Qwen3 在 OpenRouter 用量榜：用 TaoToken 的 Key 复现调用

🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度

1. 先定位 OpenRouter 用量榜里的 Qwen3 条目

Key 和 Base URL 都从 TaoToken 拿，落地页是 https://taotoken.net/?utm_source=taotoken_aicg_blog_generate&utm_content= ，进去建一把 Key 就够用了。不过在动手写脚本之前，有一步比申请 Key 更容易被跳过：先把榜上那条 Qwen3 看清楚，再决定你要复现什么。这篇要做的不是给榜单加一句评论，而是把榜上一个名字，变成你本地文件里一行能核对的记录。

打开 OpenRouter 的 rankings 页面，切到模型维度，选一个时间窗（周榜或者月榜），然后在列表里找 Qwen3 系列的条目。这里有个坑：Qwen3 不是一条，而是一族。同一代里会有不同参数规模、不同激活方式、不同后缀的变体，榜上按调用量排序时它们是分开统计的。所以你复现的目标不是「Qwen3 这个概念」，而是榜上某一条具体的全名，复制下来，一个字都别改。

抄记录的时候至少留四个字段：抓取日期、时间窗、条目全名、页面来源 URL。抓取日期比什么都重要，用量榜按天滚动，今天的位置和三天后的位置可能差出一大截，没有日期的排名数字写进文章里就是一段无法验证的传闻。时间窗同理，周榜和月榜的口径不一样，你写「榜上第几」而不写周期，等于什么也没说。

这张表本身没有分数，原因很直接：本文不含任何排行分数。我手上没有某个具体日期的榜单快照，凭印象写一句「Qwen3 系列进了前多少」「周调用量多少亿 token」，读起来很爽，但你按同一天去查对不上，那这篇文章的其余部分也就不可信了。榜单只当索引用，告诉你现在有哪些 Qwen3 变体在被真实调用，真正的一手数据由你自己跑出来。

还有一点要提前说清楚，免得后面读混：榜上记录的是模型的实际调用量，跟走哪条通道无关。同一个模型 ID，从不同的 API 兼容通道发出去，榜单不会替你做区分。所以这里的角色分工是——榜负责告诉你「大家现在在调什么」，统一网关负责给你 Key 和 Base URL，脚本负责产出延迟和 token 这一列数字。三者别混成一张表。

2. 把榜上的 Qwen3 全名对齐到模型广场 ID

从榜上抄下来的是展示名，能发出去的必须是一个请求 ID，这两者经常长得不像。OpenRouter 上的写法通常带厂商前缀、版本后缀、上下文长度标记，甚至带「thinking」「instruct」这类行为区分；而模型广场上的 ID 是接入方定义的字符串，可能更短，也可能多了量化或者推理模式的标识。直接把展示名塞进 model 字段，最常见的结局是 404。

所以第二步是去 TaoToken 的模型广场，找到与榜上同名的 Qwen3 条目，把 ID 复制出来。判断「是不是同一个模型」不要靠名字像不像，靠三件事：参数规模对不对得上，上下文长度写的是多少，以及有没有推理相关开关。这三项里任意一项不一致，你跑出来的 token 消耗就没有可比性，因为长上下文和推理模式会显著抬高 completion token 的数量。

我在这里不写任何具体 ID，因为模型广场的条目会随上游更新而增减，写死的 ID 过两周就可能失效，读者照抄反而更容易报错。正确做法是把 ID 放进环境变量，脚本里只引用变量名。这样换模型时你只改一行，不会漏改散落在正文里的某处字符串。

对齐工作还有一个容易被忽略的细节：一次实验里只能有一个变量。要么固定模型 ID 换 prompt，要么固定 prompt 换模型 ID，两样同时动，你就没法解释延迟差异是模型造成的还是输入长度造成的。本文的做法是固定 prompt、固定 temperature=0、固定 max_tokens，只跑同一个 Qwen3 条目五次，看它自己的波动有多大。先摸清噪声，再谈横向对比。

3. curl 版：一条请求同时拿到延迟和 usage

先把三个变量导进 shell。Base URL 固定写 https://taotoken.net/api，末尾不要加 /v1，这是最容易犯的格式错误之一；请求路径里的 /v1 由你自己在 URL 路径上补，和 Base URL 本身结尾没有关系。Key 用你在控制台创建的那把，占位符统一写 YOUR_API_KEY，别把真 Key 贴进任何要提交的脚本。

export API_KEY="YOUR_API_KEY"
export BASE_URL="https://taotoken.net/api"
export MODEL_ID="以模型广场为准"

