栏会直接拒绝他们的 prompt。他们跟 OpenAI 说"我们需要权重访问，因为我们要在 2.5 亿月活的规模上做审核，需要模型可靠地照做"，得到的回答是"抱歉，我们是闭源公司"。
⚠️ "那是我第一次意识到我们需要开源模型，而企业会需要对能力有更多控制。"
- 为什么护栏在这个用例上必然失灵（[00:14:11]–[00:15:12]）：每个 Discord 服务器都是一次小型部署，各有各的社区规范（他们当时有 5000 多人的外包审核团队在人工执行）。设想是把服务器规范给 LLM 做上下文内审核——"而很多服务器的规范本身就违反 OpenAI 的规则"。他举的真实案例：哈利波特粉丝社区因为 post-training 里"任何商标内容都拒绝"的粗暴规则而被模型拒绝服务。
- ⚠️ 他与 Alex 的分歧是对 scaling law 的读法（[00:18:14]–[00:19:16]）：Alex 认为"大模型通吃"这个最大反对意见本身就不太可能；Midha 的路径完全相反——他相信 bitter lesson、认为 scaling 有效，正因如此才认为 OpenRouter 有价值："太好了，现在我们至少有两个 compute scaling 有效的证明点"，而生态里会有多个模态、多支团队。
二、中立层为什么难：营销、数据政策与"为什么不是 LMArena"¶
- ⚠️ Alex 对自己业务的比喻，本页认为是全期最凝练的一句（[00:23:18]–[00:24:19]）：
"用户走进的是一个大黑屋子，所有角落都被遮住，他们摸索着想知道该从桌上抓起哪个东西装进自己公司。这是一种荒谬的工作方式。模型不是那种能把所有特性列在网页上的产品——它们全是黑箱，包括开源权重的那些。所以你需要有人往这个屋子的每个角落打光。而打光的那家公司必须是中立第三方。"
- 数据政策作为品牌区隔（[00:49:41]–[00:50:41]）：OpenRouter 默认看不到你的 prompt 和 completion，要看必须组织主动 opt-in；他明说这构成与 LMArena 的结构性差异——"一家公司拿数据去卖，另一家默认就不能"。
- ⚠️ Midha 对"为什么 Arena 和 OpenRouter 不是一回事"的第一手澄清（[00:50:41]–[00:52:43]）：他自陈是 Arena 的首任 CEO（前 5 个月），帮两位创始人从 Berkeley spin out，创始实体叫 AI Reliability Institute——它是一项 eval 服务，源头是两人在 Berkeley 关于统计方法学（修正 eval 估计的内在偏差、style control） 的博士工作。
⚠️ 两者的分野在"最高期望客户"是谁："Arena 的最高期望客户始终是实验室里的 post-training 研究员；而 Alex 真正理解并服务的，是拿走研究结果、做出部署到世界上的应用的那个开发者。这是完全不同的问题和完全不同的人。"
- 他给的佐证细节（[00:51:42]–[00:52:43]）：他曾想把两边的 prompt 数据合成一个开源数据集，结果发现Arena 根本没有那类数据——没有 API prompt，没有"开发者想拿模型做什么"。
三、增长曲线：模型发布驱动的"摆动"¶
- ⚠️ Mixtral 8x7B 是第一个真实证明点（[00:44:38]–[00:46:40]）：这是他印象里第一次有开源权重模型被严肃地称作"世界最好的模型"；直接后果是多家 provider 在同一个地方竞价，价格下来约 80%——"这是第一个清楚的例子，证明 provider 市场以对开发者有增值的方式跑通了。"
- ⚠️ Midha 补了一条来自 Mistral 创始人本人的反证（[00:46:40]–[00:47:40]）：他在 NeurIPS 问 Guillaume 感觉如何，对方"以典型的法国方式说，还行吧，没那么好"；并且认为很多人觉得它比 GPT-4 强，部分原因是速度——MoE 让它极高效、处在帕累托前沿。
⚠️ "有时候它们更快，你就觉得它们更聪明。" 这条被 swyx 直接接成"人作为 router"——先问快的，不够好再手动升级——而这正是后来 auto router 的雏形。
- ⚠️ 他总结出的"摆动"节律（本页认为最有预测力的一条）（[01:06:55]–[01:07:55]）：
- 模型实验室做出一次前沿创新 →
- 用量激增 →
- 30 天后用户看账单，"这是怎么回事" →
- 约 3 个月后开源权重模型交付出性价比替代。
"我们看到这个循环发生过好几次。"
