openrouter-trending-models

OpenRouter 热门模型技能

概述

此技能可获取 OpenRouter 公开排行榜中当前热门的编程模型。它会运行一个 Bun 脚本，抓取、解析并整理使用量最高的 9 个编程 AI 模型的数据。

你将获得：

• 模型 ID 和名称（例如，x-ai/grok-code-fast-1）
• Token 使用量统计（上周趋势）
• 上下文窗口大小（输入容量）
• 定价信息（按 Token 计价及每 1M 个 Token 的价格）
• 汇总统计（顶级提供商、价格区间、平均值）

数据来源：

• OpenRouter 排行榜（https://openrouter.ai/rankings?category=programming）
• OpenRouter 模型 API（https://openrouter.ai/api/v1/models）

**更新频率：**每周（OpenRouter 每周更新排行榜）

---

何时使用此技能

在以下情况下使用此技能：

1. 为多模型评审选择模型

   • 计划评审者需要当前热门模型
   • 用户询问“我应该使用哪些模型进行评审？”
   • 更新 Agent 工作流中的模型建议

2. 研究 AI 编码趋势

   • 开发者想了解最受欢迎的编码模型
   • 比较模型能力（上下文、定价、使用量）
   • 为特定任务寻找“性价比最高”的模型

3. 更新插件文档

   • 刷新 README 文件中的模型列表
   • 确保 Agent 提示词与热门模型保持同步
   • 文档维护工作流

4. 优化成本

   • 寻找上下文容量足够且价格最低的模型
   • 比较热门模型的定价
   • 规划 AI 辅助开发的预算

5. 模型推荐

   • 用户询问“X 任务最适合用什么模型？”
   • 提供基于数据的建议，而不是硬编码列表
   • 根据需求提供替代方案

---

快速开始

运行脚本

基本用法：

bun run scripts/get-trending-models.ts

输出到文件：

bun run scripts/get-trending-models.ts > trending-models.json

美化输出：

bun run scripts/get-trending-models.ts | jq '.'

帮助：

bun run scripts/get-trending-models.ts --help

预期输出

脚本会将结构化 JSON 输出到 stdout：

{
  "metadata": {
    "fetchedAt": "2025-11-14T10:30:00.000Z",
    "weekEnding": "2025-11-10",
    "category": "programming",
    "view": "trending"
  },
  "models": [
    {
      "rank": 1,
      "id": "x-ai/grok-code-fast-1",
      "name": "Grok Code Fast",
      "tokenUsage": 908664328688,
      "contextLength": 131072,
      "maxCompletionTokens": 32768,
      "pricing": {
        "prompt": 0.0000005,
        "completion": 0.000001,
        "promptPer1M": 0.5,
        "completionPer1M": 1.0
      }
    }
    // ... 8 more models
  ],
  "summary": {
    "totalTokens": 4500000000000,
    "topProvider": "x-ai",
    "averageContextLength": 98304,
    "priceRange": {
      "min": 0.5,
      "max": 15.0,
      "unit": "USD per 1M tokens"
    }
  }
}

执行时间

典型执行时间：2-5 秒

• 获取排行榜：约 1 秒
• 获取模型详情：约 1-2 秒（并行请求）
• 解析和格式化：<1 秒

---

输出格式

元数据对象

{
  fetchedAt: string;        // ISO 8601 timestamp of when data was fetched
  weekEnding: string;       // YYYY-MM-DD format, end of ranking week
  category: "programming";  // Fixed category
  view: "trending";         // Fixed view type
}

模型数组（9 项）

每个模型包含：

{
  rank: number;             // 1-9, position in trending list
  id: string;               // OpenRouter model ID (e.g., "x-ai/grok-code-fast-1")
  name: string;             // Human-readable name (e.g., "Grok Code Fast")
  tokenUsage: number;       // Total tokens used last week
  contextLength: number;    // Maximum input tokens
  maxCompletionTokens: number; // Maximum output tokens
  pricing: {
    prompt: number;         // Per-token input cost (USD)
    completion: number;     // Per-token output cost (USD)
    promptPer1M: number;    // Input cost per 1M tokens (USD)
    completionPer1M: number; // Output cost per 1M tokens (USD)
  }
}

汇总对象

{
  totalTokens: number;      // Sum of token usage across top 9 models
  topProvider: string;      // Most represented provider (e.g., "x-ai")
  averageContextLength: number; // Average context window size
  priceRange: {
    min: number;            // Lowest prompt price per 1M tokens
    max: number;            // Highest prompt price per 1M tokens
    unit: "USD per 1M tokens";
  }
}

---

集成示例

示例 1：在 Agent 中动态选择模型

**场景：**计划评审者需要当前热门模型进行多模型评审

# In plan-reviewer agent workflow

STEP 1: Fetch trending models
- Execute: Bash("bun run scripts/get-trending-models.ts > /tmp/trending-models.json")
- Read: /tmp/trending-models.json