请求体里只放一条 user 消息，prompt 长度控制在一屏以内，方便你肉眼检查返回是不是完整。-o 把响应体写进文件，-w 把计时和状态码打到终端，两路分开，省得 later 解析时还要剥掉多余字符。time_total 是端到端耗时，time_starttransfer 更接近首字节时间，两个都记，因为流式和非流式场景下它们解释起来不一样。

curl -sS -X POST "$BASE_URL/v1/chat/completions" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -o resp.json \
  -w 'http=%{http_code} total=%{time_total}s ttfb=%{time_starttransfer}s\n' \
  -d '{"model":"'"$MODEL_ID"'","messages":[{"role":"user","content":"用三句话解释什么是向量数据库，不要用比喻。"}],"temperature":0,"max_tokens":256}'

跑完先看状态码，200 再往下走。然后拆 usage，这一步是整篇文章的核心：prompt_tokens 是输入侧，completion_tokens 是输出侧，total_tokens 是两者之和。如果响应里额外带了推理 token 或者缓存命中的计数，单独开一列记，别和 completion 混在一起，否则你后面拿它跟榜单上「实际调用量」的概念对比时会自己对不上账。

jq '{model, finish: .choices[0].finish_reason, usage}' resp.json

单次结果没有任何代表性。网络抖动、上游排队、模型冷启动都会影响那一秒的数字，一次跑出三秒不代表模型慢，只能说明那一刻通道忙。我的做法是同一条命令连跑五次，中间不换 prompt、不换 Key、不换模型 ID，把五次结果并排放进记录里，取中位数而不是平均值——一次异常的长尾会把平均值拉得很难看，中位数更能反映「正常一次大概多久」。第一次运行单独标注，因为它可能包含连接建立的额外开销。

4. Node 脚本：五次批量跑完，直接落成对照表

手工跑五次太蠢，写个二十行脚本更省事。用 OpenAI 兼容 SDK 时，baseURL 填 https://taotoken.net/api，SDK 会自己在后面拼上 /v1/chat/completions，所以这里同样不要手写 /v1。SDK 版本用你项目里现有的即可，本文不指定版本号，避免版本更新后代码对不上。

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({
  apiKey: process.env.API_KEY,
  baseURL: "https://taotoken.net/api",
});

const MODEL_ID = process.env.MODEL_ID;
const PROMPT = "用三句话解释什么是向量数据库，不要用比喻。";
const RUNS = 5;
const rows = [];

for (let i = 1; i <= RUNS; i++) {
  const t0 = performance.now();
  const resp = await client.chat.completions.create({
    model: MODEL_ID,
    messages: [{ role: "user", content: PROMPT }],
    temperature: 0,
    max_tokens: 256,
  });
  const ms = Math.round(performance.now() - t0);
  const u = resp.usage ?? {};
  rows.push({
    run: i,
    latency_ms: ms,
    prompt_tokens: u.prompt_tokens ?? null,
    completion_tokens: u.completion_tokens ?? null,
    total_tokens: u.total_tokens ?? null,
    finish_reason: resp.choices?.[0]?.finish_reason ?? null,
  });
}

fs.writeFileSync("qwen3-runs.jsonl", rows.map((r) => JSON.stringify(r)).join("\n"));
console.log(rows);

顶层 await 需要 ESM，项目里 package.json 加上 "type": "module"，或者运行时用 node --input-type=module。usage 取不到时写 null 而不是写 0，这一点看着吹毛求疵，实际很关键：0 会被后续求平均时当成真实数据算进去，null 会被跳过，前者污染结论，后者只是缺一格。finish_reason 也留着，如果是长度截断，说明 max_tokens 设小了，那次 completion token 不能拿来比。

跑完之后把 JSONL 转成贴得进文档的表：

jq -r '[.run,.latency_ms,.prompt_tokens,.completion_tokens,.total_tokens,.finish_reason] | @csv' qwen3-runs.jsonl

下面是这张表在跑之前的样子。空着不是我偷懒，而是这些格子只能由你在自己那把 Key 上跑出来；本文不填任何编造的延迟和 token 数，也不把榜单数值塞进来充数。填的时候把五次结果原样贴入，再补一行中位数。

这份表只代表你这台机器、这个时间窗、这条 prompt 下的一次运行，不代表任何公榜。延迟和 token 消耗本身也不是模型质量的度量，一个模型回得快、用 token 少，只能说明它这次输出得短，跟它答得好不好是两件事。把这行字写在表下面，比在正文里强调十次「仅供参考」都有用。

