API 账单不会说谎：OpenRouter Top 10 榜单，看到下一个AI爆款

每天都有新的 AI 工具在社交媒体上刷屏，每一个都号称是“颠覆性”的。喧嚣过后，哪些产品真正留在了用户的日常工作流里？

衡量一个 AI 应用的真实价值，不应只是看融资额或 GitHub Star 数量，而要看它的 API 调用账单。

这笔账单，代表着开发者用真金白银投出的信任票。

所以，我们直接看数据。

OpenRouter 作为连接上百种大模型的“中间网关”，它的后端真实调用量，就是目前最接近真相的“过滤器”。

这里没有市场宣传的噪音，只有冰冷但诚实的数字。

我们基于 OpenRouter 的公开数据，盘点了这份 2025 年 9 月调用量 Top 10 榜单：

1. Kilo Code

2. Cline 

3. BLACKBOX.AI

4. Roo Code 

5. liteLLM

6. SillyTavern

7. ChubAI

8. HammerAI

9. Sophia's Lorebary

10. Codebuff

看到这份榜单，你可能会有一个疑问：为什么榜单上全是 Kilo Code、Cline、SillyTavern 这些相对小众的名字？我们熟知的 Cursor、Manus、GitHub Copilot 甚至 Perplexity 都不在其中？

答案很简单。巨头们都在建立自己的“围墙花园”。

Cursor、Copilot 这类产品，通过自建服务或与 Azure、OpenAI 直接绑定，将用户和数据牢牢锁在自己的体系内。

它们不需要，也不会使用 OpenRouter 这样的第三方路由。

所以，这份榜单的真正价值，恰恰在于它排除了那些巨头。

它为我们揭示了一个被主流视野忽略的、平行的 AI 应用生态——一个由开源项目、独立开发者和敏捷小团队构成的“地下世界”。

在这个生态里，没有庞大的营销预算和品牌光环，唯一的衡量标准就是产品本身是否好用、能否解决真实问题。开发者们用每一次 API 调用完成投票。

而这些投票清晰地指向了两个方向：

第一，为开发者自己服务的 Coding Agent，这是最刚性的需求。 榜单前十名中，此类工具占据了六席。

第二，提供情感价值的角色扮演与娱乐，这是最活跃的社区。 剩下的席位，几乎被这一类应用瓜分。

这份榜单展示的不是已经功成名就的王者，而是正在野蛮生长的挑战者。

它们代表着 AI 应用最前沿、最真实的脉搏。

「十字路口」一直在关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。为此，我们正在推出一系列内容。

现在，让我们深入这个“地下世界”，逐一认识这些挑战者。

我们也整理了Top 20 应用的完整名单，欢迎关注【十字路口 Crossing】，回复口令 “openrouter” 领取表格。

Kilo Code

一句话总结：开源 + 即装即用的 VS Code AI coding agent

Kilo Code 是由 JP Posma 等人在旧金山与阿姆斯特丹为中心组建的 Remote-First 团队运营。

它的设计理念之一，是让 AI 接手编程中那些重复而琐碎的环节。

比如依赖管理、bug 定位、文档更新、测试用例维护、类型检查和翻译文件修改等，都可以交由 agent 自动完成。

这样一来，开发者就能把主要精力放在架构设计、功能实现和创新探索上，而不是被日常的维护性工作消耗过多时间。

在 Orchestrator 模式里，复杂项目会被自动拆解成一步步可执行的小任务，然后分配给不同的 agent 来完成：

Architect 负责架构设计，Code 负责写代码，Debug 负责查错修复。

所有环节像流水线一样无缝衔接，你只需要提出愿景，AI 就能帮你把它落地成型。

Kilo Code 并不是一家闭源大厂的黑箱产品，而是在 开源项目 Roo Code 与 Cline 的基础上做了整合和增强，同时加入自己的特性。

它内置超过 400 个模型，用户可以直接调用，无需繁琐配置 API Key，也不必担心数据被占用。

对于已有偏好的开发者，它同时支持 BYOK（Bring Your Own Key），让使用更加灵活。

通过 MCP，用户还可以为 agent 添加更多能力，例如调用外部 API 、运行浏览器任务、或管理复杂项目。

Kilo Code 只按照模型的官方定价结算调用量，不收任何额外佣金，连 OpenRouter 的 5% 平台费都免了，还提供 $20 免费额度，启动门槛几乎为零。

