استرایپ با ۸ میلیارد دلار OpenRouter را خرید

استرایپ با خرید پلتفرم OpenRouter، وارد دنیای مدیریت و مسیریابی هوشمند مدل‌های هوش مصنوعی شد؛ معامله‌ای ۸ میلیارد دلاری که می‌تواند نحوه پرداخت هزینه‌های توکن و دسترسی به صدها مدل AI را برای توسعه‌دهندگان متحول کند.

شرکت Stripe با توافق بر سر خرید OpenRouter، پلتفرمی برای مسیریابی مدل‌های هوش مصنوعی که دسترسی توسعه‌دهندگان به صدها مدل را از طریق یک رابط کاربری واحد فراهم می‌کند، وارد مرحله جدیدی از فعالیت خود شد. این معامله، قابلیت انتخاب و مسیریابی مدل‌ها را به خدمات فعلی Stripe در زمینه مدیریت استفاده از هوش مصنوعی و صورت‌حساب مبتنی بر توکن (token-based billing) اضافه می‌کند.

به گفته Stripe، پلتفرم OpenRouter از بیش از ۴۰۰ مدل ارائه شده توسط بیش از ۸۰ تأمین‌کننده پشتیبانی می‌کند. توسعه‌دهندگان بدون نیاز به ادغام جداگانه با هر یک از تأمین‌کنندگان مدل، می‌توانند از OpenRouter استفاده کنند تا درخواست‌های خود را تنها از طریق یک API ارسال نمایند.

مسیریابی؛ فراتر از انتخاب مدل

این پلتفرم درخواست‌ها را بر اساس عواملی همچون پیچیدگی وظیفه، قیمت، سرعت و قابلیت اطمینان ارزیابی می‌کند و سپس می‌تواند هر درخواست را به مدلی هدایت کند که با آن الزامات همخوانی داشته باشد.

OpenRouter همچنین لایه دوم مسیریابی را میان تأمین‌کنندگانی (providers) که یک مدل واحد را ارائه می‌دهند، مدیریت می‌کند. طبق مستندات این پلتفرم، مشتریان می‌توانند نقاط اتصال (endpoints) را بر اساس قیمت، نرخ انتقال داده (throughput) یا میزان تأخیر (latency) اولویت‌بندی کنند و در عین حال محدودیت‌هایی مانند حداکثر قیمت یا حداقل سطح عملکرد را تعیین نمایند.

این پلتفرم با استفاده از داده‌های عملکردی به‌روز (rolling performance data)، میزان تأخیر و نرخ انتقال داده را برای ترکیب‌های مختلف «مدل-تأمین‌کننده» اندازه‌گیری می‌کند. این قابلیت اجازه می‌دهد تا درخواست‌ها به‌جای اتکا به یک تأمین‌کننده ثابت، به نقطه‌ای هدایت شوند که معیارهای مشخص‌شده از نظر هزینه یا عملکرد را برآورده می‌کند.

در واقع، در اینجا دو تصمیم مجزا برای مسیریابی گرفته می‌شود: اینکه کدام مدل وظیفه انجام درخواست را بر عهده بگیرد و کدام نقطه اتصالِ تأمین‌کننده آن را ارائه دهد.

انتخاب تأمین‌کننده می‌تواند حتی در صورت یکسان بودن مدل اصلی، بر هزینه‌های استنتاج (inference costs) نیز تأثیر بگذارد. برای مثال، در داده‌های مربوط به ژوئن ۲۰۲۶، OpenRouter قیمت ورودی مدل Llama 3.3 70B را از طریق DeepInfra معادل ۰.۱۰ دلار به ازای هر میلیون توکن و از طریق Together معادل ۱.۰۴ دلار لیست کرده بود؛ در حالی که قیمت خروجی در میان تأمین‌کنندگان مختلف، بین ۰.۳۲ تا ۱.۰۴ دلار به ازای هر میلیون توکن متغیر بود.