5. 用 Claude Code、Codex、CC Switch 把同一个模型跑得更久一点

五次请求只能看出噪声，看不出趋势。如果你的目的是连续观察同一个 Qwen3 条目在真实编码任务里的 token 消耗，那 curl 和教学脚本就不够用了，得把它接进日常用的客户端里，让它在你写代码的过程中自然累积调用记录。这条路和上面的脚本用的是同一把 Key、同一个 Base URL，区别只在于谁来发请求。

Claude Code 走的是 Anthropic 协议那套环境变量，三件套分别是 ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN、ANTHROPIC_MODEL。写进 ~/.claude/settings.json 的 env 字段，比每次开终端导出更稳，尤其你同时开了好几个窗口的时候。模型那一项填「以模型广场为准」的对应 ID，不要填展示名。

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://taotoken.net/api",
    "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY",
    "ANTHROPIC_MODEL": "以模型广场为准"
  }
}

不想手改配置的，可以用命令行工具一步到位：

npm install -g @taotoken/taotoken
taotoken cc -k YOUR_API_KEY -u https://taotoken.net/api -m YOUR_MODEL_ID

Codex 是另一套配置，千万别把 ANTHROPIC_* 那一组变量套过去，它是 TOML 文件加 provider 字段的结构。写在 ~/.codex/config.toml 里，base_url 同样是 https://taotoken.net/api，Key 通过环境变量读取，不写进文件明文。

model = "以模型广场为准"
model_provider = "taotoken"

[model_providers.taotoken]
name = "taotoken"
base_url = "https://taotoken.net/api"
env_key = "API_KEY"

CC Switch 这类切换器解决的是另一个问题：你手上不止一个供应商，来回改配置文件容易改错。做法是在里面新建一个自定义供应商，填四项——Base URL、Key、模型 ID、协议类型。切过去之后，在客户端里发一条最简单的消息，看它是否正常返回，再回切换器的控制面板确认当前生效的是这一条。切换生效的判断标准不是界面上的对勾，而是那条消息真的回来了。

有一点必须提醒：这类客户端接的是你自己的开发环境，让它们读日志、读报错、生成命令都没问题，但不要让它们替你在生产库或者生产机器上直接执行破坏性操作。让模型给出命令和 SQL，你本地跑完，再把输出贴回对话里继续分析。想长期用同一套配置做重复实验，可以先看 TaoToken 上 Coding Plan 的额度口径，再决定是把实验放在客户端里跑还是在脚本里跑。

6. 排障与对账：401、404、模型名，以及这笔调用有没有入账

接通道时遇到的报错，九成集中在四个状态码上，而且几乎都和模型本身无关。把它们按出现顺序排一遍，能省掉大量来回试的时间。

401 通常意味着 Key 有问题：前后带了空格、复制时漏了字符、或者用了别家平台的 Key。请求头里 Bearer 和 Key 之间必须有一个空格，这个细节在复制粘贴时经常被吃掉。确认无误后还是 401，就回控制台重新建一把，用新 Key 再试一次，不要在同一把 Key 上反复重试。

404 基本是两个原因。一是模型 ID 手打错了，展示名和请求 ID 不是一回事，必须从模型广场复制。二是路径拼错了，Base URL 只写到 https://taotoken.net/api，请求路径上补 /v1/chat/completions，如果两边都写 /v1，就会拼出重复路径。400 一般来自参数：temperature 超范围、max_tokens 超过该模型上限，或者消息结构不合法。429 和超时则是并发太高，把并发压回 1，每次之间加个短暂停顿，先确认单条能稳定成功。

排完错之后做一次对账，这一步最容易被跳过。把本地 JSONL 里的 total_tokens 求和，与控制台用量页面对应时间段的记录比对。差异一般有三个来源：重试产生的重复请求（失败的通常不计入）、你中途换过模型 ID、以及客户端后台自己发的短请求。对账不是要凑到分毫不差，而是要确认「我记录的这笔消耗，和计费侧看到的是同一批请求」。对不上的时候，先怀疑自己的脚本重跑了，再怀疑配置。

跑完这一轮，你手上应该有三样东西：一张记录榜上条目的定位表（不含分数）、一份能重复执行的 curl 与 Node 脚本、一张由你自己五次运行填出来的延迟与 token 对照表。封面数字一个都没有，但每一格都能追溯到某次真实调用。想让这套东西持续跑下去，先把 模型对话 打开，用同一个模型 ID 发一条短请求，看控制台用量页是不是立刻记上这一笔；如果对照表要跑一整天、来回切模型，Coding Plan 的额度口径更合适；本地还没 Key 的，直接在 控制台 建一把，Claude Code 与 CC Switch 的三件套对齐方式见 接入文档。

🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度