AI菩萨OpenRouter连发两大招，免费Quasar+全模型联网！

AI菩萨OpenRouter连发两大招宣布推出两项重大更新。

一个是专为写代码的100k免费模型，另一个则是为所有的模型增加了联网功能，包括免费提供的 类似于deepseek v3这种。

OpenRouter首次推出代号为"Quasar Alpha"的隐秘模型。据官方介绍，这是来自某模型实验室的下一代长上下文基础模型的预发布版本，具有以下特点：

• 100万token上下文长度，能处理超长文本

• 专为代码优化，同时保持通用能力

• 完全免费使用

不过，官方表示会记录使用数据并限速，为了收集反馈和防止滥用。

Quasar Alpha是一个提供给社区收集反馈的隐藏模型。本身就是一个功能强大的通用模型，支持长上下文任务，包括代码生成。

使用步骤很简单。

访问openrouter.ai并创建账户。OpenRouter就允许免费使用，当然你可以购买更多积分来使用高级模型，比如Claude3.7,GPT4.5，最最重要的一点是纯官方的体验但是完全不用担心连接和封号问题。

充值的话，我试过国内的普通visa信用卡就行，可以办一张，如果不想办，也可以使用一些虚拟卡直接支持支付宝的充值，比如：https://yeka.ai/i/GPTOPENAI

我使用了大概一年，上面消费了200多刀，还比较稳。

注册后，前往https://openrouter.ai/keys创建API密钥。

OpenRouter提供与OpenAI兼容的API，可以直接调用或使用OpenAI SDK。通过API调用Quasar Alpha模型，可以使用以下格式：

{

"model": "openrouter/quasar-alpha",

"messages": [

{"role": "user", "content": "你好，请帮我写一个Python函数..."}

]

}

如果是在其它客户端使用，按这样来：

使用免费模型变体（ID以:free结尾），则限制为每分钟20个请求，每天200个请求。

这个模型比较擅长代码生成和长上下文任务，各位有这些场景下可以尝试，反正白嫖。

下面是这个是最重要的更新，让OpenRouter家所有的任意的模型支持联网！

后面请求任意的OpenRouter家的模型，都可以开启联网 ，让AI先搜索再根据搜索内容返回，可以构建具有事实依据的AI应用，让AI回答包含来源引用，大大提高了可信度和透明度。

如何使用么？只需要在模型标识后附加:online。

{

"model": "openai/gpt-4o:online"

}

以免费的DeepSeek-V3为例子。

配置如下：

配置完成后，直接显示可联网。

测试：

网络搜索插件由Exa提供支持，使用其"auto"方法（关键词搜索和基于嵌入的网络搜索的组合）找到最相关的结果，并增强/支持提示。

{

"message": {

"role": "assistant",

"content": "以下是我找到的最新消息：...",

"annotations": [

{

"type": "url_citation",

"url_citation": {

"url": "https://www.example.com/web-search-result",

"title": "网络搜索结果的标题",

"content": "网络搜索结果的内容", // 由OpenRouter添加（如可用）

"start_index": 100, // URL引用在消息中的第一个字符的索引

"end_index": 200 // URL引用在消息中的最后一个字符的索引

}

}

]

}

}

自定义Web插件，可以自定义web插件允许的最大结果数和用于将它们附加到消息流的提示：

{

"model": "openai/gpt-4o:online",

"plugins": [

{

"id": "web",

"max_results": 1, // 默认为5

"search_prompt": "一些相关的网络结果：" // 查看下面的默认设置

}

]

}

默认情况下，web插件使用以下搜索提示，使用当前日期：

已于`日期`进行了网络搜索。将以下网络搜索结果纳入您的回复中。重要：使用以源域名命名的markdown链接引用它们。示例：[nytimes.com](https://nytimes.com/some-page)。

最后是定价，web插件使用的OpenRouter积分，收费为每1000个结果4美元。默认情况下，max_results设置为5，这相当于每个请求最多0.02美元，此外还有搜索结果提示令牌的LLM使用费用。

文章来自于“字节笔记本”，作者“node”。