قابلیت مسیریابی می‌تواند در صورت از دسترس خارج شدن یک نقطه اتصال، به‌عنوان راهکار جایگزین (Failover) عمل کند. OpenRouter اعلام کرده است که سیستم آن می‌تواند در مواجهه با مشکلاتی نظیر قطعی سرویس تأمین‌کننده، محدودیت نرخ درخواست (rate limits)، خطاهای مربوط به طول کانتکست (context-length errors) یا عدم پاسخگویی به دلیل محدودیت‌های نظارتی بر محتوا (Moderation Refusals)، درخواست‌ها را به مدل‌ها یا تأمین‌کنندگان جایگزین منتقل کند.

همچنین الزامات مدیریت داده نیز می‌تواند بخشی از فرآیند انتخاب تأمین‌کننده باشد. OpenRouter به کاربران اجازه می‌دهد درخواست‌ها را به نقاط اتصال با قابلیت «عدم ذخیره‌سازی داده‌ها» (Zero Data Retention) محدود کنند و از مسیریابی به سمت تأمین‌کنندگانی که داده‌ها را جمع‌آوری کرده یا از پرامپت‌ها برای آموزش مدل استفاده می‌کنند، جلوگیری نمایند. علاوه بر این، مشتریان سازمانی می‌توانند درخواست کنند که پردازش داده‌ها در مناطق جغرافیایی خاص مانند ایالات متحده یا اتحادیه اروپا انجام شود.

بنابراین، معیارهای مسیریابی می‌تواند شامل قابلیت‌های مدل، در دسترس بودن تأمین‌کننده، محل پردازش، میزان تأخیر، نرخ انتقال داده و هزینه باشد.

گسترش زیرساخت‌های چندمدلی

امروزه استفاده از محیط‌های چندمدلی در میان سازمان‌ها بسیار رایج شده است. گزارش «وضعیت استراتژی اپلیکیشن ۲۰۲۶» شرکت F5 که بر اساس پاسخ‌های بیش از ۱۱۰۰ تصمیم‌گیرنده حوزه فناوری اطلاعات تهیه شده، نشان می‌دهد که ۵۲ درصد از سازمان‌ها در حال زنجیره‌سازی یا مدیریت هماهنگ (orchestrating) چندین مدل هوش مصنوعی هستند و پاسخ‌دهندگان به‌طور متوسط از هفت مدل مختلف استفاده می‌کنند.

شرکت Menlo Ventures، از سرمایه‌گذاران OpenRouter، در نظرسنجی میانه سال ۲۰۲۵ خود معیار متفاوتی از رفتار تأمین‌کنندگان را گزارش کرد؛ این بررسی نشان داد که ۶۶ درصد از توسعه‌دهندگان، ضمن حفظ تأمین‌کننده فعلی خود، مدل‌هایشان را ارتقا داده‌اند، در حالی که تنها ۱۱ درصد تغییر تأمین‌کننده داشته‌اند.

OpenRouter تنها یکی از چندین ارائه‌دهنده زیرساختی است که قابلیت مسیریابی مدل را اضافه می‌کند. Snowflake در تاریخ ۱۸ اوت، از قابلیت مسیریابی پویای مدل برای Cortex AI Gateway خبر داد که انتظار می‌رود به‌زودی وارد مرحله پیش‌نمایش خصوصی (private preview) شود.

به گفته Snowflake، این سیستم درخواست‌ها را بر اساس عواملی مانند کیفیت، سرعت، ترجیحات مشتری و هزینه تخصیص خواهد داد. Cloudflare نیز قابلیت Dynamic Routing را در نسخه بتا از طریق AI Gateway ارائه می‌دهد که قوانین آن شامل انتخاب مدل، سهمیه‌بندی (quotas) و حالت‌های جایگزین (fallbacks) است.