STEP 2: Parse and present to user
- Extract top 3-5 models from models array
- Display with context and pricing info
- Let user select preferred model(s)

STEP 3: Use selected model for review
- Pass model ID to Claudish proxy

实现：

// Agent reads output
const data = JSON.parse(bashOutput);

// Extract top 5 models
const topModels = data.models.slice(0, 5);

// Present to user
const modelList = topModels.map((m, i) =>
  `${i + 1}. **${m.name}** (\`${m.id}\`)
   - Context: ${m.contextLength.toLocaleString()} tokens
   - Pricing: $${m.pricing.promptPer1M}/1M input
   - Usage: ${(m.tokenUsage / 1e9).toFixed(1)}B tokens last week`
).join('\n\n');

// Ask user to select
const userChoice = await AskUserQuestion(`Select model for review:\n\n${modelList}`);

示例 2：寻找性价比最高的模型

**场景：**用户想要成本最低的长上下文模型

# Fetch models and filter with jq
bun run scripts/get-trending-models.ts | jq '
  .models
  | map(select(.contextLength > 100000))
  | sort_by(.pricing.promptPer1M)
  | .[:3]
  | .[] | {
      name,
      id,
      contextLength,
      price: .pricing.promptPer1M
    }
'

输出：

{
  "name": "Gemini 2.5 Flash",
  "id": "google/gemini-2.5-flash",
  "contextLength": 1000000,
  "price": 0.075
}
{
  "name": "Grok Code Fast",
  "id": "x-ai/grok-code-fast-1",
  "contextLength": 131072,
  "price": 0.5
}

示例 3：更新插件文档

**场景：**每周自动更新 README 中的模型建议

# Fetch models
bun run scripts/get-trending-models.ts > trending.json

# Extract top 5 model names and IDs
jq -r '.models[:5] | .[] | "- `\(.id)` - \(.name) (\(.contextLength / 1024)K context, $\(.pricing.promptPer1M)/1M)"' trending.json

# Output (ready for README):
# - `x-ai/grok-code-fast-1` - Grok Code Fast (128K context, $0.5/1M)
# - `anthropic/claude-4.5-sonnet-20250929` - Claude 4.5 Sonnet (200K context, $3.0/1M)
# - `google/gemini-2.5-flash` - Gemini 2.5 Flash (976K context, $0.075/1M)

示例 4：检查是否有新晋热门模型

**场景：**识别是否有新模型进入前 9 名

# Save current trending models
bun run scripts/get-trending-models.ts | jq '.models | map(.id)' > current.json

# Compare with previous week (saved as previous.json)
diff <(jq -r '.[]' previous.json | sort) <(jq -r '.[]' current.json | sort)

# Output shows new entries (>) and removed entries (<)

---

故障排除

问题：脚本无法获取排行榜

错误消息：

✗ Error: Failed to fetch rankings: fetch failed

可能原因：

1. 没有互联网连接
2. OpenRouter 网站宕机
3. 防火墙阻止访问 openrouter.ai
4. URL 结构已更改

解决方案：

1. 测试连接：

curl -I https://openrouter.ai/rankings
# Should return HTTP 200

2. 在浏览器中检查 URL：

   • 访问 https://openrouter.ai/rankings
   • 确认页面可以加载并显示编程排行榜
   • 如果 URL 重定向，请更新脚本中的 RANKINGS_URL 常量

3. 检查防火墙/代理：

# Test from command line
curl "https://openrouter.ai/rankings?category=programming&view=trending&_rsc=2nz0s"
# Should return HTML with embedded JSON

4. 使用备用数据：
   • 保留上次成功的输出作为备用数据
   • 如果缓存的 trending-models.json 不超过 14 天，则使用该文件

问题：解析错误（RSC 格式无效）

错误消息：

✗ Error: Failed to extract JSON from RSC format

原因： OpenRouter 更改了其页面结构

解决方案：

1. 检查原始 HTML：

curl "https://openrouter.ai/rankings?category=programming&view=trending&_rsc=2nz0s" | head -200

2. 查找数据模式：

   • 在输出中搜索 "data":[{
   • 检查行是否以不同的前缀开头（不是 1b:）
   • 验证 JSON 结构是否符合预期格式

3. 更新脚本中的正则表达式：

   • 编辑 scripts/get-trending-models.ts
   • 修改 fetchRankings() 函数中的正则表达式
   • 使用新模式进行测试

4. 报告问题：

   • 在插件仓库中提交问题
   • 附上原始 HTML 示例（前 500 个字符）
   • 说明错误从何时开始出现

问题：未找到模型详情

警告消息：

Warning: Model x-ai/grok-code-fast-1 not found in API, using defaults

原因： 排名中的模型 ID 与 API 不匹配

影响： 模型的上下文和定价值将为 0

解决方案：

1. 确认模型是否存在于 API 中：

curl "https://openrouter.ai/api/v1/models" | jq '.data[] | select(.id == "x-ai/grok-code-fast-1")'

