OpenRouter 升级 Activity 仪表盘 API：按 agent 查 AI 用量、监控失控 agent

2026 年 8 月 21 日，OpenRouter 官方账号连发五条推文，宣布对支撑 Activity 仪表盘的底层 API 做了一次大升级：用户可以按 agent、按模型、按单条请求查看和查询 AI 用量，指标覆盖 spend、tokens、cache hit rate、latency 与 blended cost per token，并能从任意图表一路下钻；同场推出的新版 Analytics API 把同样的查询能力开放成了接口。官方在的配图里展示了升级后的 Overview 界面：总花费 $407K、请求 24.6M 次、token 量 400B、缓存命中率 80.0%、混合成本 $1.02/1M，五张指标卡各带迷你走势图与环比。

最有说服力的演示是 OpenRouter 自己的账单。官方在中称，内部把新版 API 交给一个 coding agent，给它一把 management key 和 openrouter-analytics skill 跑成本审查，结果发现一个 preview model 每月烧掉约 $6.2K，约为公司混合费率的 25 倍；一次下钻查询后，98% 的花费追溯到单个 batch-pipeline key，而它跑的任务根本不需要 frontier 模型，修复是一行模型切换。以上均为官方口径。配套的（8 月 17 日发布，作者 Cailee Moberg）把这套工具要回答的问题概括为：过去两年部署 agent 的公司都在问，agent 花了多少钱、哪些值得留。三天前的 8 月 19 日，OpenRouter 刚，；OpenRouter 自称是全球最大的 AI 模型网关，日处理 10T+ tokens、覆盖 400+ 模型。

五张指标卡，从总花费下钻到单条请求

升级后的 Activity 首页顶部是五张指标卡：总花费、请求数、token 量、缓存命中率、每百万 token 混合成本，各带 sparkline 并与上一周期对比；同一屏还列出 Top Users、Top Apps、按模型的 spend、OpenRouter credits 与 BYOK 花费对比、按模型的请求量、prompt/completion token 拆分和 prompt caching 统计（见）。

聚合数字只能说明「有东西变贵了」，所以每个图表和排名表都能点进背后过滤好的日志。博客列出了单条请求的 Generation 详情视图：成本（上游推理、缓存、web search、文件处理，以及折扣和缓存节省）、性能（provider 延迟、吞吐、首 token 时间）、路由（哪家 provider 服务、是否 fallback、finish reason）、归因（app、API key、workspace、session 与 request ID、数据区域）和上下文（guardrail 事件、classifier 标签、原始 metadata）。Prompt 详情视图渲染完整 messages 数组，以及按 system、user、assistant、tool 角色着色的每消息 token 火焰图，缓存命中的前缀会被标出。官方同时给出两个边界：每消息 token 数是按消息大小估算的；Prompt 与 completion 的明细只在请求时开启 private input/output logging 后才存在。仪表盘里还有一个 Guardrails 面板，展示 prompt injection 与敏感信息规则拦截、脱敏或标记的内容。

Trends 按「变动」排名，不按体量

失控 agent 是这次升级点名的监控对象。官方在中解释机制：Trends 对同一份数据按「变动幅度」而不是「体量」排序，面板在模型、用户、API key 和应用之间排升降，官方称这样「很容易发现一个失控的 agent，或一个在组织里开始起量的新模型」。博客补充说，它也能看出某个工具正在组织内扩散。

官方配图里的演示数据更直观：模型榜出现「New」和 +782%、+43%、+89% 等幅度，用户榜出现 >999%、+142%、-81%、-90% 等数字。榜单依据的是变动幅度，体量最大的模型未必在前列。

Explore：指标、分组、粒度自己拼

Overview 和 Trends 上的每张卡片都链到 Explore，用户可以自己组装视图（见与博客）：指标可选 spend、请求数、tokens（prompt、completion、reasoning 或 cached）、cache hit rate、每百万 token 混合成本、BYOK 与 credits 花费，以及细分到 P50/P90/P99 的 latency 和 throughput；分组最多两个维度，包括 model、variant、provider、API key、app、user、workspace、origin、country、data region、finish reason、context length、session、generation、自定义 user ID 或任意已定义的 classifier 维度；rollup 可选分钟、小时、天、周、月，也可以去掉时间轴变成排名表；图表类型有 bar、line、dot plot。

视图可以保存：选项菜单里选 Save current chart 并命名，组织内还能选择 Only me 或 Everyone in my organization；任何图表都能下载 CSV 或 PDF。

新 Analytics API：要 management key，只读且免费

官方在里称，Explore 里能做的一切，新版 Analytics API 也都能做：先调用 /analytics/meta 看当前支持的指标、维度、过滤算子和粒度，再发起查询。对应接口是 GET /api/v1/analytics/meta 与 POST /api/v1/analytics/query，后者返回与 Explore 图表同源的聚合数据。

权限设计写在里：Analytics 查询必须用 management key（在 Settings → Management Keys 里创建），普通推理 key 会收到 403；management key 不能发起模型请求，所以整个流程只读且免费，但官方提醒，它返回的是组织完整的花费拆分，要像对待其他凭证一样保管。API 目前是 beta：指标和维度会演进，文档建议先查 meta 而不是信任快照；查询最多两个维度，第三个会返回 400；部分 count 指标可能以字符串返回；metadata.truncated 为 true 表示结果被截断，需要提高 limit 或收窄查询。cookbook 还附了一组 query recipes：从「how can I reduce costs for next month?」这句 prompt 开始，agent 自己发现 schema、按模型拉 spend、标出远超混合费率的行、再下钻到 API key，最后按美元影响排序给出行动建议。

「谁付账单，谁拥有 agent」

推文下的回复不算多，主推文在 8 月 22 日核验时有 83 个赞、9 条回复。Upstage 联合创始人兼 CEO Sung Kim 在里只写了 "Love it!"；用户 Creed Hardcastle 的是 "whoever owns the bill owns the agent"（谁付账单，谁就拥有 agent）；@heyraven_io 的 Raven 调侃说，终于有办法「高清观看自己的 VC 资金消失」（）；中文用户 @ajs6888 则「按模型和请求拆开看，排查成本和延迟方便多了」。

内部演练：一个 preview 模型每月烧掉 $6.2K

案例的明细在 cookbook 里：被标记的模型花了 $6,185、消耗 0.25B tokens（约 $24.7/Mtok）、缓存命中率 7.6%，约为组织混合费率的 25 倍；下钻后，batch-pipeline key 这一行是 $6,067、127M tokens、37,000 次请求，约 $48/Mtok。高流量、低复杂度的活，用错了模型。cookbook 给出的处置是把它改指到便宜的 production 模型，整行花费几乎零风险回收。$6,067 占 $6,185 的 98%，与「98% 追溯到单个 key」的说法对得上。官方口径下，这个每月烧掉约 $6.2K 的漏洞，最终被一行模型切换堵上。