Ramp запустила Router: один API для OpenAI, Anthropic и открытых моделей
Финтех-компания Ramp запустила Router — сервис для разработчиков, который прячет за одним API несколько поставщиков языковых моделей. Через него можно работать с моделями OpenAI, Anthropic, Kimi и другими, а сам сервис выбирает вариант по цене, качеству и доступности запроса.
Для рынка это не новый тип модели, а новый слой между приложением и моделями. Он становится важнее по мере того, как у команд появляется несколько провайдеров, разные тарифы и риск внезапных ограничений у одного из них.
Что меняется в коде
Ramp обещает совместимость с API OpenAI и Anthropic. Если приложение уже использует один из этих наборов инструментов, в простом случае достаточно заменить базовый адрес API. Router также позволяет задать стратегию: например, предпочитать более дешёвый ответ там, где небольшая потеря качества допустима, или оставлять флагманскую модель для сложных задач.
Компания говорит, что три года использовала эту технологию внутри себя и благодаря ей в среднем сокращала расходы на вывод моделей на 40%. Это маркетинговая оценка Ramp, а не независимый тест: разработчикам придётся проверять качество, задержку и реальную экономию на собственных запросах.
Экономия не отменяет контроля
Router бесплатен до конца 2026 года, но это не означает бесплатные модели: токены оплачиваются по опубликованным тарифам поставщиков. На запуске Ramp даёт $26 кредитов. Сервис доступен в США; корпоративные функции компания обещает позднее.
Есть и менее заметный компромисс. Ramp указывает, что Router хранит входы, выходы и метаданные, чтобы улучшать сервис; часть настроек пользователь может контролировать. Для чувствительных данных важны не только настройки модели, но и политика посредника. Компания предлагает выбрать размещаемые в США модели с нулевым хранением данных, однако условия конкретного провайдера всё равно нужно проверять отдельно.
Появление Router показывает, что конкуренция вокруг ИИ смещается от выбора одной «лучшей» модели к управлению всем набором: стоимостью, резервным маршрутом, скоростью и правилами данных. Для маленькой команды это может упростить эксперименты; для крупной — добавить ещё одного поставщика, которого надо оценивать наравне с самими моделями.
.jpg)