AWS از طریق سرویس Bedrock قابلیت «مسیریابی هوشمند دستورات» (Intelligent Prompt Routing) را ارائه می‌دهد، در حالی که Microsoft Foundry پروفایل‌های مسیریابی را برای ایجاد تعادل میان کیفیت مدل و قیمت عرضه می‌کند. هم AWS و هم Snowflake سیستم‌هایی را توصیف می‌کنند که می‌توانند حجم‌های کاری کم‌اهمیت‌تر را به مدل‌های کوچک‌تر یا ارزان‌تر هدایت کنند و مدل‌های دیگر را برای وظایفی که نیازمند کیفیت پاسخ بالاتر یا استدلال پیچیده‌تر هستند، رزرو نمایند.

مسیریابی همچنین الزامات عملیاتی جدیدی را به همراه دارد. مرکز معماری Azure مایکروسافت خاطرنشان می‌کند که انتخاب پویای مدل می‌تواند فرآیندهای پیش‌بینی هزینه، عیب‌یابی و تحلیل عملکرد را پیچیده کند؛ چرا که در این حالت، درخواست‌های مختلف توسط مدل‌های متفاوتی پردازش می‌شوند.

استرایپ (Stripe) و OpenRouter پیش از این قرارداد خرید و فروش نیز با یکدیگر همکاری می‌کردند. در ژانویه ۲۰۲۶، استرایپ اعلام کرد که توسعه‌دهندگانِ استفاده‌کننده از OpenRouter می‌توانند درخواست‌های مدل را از طریق این پلتفرم مسیریابی کنند، در حالی که استرایپ وظیفه ردیابی میزان استفاده، اعمال قیمت‌گذاری و مدیریت صورت‌حساب‌ها را بر عهده خواهد داشت.

این توافق پیش از قرارداد خرید و فروش، لایه مسیریابی OpenRouter را با سیستم‌های اندازه‌گیری مصرف و صورت‌حساب استرایپ ادغام کرده بود.

پیوند مصرف توکن با سیستم‌های صورت‌حساب

استرایپ همچنین در حال توسعه ابزارهای صورت‌حساب مبتنی بر توکن برای اپلیکیشن‌های هوش مصنوعی بوده است. سرویس صورت‌حساب توکنِ مدل‌های زبانی بزرگ (LLM) این شرکت که در حال حاضر در مرحله «پیش‌نمایش خصوصی» قرار دارد، می‌تواند میزان مصرف را بر اساس نوع مدل و نوع توکن، از جمله توکن‌های ورودی، خروجی و در صورت پشتیبانی، توکن‌های ذخیره‌شده (Cached)، اندازه‌گیری کند.

مستندات استرایپ نشان می‌دهد که کسب‌وکارها می‌توانند از این سیستم برای قیمت‌گذاری به ازای هر توکن، اعتبار پیش‌پرداخت‌شده، هزینه‌های ثابت شامل میزان مصرف مشخص یا ترکیبی از این روش‌ها استفاده کنند. همچنین این شرکت می‌تواند در صورت تغییر قیمت توسط ارائه‌دهندگان اصلی، قیمت مدل‌های تحت پشتیبانی خود را به‌روزرسانی کند.

OpenRouter پیش از این نیز بخش بزرگی از داده‌های مربوط به میزان مصرف را که در محاسبات صورت‌حساب نقش دارند، تولید می‌کرد. API این پلتفرم، تعداد توکن‌های دستور (Prompt)، تکمیل (Completion)، استدلال و توکن‌های ذخیره‌شده را در هر پاسخ به‌صورت مجزا، همراه با هزینه درخواست گزارش می‌دهد.

این سیستم همچنین هزینه استنتاج (Inference) اصلی که توسط ارائه‌دهنده دریافت می‌شود را به‌طور جداگانه از مبلغی که به حساب OpenRouter شارژ می‌شود، ثبت می‌کند. شمارش توکن‌ها نیز به جای استفاده از یک روش واحد برای همه مدل‌ها، با استفاده از «توکنایزر» بومی هر مدل انجام می‌شود.