目前，Kilo Code 在 GitHub 已有近万颗 star，VS Code 安装量超过 29 万。

用户评价普遍认为，它在体验上相比 Cline 和 Roo Code 有过之而无不及，性价比也优于 Cursor。

官网链接：https://kilocode.ai/

Cline

一句话总结：当前最受欢迎的开源 autonomous coding agent 之一。

Cline 是由 Saoud Rizwan 创立的开源 AI coding agent，总部在旧金山。

截至 2025 年 7 月，种子轮 A 轮共募集约 3200 万美元，领投方包括 Emergence Capital 与 Pace Capital 等。

Cline 的设计思路强调“自主但可控”：agent 会将开发任务拆解为多步计划，并在执行每一步之前请求开发者确认。

在 Plan Mode 下，它会先对整个代码库进行探索，并与开发者一起制定一份详细的执行方案。

在写下第一行代码之前，Cline 已经能够理解项目的完整上下文，从而保证后续实现更有针对性。

这整个过程完全透明：你可以实时看到它如何读取文件、权衡不同的实现路径并提出修改建议，每一次操作都需要经过你的确认。

这种模式让复杂任务既能自动化推进，又不会失去开发者的掌控感。

Cline 的另一大优势是生态兼容性。它原生支持 OpenRouter、Anthropic、OpenAI、Google Gemini 等多家模型提供商，还能对接本地模型（Ollama、LM Studio）。

随着新模型不断发布，用户可以随时切换，并完全掌握自己的 API Key。

有些用户反馈，Cline 调用 Claude 3.5 Sonnet 后，能自己读文件、跑 terminal、查看运行结果，堪称“颠覆性体验”。

这说明 Cline 在 agent 化上已经能模拟真实工程师的操作流程。

相比 Cursor 默认只支持40个工具，Cline 在 MCP 上更开放灵活，不需要额外手动开关；但与此同时，这也带来了更高的 token 消耗，所以需要用户权衡成本。

目前，Cline 在 GitHub 上的 star 数已超过 5 万，VS Code 安装量突破 200 万，其日活用户已超过百万。

官网链接：https://cline.bot/

BLACKBOXAI

一句话总结：面向大众与企业的商业化 AI coding agent

BLACKBOXAI 的定位更接近一款完整的商业产品，而非单一开源工具。

它既提供 VS Code 扩展，也有网页端与桌面端。

在浏览器端，Blackbox 提供了一个 Web App，用户不仅能和不同模型对话，还能上传图片、用语音描述需求，甚至把一张设计图直接转化为网页原型。

他们推出了 Robocoder —— 你只需要用自然语言描述想要的应用，系统会实时生成前端界面和后端逻辑，可以迭代修改，几分钟之内部署上线。

如果说 Web App 和 Robocoder 偏向轻量快速，Blackbox 的桌面端和独立 IDE 则面向更复杂的工程。

它提供两种模式：一种是手动确认，每一步修改都要经过开发者同意；

另一种是完全自动化，agent 会根据目标自行规划拆解，完成新增模块、写单测、调试的整个流程。

这个 IDE 内还集成了终端、历史记录、Live Preview，甚至可以按小时计费调用 GPU 来加速生成和推理。

它的目标是成为 “AI 原生 IDE”，而不是在现有工具上打补丁。

相较开源 agent 的“拼装式”体验，BLACKBOXAI 更强调一体化。

它提供代码补全、调试、文档生成等核心功能，并通过直观的界面降低使用门槛。

其官网称用户总数已超过一千万，VS Code 扩展的安装量也达到四百多万。

BLACKBOXAI 采用订阅制，定价从 Pro（9.99 美元/月）到 Ultimate（99.99 美元/月）不等。

Blackbox AI 由 Richard 和 Roger Rizk 于 2021 年创立，团队目前已达到 180 人、年收入约 US$ 19.8M。

官网链接：https://www.blackbox.ai/

Roo Code

一句话总结：Roo Code 是一个开源的 VS Code 插件，让你在本地就能用 AI agent 来读、写和调试代码。

Roo Code 是一个运行在 VS Code 里的开源插件，定位不是单纯的代码补全，而是一个能够跨文件理解和修改，并且具备执行能力的 AI agent。

开发者在使用它时，感觉更像是编辑器里多了一个随时可以帮你调试、重构和测试的队友。

与很多人熟知的 Copilot 相比，Roo Code 的核心差异在于开放性和可控性。

它是完全开源的，用户可以自由修改代码和功能，也可以根据自己的需求接入不同的模型，无论是 OpenAI、Anthropic、Google Gemini，还是本地部署的 LLM。