- 几个节点：2024 年 5 月之前主力用例是散文（coding 还不行）；Claude Sonnet 3.5（2024 年中）是编码的一次巨大跃迁，应用生态随之改变（[01:05:54]–[01:06:55]）。2025 年底 OpenClaw 出现——新的形态带来新类型的用户（不只是开发者，还有生产力型/互联网创作者），而且架构上有趣：它会用"心跳"反复调用你选的模型来确认自己还活着，"你不会想为一次心跳付很多钱"，于是 auto router 对这批用户突然非常有用（[01:07:55]–[01:08:56]）。
- 规模（[00:22:16]、[01:04:54]）：开发者数超过 1000 万；token 量每天超过 10 万亿（对照主持人记忆里"100 万亿"曾是个可笑的里程碑）；周环比约 9%。
- ⚠️ Karpathy 的一句被当作成年礼（[01:09:56]–[01:10:56]，Alex 转述）：他说自己不再读 local llama 了，直接看 OpenRouter 的排行榜。
四、没做的事：本期关于"聚焦"的部分¶
- 做了但没发的原型（[00:56:46]–[00:58:46]）：微调即服务——给它两三个 YouTube 视频，抽转录稿，微调出一个"像视频里的人那样说话"的模型。"我们真做出来了，然后没人用。"swyx 的诊断是这类东西"本质上是加了光环的 RAG bot"，人最后总是想找到那条原始视频。
- ⚠️ 为什么不做微调/记忆/沙箱这些邻接品（本页认为是给基础设施创业者最实用的一段）（[00:59:46]–[01:00:47]、[01:08:56]–[01:09:56]）：
- 记忆、skills、sandbox 这些是开发者自己想架构的东西——它们是构成好用户体验的关键部分；"很难找到对所有开发者都成立的记忆层抽象"。
- 中立市场的价值恰恰在于和这些推理商/工具商合作，而不是替代他们。
- ⚠️ Midha 用 Anthropic 反向佐证"聚焦"（[00:53:44]–[00:55:46]）："人们以为 Anthropic 早期很轻松，因为他们是离开的 GPT-3 那批人。其实非常艰难，公司起步时落后 OpenAI 一百亿美元。"他说使命从第一天起就是"负责任地商业化一个 AI 结对程序员"（seed memo 原话），因而把当时风头正劲的图像、视频模型全部排除在外；"今天你看到结果了——五年内的万亿美元公司。"⚠️ 他明确说公司历史上有过短暂的"支线实验"（ChatGPT 起飞时试过通用聊天机器人），但所有主 eval 从第一天起都是 coding eval、长时程 agentic programming。
五、为什么是 Stripe：一个安全故事¶
- ⚠️ Midha 的原型经历（本页最有说服力的一条，因为它早于 LLM）（[01:14:02]–[01:16:06]）：Midjourney 早期用免费试用把用户推到"10 次生成"这个激活点，某天他被 David Holtz 连打三个未接来电——一夜之间涌入大量新用户，查 IP 地理位置后发现有人在中国转售 Midjourney 的免费试用额度。"据我所知 Midjourney 从那以后再没开过免费试用，因为在信任与安全上这不是个容易解决的问题。"⚠️ 当时 Midjourney 的收入运行率还不到 3 亿美元——他强调的正是"在这么小的规模上就已经有这么激进的滥用"。
- 他对 Stripe 的定性（[01:18:08]–[01:19:09]）：Stripe 十年前的推销是把欺诈成本作为获客成本先吞下去，让开发者五行代码五分钟开始收款，再把数据攒起来；五年后推出 Stripe Radar。
⚠️ "Stripe 今天其实是一家安全公司。人们以为它是支付公司。不是——今天有很多更便宜的支付通道，Stripe 之所以还是主导者，是因为它多年建起来的极强欺诈检测。"
- ⚠️ 他要立的一般规律（[01:19:09]）："每一次有大量价值在世界范围内被streaming，你就需要新的保护与安全基础设施，把坏人挡在外面、让好人的交易飞快完成。"由此"Stripe 与 OpenRouter 这件事，从我的角度看是一个关于互联网生态、关于前沿 AI 生态的安全故事"。
- ⚠️ agentic fraud 这条预测的完整形态（[01:19:09]–[01:20:09]）：需要的是能横跨生态（不同模型实验室、不同 post-train 部署、不同开发者）看到全部 agent 坏行为的"新警长"，把这些数据合起来给整个 token 经济建一面盾。
"如果人们就是不信任 token，我们可能永远到不了那 10 万亿。"
- 交易之后的具体承诺（[01:21:10]）：OpenRouter 品牌、产品、路线图、名字全部保留；未来 6 个月"基本上就是我们独立时会做的事，只是全部更快"。