2. 检查 ID 是否不匹配：

   • 排名可能使用不同的 ID 格式
   • API 中的模型可能使用了其他名称
   • 模型可能是新模型，尚未收录到 API 中

3. 手动修正：

   • 编辑输出 JSON 文件
   • 从 OpenRouter 网站添加正确的详情
   • 记录差异，以便日后修复

问题：数据过时警告

症状： 与 OpenRouter 网站相比，模型似乎已过时

检查数据时效：

jq '.metadata.fetchedAt' trending-models.json
# Compare with current date

解决方案：

1. 重新运行脚本：

bun run scripts/get-trending-models.ts > trending-models.json

2. 设置每周刷新：

   • 添加到 cron：0 0 * * 1 cd /path/to/repo && bun run scripts/get-trending-models.ts > skills/openrouter-trending-models/trending-models.json
   • 或使用 GitHub Actions（参见自动化部分）

3. 在 Agent 中添加过时检查：

const data = JSON.parse(readFile("trending-models.json"));
const fetchedDate = new Date(data.metadata.fetchedAt);
const daysSinceUpdate = (Date.now() - fetchedDate.getTime()) / (1000 * 60 * 60 * 24);

if (daysSinceUpdate > 7) {
  console.warn("Data is over 7 days old, consider refreshing");
}

---

最佳实践

数据时效性

建议的更新计划：

• 每周：理想（与 OpenRouter 的更新周期一致）
• 每两周：数据稳定期间可接受
• 每月：生产环境使用的最低频率

过时程度指南：

• 0-7 天：新鲜（绿色）
• 8-14 天：稍有过时（黄色）
• 15-30 天：过时（橙色）
• 30 天以上：非常过时（红色）

缓存策略

何时缓存：

• 多个 Agent 需要相同的数据
• 频繁进行模型选择工作流
• 避免触发速率限制

如何缓存：

1. 运行一次脚本：bun run scripts/get-trending-models.ts > trending-models.json
2. 提交到仓库（放在 skills/openrouter-trending-models/ 下）
3. Agent 从文件读取数据，而不是重新运行脚本
4. 每周通过手动运行或自动化刷新

缓存失效：

# Check if cache is stale (> 7 days)
if [ $(find trending-models.json -mtime +7) ]; then
  echo "Cache is stale, refreshing..."
  bun run scripts/get-trending-models.ts > trending-models.json
fi

Agent 中的错误处理

优雅降级模式：

1. Try to fetch fresh data
   - Run: bun run scripts/get-trending-models.ts
   - If succeeds: Use fresh data
   - If fails: Continue to step 2

2. Try cached data
   - Check if trending-models.json exists
   - Check if < 14 days old
   - If valid: Use cached data
   - If not: Continue to step 3

3. Fallback to hardcoded models
   - Use known good models from agent prompt
   - Warn user data may be outdated
   - Suggest manual refresh

集成模式

模式 1：按需获取（新鲜数据）

# Run before each use
bun run scripts/get-trending-models.ts > /tmp/models.json
# Read from /tmp/models.json

模式 2：缓存（快速访问）

# Check cache age first
CACHE_FILE="skills/openrouter-trending-models/trending-models.json"
if [ ! -f "$CACHE_FILE" ] || [ $(find "$CACHE_FILE" -mtime +7) ]; then
  bun run scripts/get-trending-models.ts > "$CACHE_FILE"
fi
# Read from cache

模式 3：后台刷新（非阻塞）

# Start refresh in background (don't wait)
bun run scripts/get-trending-models.ts > trending-models.json &

# Continue with workflow
# Use cached data if available
# Fresh data will be ready for next run

---

更新日志

v1.0.0（2025-11-14）

• 首次发布
• 从 OpenRouter 获取排名前 9 的热门编程模型
• 解析 RSC 流式格式
• 包含上下文长度、定价和 Token 使用量
• 零依赖（仅使用 Bun 内置 API）
• 全面的错误处理
• 汇总统计（Token 总数、顶级提供商、价格范围）

---

后续增强

计划中的功能

• 类别选择（编程、创意、分析等）
• 历史趋势跟踪（按周比较）
• 提供商筛选（聚焦特定提供商）
• 成本计算器（估算工作流成本）

研究方向

• 分析排名与模型性能基准之间的关联
• 找出「性价比最高」的模型（性能/价格比）
• 预测即将成为热门的模型
• 多类别分析

---

技能版本： 1.0.0 上次更新： 2025 年 11 月 14 日 维护： 建议每周刷新 依赖项： Bun 运行时、互联网连接