Roo 的设计强调跨文件的整体理解，它不仅能在一个文件里生成函数，还能在需要大规模重构时同步更新多个文件。

它拥有一定的执行能力，但所有的改动和执行都会经过用户确认，开发者始终保持掌控。

在成本和隐私方面，Roo Code 也显得十分务实。

它本身完全免费，唯一的费用来自你调用的模型 API。如果使用开源模型或者本地模型，就没有任何额外支出。

对于注重安全的团队，Roo 甚至允许在离线环境中运行，保障代码的私密性。

截止 2025年 8 月，Roo Code 已经完成累计共 6.4 百万美元的种子轮融资。

官网链接：https://roocode.com/

liteLLM

一句话总结：LiteLLM 是一个开源库，帮助开发者更轻松地调用大语言模型。

LiteLLM 统一了对 100 多种模型的接入方式，同时提供费用追踪和备用切换等能力。

它的核心理念是在保持 OpenAI API 格式的同时，兼容超过一百种不同来源的模型，包括 OpenAI、Anthropic、Google Gemini、AWS Bedrock、Hugging Face 以及本地部署的 LLM。

开发者只需通过统一的调用方式，便可以在不同模型之间自由切换，而无需关心各家 API 的差异。

除了统一调用方式，LiteLLM 还帮你解决了费用管理的问题。

它内置 spend tracking，可以自动记录你用了多少 token、花了多少钱，并且能把花费分摊到不同的 key、用户、团队或者组织。

你还可以用标签来区分项目，最后把这些数据写到 S3、GCS 这样的存储里，方便做账和分析。

在稳定性方面，LiteLLM 也支持 fallback 机制。同时，它会把不同厂商的报错信息统一整理成 OpenAI 的形式。

对平台团队来说，LiteLLM 还提供了一个 proxy，可以在组织内部搭建成统一的 LLM 网关。

这样开发者只需要对接一个 API，就能访问各种模型，而平台团队还能统一管理权限、设置限流规则、保存日志，甚至做合规审计。

liteLLM 由 Krrish Dholakia 与 Ishaan Jaffer 创办，属于 Y Combinator W23 批次。它于 2025 年完成 Seed 融资，募集约 160 万美元，投资方包括 YC、Gravity Fund、Pioneer Fund。

官网链接：https://www.litellm.ai/

SillyTavern

一句话总结：为高级玩家（Power Users) 打造的 本地 LLM 前端。

SillyTavern （以下简称 ST）本身不负责 AI 生成，只是一个提供极高自由度的前端工具，以“为高级用户量身打造”的定位脱颖而出。

它不是一个自带模型的服务，而是一个本地安装的用户界面，能够让你与文本生成 LLM、图像生成引擎和 TTS（文本转语音）模型无缝交互，并且在给予全面控制的同时，也将操作难度当作乐趣的一部分。

你可以借助 AI Horde 立即开始聊天，也可以连接云端或本地部署的后端模型，如 OpenAI-compatible API、KoboldAI、Tabby 等。无论是云端服务还是本地 LLM，你都能在 ST 中用统一的界面管理它们

ST 的精髓在于“角色卡”（Character Cards）。它们类似于 ChatGPT 的 “定制 GPT” 或 Poe 的机器人，预设对话风格、角色身份或行为模式，让对 AI 的交互更具连贯性。

即便不选角色卡，你也可以直接在欢迎界面输入内容，从空白的 Assistant 角色开始对话，然后再逐步定制。

此外，它支持 RAG（Retrieval-Augmented Generation），你可以在聊天中嵌入文档引用；并整合图像生成功能（如 Stable Diffusion via Automatic1111 / ComfyUI）和 web 搜索能力，非常适合构建沉浸式交互场景。

SillyTavern 是一个由 Cohee 和 RossAscends 主导的开源／社区驱动项目，已有 200 多位贡献者，截至目前尚未进行外部 VC 融资。

官网链接：https://sillytavern.app/

ChubAI

一句话总结：面向内容创作者、写作爱好者和角色扮演爱好者的的 GenAI 平台。

在 AI 聊天工具日渐泛滥、趋于同质的今天，Chub AI 凭借高度的“定制自由”与“沉浸式体验”成为一个极具创意潜力的 AI 驱动的角色互动平台。

它支持多种 AI 模型： OpenAI（包括 GPT-4／Gemini）、Anthropic Claude 等付费 API，也可以使用免费的模型或 Mars 订阅模型。