پاتریک کالیسون، مدیرعامل استرایپ، این خرید را با نقش توکن‌ها و منابع محاسباتی در اپلیکیشن‌های هوش مصنوعی مرتبط دانسته است. کالیسون معتقد است که توکن‌ها واحد اصلی برای شرکت‌هایی هستند که با هوش مصنوعی فعالیت می‌کنند و کاربرد اقتصادی آن‌ها را با نحوه مدیریت منابع محاسباتی توسط شرکت‌ها پیوند داده است.

مصرف توکن در سطح سازمانی هم‌اکنون به حجم‌های بسیار بزرگی رسیده است. شرکت دیلویت (Deloitte) در اواخر سال ۲۰۲۵، نظرسنجی‌ای را میان ۵۱۵ تصمیم‌گیرنده حوزه کسب‌وکار و فناوری در ایالات متحده انجام داد که همگی از سازمان‌هایی با درآمد سالانه حداقل ۵۰۰ میلیون دلار بودند.

نتایج این نظرسنجی نشان داد که ۳۷ درصد از پاسخ‌دهندگان ماهانه بین یک تا ۱۰ میلیارد توکن هوش مصنوعی مصرف می‌کنند، در حالی که ۳۰ درصد دیگر بیش از ۱۰ میلیارد توکن مصرف می‌نمایند. پیش‌بینی می‌شود تا سال ۲۰۲۸، میزان مصرف ماهانه برای ۶۱ درصد از آن‌ها از مرز ۱۰ میلیارد توکن فراتر رود.

دیلویت اعلام کرد که بخش بزرگی از این افزایش ناشی از حجم‌های کاری با مصرف بیش از ۱۰۰ میلیارد توکن در ماه خواهد بود و انتظار می‌رود استفاده از توکن در این محدوده، از سال ۲۰۲۶ تا ۲۰۲۸ سه برابر شود.

این شرکت هشدار داد که بالا بودن میزان مصرف توکن لزوماً به معنای پذیرش مؤثرتر هوش مصنوعی نیست. دیلویت عواملی نظیر دستورات (Prompts) بیش از حد بزرگ، مدیریت ضعیف زمینه (Context) و عدم استفاده مجدد از داده‌ها را از دلایل افزایش بی‌رویه مصرف توکن برشمرد.

هزینه پردازش این توکن‌ها نیز می‌تواند بسته به مدل و در برخی موارد، بسته به ارائه‌دهنده همان مدل، متفاوت باشد.

OpenRouter اعلام کرده است که روزانه بیش از ۱۰ تریلیون توکن را در میان جامعه‌ای متشکل از بیش از ۱۰ میلیون توسعه‌دهنده و شرکت پردازش می‌کند.

در ماه می، این شرکت اعلام کرد که حجم هفتگی توکن‌های پردازش‌شده طی شش ماه گذشته از ۵ تریلیون به ۲۵ تریلیون رسیده است. در آن زمان، OpenRouter گزارش داده بود که به بیش از هشت میلیون توسعه‌دهنده برای دسترسی به بیش از ۴۰۰ مدل مختلف خدمات‌رسانی می‌کند.

OpenRouter در سال ۲۰۲۳ تأسیس شد و توانسته است از سرمایه‌گذارانی همچون Menlo Ventures و Andreessen Horowitz جذب سرمایه کند. دور جذب سرمایه سری B این شرکت در ماه می، به ارزش ۱۱۳ میلیون دلار، با رهبری CapitalG (صندوق رشد مستقل آلفابت) و با مشارکت سرمایه‌گذارانی از جمله NVentures، ServiceNow Ventures، MongoDB Ventures، Snowflake Ventures و Databricks Ventures انجام شد.

استرایپ (Stripe) و OpenRouter جزئیات مالی این تصاحب را فاش نکردند. با این حال، خبرگزاری رویترز به نقل از فردی مطلع که به دلیل محرمانه بودن اطلاعات خواست نامش فاش نشود، گزارش داد که ارزش این معامله اندکی بیش از ۸ میلیارد دلار است.

مطالب مرتبط:

• چرا ایجنت‌های هوش مصنوعی جاوااسکریپت را برتری دادند؟