Auto Router

Auto Router 归在 novita 平台名下，命名与能力清单都指向路由与调度角色，而不是单一权重模型；其目标是降低接入复杂度，让开发者在同一入口下处理原本需要多个模型配合的工作。容量上，它给出 2,000,000 tokens 的上下文窗口与 328,000 tokens 的单次最大输出，输入覆盖 text、image、audio、video、file 五类模态，输出覆盖 text 与 image，同时开放推理、工具调用、结构化输出、附件输入与温度调节。这套组合主要解决长文档与多模态素材混排时的拼接问题：素材不必先转成统一格式再分批送入，长流程任务也能在一次调用里完成。官方未公布底层模型构成、参数规模与路由规则，公开资料较少，实际表现需要以平台侧实测为准。

选型建议需要统一的多模态长上下文入口、并能接受价格与评测数据暂缺时，可先做小流量验证；对成本可控性或跑分有硬性要求时暂不选它。

• 处理跨格式长篇资料，把文档、图表、音视频素材一次性放进同一次调用
• 搭建结构化抽取流程，对合同、报表类长文本做字段级信息提取
• 为多模态客服或内容审核链路提供统一入口，减少多模型切换的接入成本
• 在长会话中编排工具调用，把检索、计算等外部动作串进同一条对话

从能力清单判断，该条目更接近调度层而非单一权重模型，官方未披露其内部结构与底层模型构成。

• 结构条目形态偏向路由与聚合，对外提供统一调用口径，具体调度策略、候选模型列表与权重信息均未公开。
• 能力输入覆盖文本、图像、音频、视频与文件，输出支持文本与图像，配合推理、工具调用、结构化输出与温度调节，适配多模态长流程。
• 披露参数量、训练数据与路由规则均无官方说明，公开资料较少，判断实际行为需要依赖平台上的调用实测。

缺少第三方跑分与独立评测，只能依据容量口径与能力清单做定性判断，强弱结论都需要自测补足。

• 强项2,000,000 tokens 上下文与 328,000 tokens 单次输出上限，适合整段处理长文档与多模态素材，减少切片与多轮拼接带来的信息损耗。
• 短板没有公开跑分支撑，推理深度、工具调用稳定性与路由一致性都缺少可比证据，长上下文下的衰减情况也未披露。
• 适合需要单一入口承接图文音视频混合输入的长上下文任务，相比逐模态串联多个模型，少一层格式转换与接入维护成本。

官方价格字段未给出有效数值，收录平台数为 0，现阶段无法形成成本结论，只能确认计费按输入与输出 tokens 分项。

• 定位价格口径不完整，无法判断它属于经济型还是高端型；缓存读等细分计费项未披露，预算测算缺少完整参数。
• 横向对比同平台 Kimi K3.1 Pro Highspeed 上下文为 1.05M 且有明确输入输出报价，Auto Router 容量更大但价格缺失，单位成本无法对齐。
• 平台差价目前仅见 OpenRouter 一条报价记录且价格字段同样缺失，不存在可比的平台间价差；收录平台数为 0 也说明缺少第二报价源。
• 省钱报价补齐前建议按路由后实际目标模型的单价核算预算，并把超长上下文带来的输入 tokens 增量作为主要成本变量控制。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $-1000000/M / $-1000000/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径官方价格、跑分与底层模型构成均未公开，本站也未收录第三方跑分，涉及性价比与强弱排序的判断都缺少依据。
• 边界2M 上下文与 328,000 tokens 输出属于上限口径，实际可用长度受目标模型与平台策略影响，长上下文稳定性需实测确认。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。