Chub AI 内置了丰富的角色库，涵盖历史、文学、流行文化等诸多题材，用户既可以与预制的 AI 角色聊天。

而且 Chub AI  不设置审查，任何角色和互动都可以被创建。

你也可以从零开始设计角色，从人格设定、背景故事到语言风格完全自主把控，给你像编写互动小说一样的自由感。

这种“多角色同台”的玩法，让聊天更像是一场实时展开的互动剧本，

在 Chub AI 里，你不止可以和单个角色对话，还能开启群聊，让几个角色在一条对话线中“互动”，并可以为角色建立 Lorebook（背景资料库）。

这样不仅能带来意想不到的剧情发展，也让整个体验更具沉浸感。

Chub AI 目前是一个主要靠用户订阅／付费 +产品自身发展驱动的项目。

官网链接：https://chub.ai/

HammerAI

一句话总结：HammerAI 是一个为追求自由、隐私与创意表达的用户量身打造的角色对话与故事生成平台

HammerAI 是一个交互体验丰富的平台，主要用来和 AI 角色对话、写互动式故事、生成图像以及构建角色背景资料（Lorebooks）等。

你可以从浏览器用它，也可以安装桌面版在你的电脑上使用。

它及其注重隐私保护：所有对话既可以保存在本地，也可以在“本地模式”（desktop app + 本地模型）下完全不经过云端。

HammerAI 提供了无限聊天（或大体上免费聊天）选项，不像某些工具必须订阅才能开启对话或使用角色功能。

很多同类角色聊天 / 故事生成类产品都是纯粹的前端界面，或者只能通过云端调用模型。

而 HammerAI 的特别之处在于：它内置了 Ollama，并且会自动识别和配置你的 GPU（无论是 Nvidia、AMD、Intel 还是 Apple Silicon）。

这意味着用户只要下载 HammerAI 桌面版，就能直接利用自己电脑的显卡来运行本地模型，大幅提升推理速度，同时保持离线和隐私。

换句话说，GPU Acceleration 不仅带来更快的生成体验，还让 HammerAI 在“隐私 + 性能”上形成了和其他云端平台不一样的差异化优势。

官网链接：https://www.hammerai.com/

Sophias Lorebary

一句话总结：

Sophia’s LoreBary 而是给 JanitorAI 这样的工具增加 lorebook（背景书）、scenario（场景）、plugin（插件） 管理的功能，帮助用户把角色扮演体验做得更丰富、更定制。

Sophia’s LoreBary 像是一套“辅助系统”，专门为现有的角色扮演工具（尤其是 JanitorAI）提供扩展能力，目的是让用户能更好地管理角色背景、设定和剧情走向。

它的核心在于三个维度：lorebooks、scenarios 和 plugins。

lorebook，就是角色的背景资料书，用户可以把人物设定、世界观、历史背景等内容写进来，让 AI 在对话中保持这些记忆和语境。

scenarios 则是具体的剧情场景，你可以定义某个故事开端或互动环境，让角色在这个框架中展开更连贯的互动。

至于 plugins，它们相当于整个系统的“外挂引擎”：用户不仅能下载社区贡献的插件，还能用“简易模式”自己生成扩展，给角色扮演添加新功能或玩法。

三者结合在一起，让角色互动不只是单次聊天，而是逐渐演变成一个有记忆、有剧情、有机制的沉浸式世界

从产品形态上看，LoreBary 更像是一个“扩展包”。它并不负责提供 AI 模型推理，而是与 OpenRouter 等 API 服务兼容，让用户自由选择想用的 LLM。

与此同时，它通过简单直观的界面，把繁杂的设定管理变得可操作。

Sophia’s Lorebary 是一个由核心作者 Sophia 主导、社区志愿者协作的开源／非商业角色扮演业余项目，目前没有已公开的融资记录。

官网：https://lorebary.sophiamccarty.com/

Codebuff

一句话总结：Codebuf 是一款命令行（CLI）工具，让你用自然语言在终端里直接修改和管理代码库，就像一位懂项目结构的工程师。

Codebuff 是由 Brandon Chen（CTO）和 James Grugett（CEO）联合创办的终端/CLI 工具，属于 Y Combinator F24 批次。Brandon Chen 此前曾在多家 YC 公司担任工程师，例如 Kuna（W14）与 Virtually（S20）。

借助 Codebuff，你可以直接用自然语言指令完成代码修改、执行命令、编写测试和重构项目，让“写代码”这件事更高效。

它并不只是辅助提示或代码补全，而是深入到你的代码库里，做实际的操作。

与 Cursor 相比，Codebuff 更面向高端市场，起始订阅价格为 49 美元/月。

Codebuff 还具备 一种持续积累和优化上下文的机制：它在使用过程中会生成并维护一个 knowledge.md 文件，逐步积累项目的规则、依赖关系、代码风格和常见错误，并在后续操作中不断引用，相当于“学会”了你的项目习惯。

同时，它还能结合 . codebuffignore 配置和日志反馈，主动排除无关文件或干扰信息。

官网链接：https://www.codebuff.com/

文章来自于微信公众号 “十字路口Crossing”，作者 “十字路口“