OpenRouter 초기 투자자 투자 과정 회고

저자：Menlo Ventures

편집: 가환, ChainCatcher

오늘, OpenRouter는 Stripe와 인수 계약을 체결했다고 발표했습니다. OpenRouter가 2023년에 공식 출시된 지 이제 막 3년이 지났습니다.

OpenRouter는 처음에 "LLM의 통합 인터페이스"로 포지셔닝하여 출시되었으며, 당시에는 4개의 모델만 지원했습니다: GPT-3.5, GPT-4, Together의 GPT NeoXT 및 Cohere xlarge.

회사가 설립될 당시 두 가지 핵심 판단에 기반했습니다: 첫째, AI의 사용 규모는 결국 매우 방대해질 것이며, 다양한 분야에 침투할 것이다; 둘째, 시장에는 다양한 모델이 등장할 것이며, 각 모델은 장단점이 있어 사용자는 다양한 요구에 따라 다른 모델을 선택할 것이다.

사실, 이 두 가지 판단은 당시의 예상을 훨씬 초과했습니다.

출시 이후, OpenRouter 플랫폼에서 처리된 토큰 수는 약 3만 배 증가했으며, 현재 연간 기준으로 4500조 개 이상의 토큰을 초과했습니다. 플랫폼의 지출 규모도 상당히 놀라운 수준에 도달했습니다. 동시에 OpenRouter가 지원하는 모델 수는 처음 4개에서 500개 이상으로 증가했습니다.

그림: 설립부터 인수까지, OpenRouter 토큰 사용량 증가 상황

Menlo Ventures는 이 여정에 참여할 수 있어 매우 운이 좋습니다. 2025년 3월, 우리는 Anthropic과 협력하여 설립한 Anthology Fund를 통해 OpenRouter의 시드 라운드에 참여했습니다.

OpenRouter의 창립자이자 CEO인 Alex Atallah은 이전에 OpenSea를 창립했으며, OpenSea는 한때 133억 달러의 가치를 지녔습니다. 그의 공동 창립자에는 Discord에서 알게 된 기술 전문가 Louis Vichy와 실행력이 뛰어난 COO Chris Clark가 포함됩니다.

2025년 5월, 우리는 OpenRouter의 A 라운드 자금을 주도했으며, Matt는 회사 이사회에 합류하고 Deedy는 이사회 관찰자로 임명되었습니다. 올해 초, OpenRouter의 고객 수와 수익이 급속히 증가하는 것을 보았고, 회사가 모델 선택 및 평가에 대한 더 강력한 "모델 지능" 능력을 구축하는 제품 로드맵을 세운 후, 우리는 B 라운드 자금을 추가로 투자했습니다.

기술 산업에서, 하나의 아이디어는 종종 수년이 지나야 소수의 판단에서 산업의 합의로 변모합니다.

그리고 몇 주 전, 이 일이 발생했습니다: Ramp에서 Cursor까지, 10개 이상의 회사가 거의 동시에 자신의 모델 라우팅 제품을 출시했습니다. 불과 몇 년 만에 OpenRouter는 AI 시대의 가장 중요한 회사 중 하나가 되었습니다.

그림: OpenRouter A 라운드를 주도할 때의 단체 사진

언뜻 보기에는 Stripe가 OpenRouter의 가장 자연스러운 인수자가 아닌 것처럼 보이지만, 두 회사는 실제로 놀라울 정도로 유사합니다.

두 회사 모두 복잡한 거래 프로세스를 단순화하고, 그 과정에서 일정 비율의 수수료를 부과하는 직접 연결 가능한 API를 통해 운영됩니다. 단지 OpenRouter가 처리하는 것은 AI 모델입니다.

Stripe의 일관된 주장에 따르면, 두 회사가 결합한 후에도 여전히 같은 일을 하고 있습니다: "인터넷 GDP"를 높이는 것입니다.

사실, 1년 이상 전에 OpenRouter는 이미 자신을 "LLM 분야의 Stripe"라고 칭했습니다.

OpenRouter의 핵심 가치

OpenRouter는 Deedy가 2024년 Menlo에 합류한 후 가장 먼저 접촉한 회사 중 하나입니다. 이 회사는 거의 정확히 우리의 AI 인프라 투자 논리의 핵심 위치에 있습니다.

Menlo는 《2024 기업 AI 보고서》에서 OpenRouter에 대한 두 가지 투자 판단을 제시했습니다: AI 지출이 대폭 증가할 것이며, 개발자는 단일 모델만 사용하지 않고 여러 모델을 동시에 사용할 것입니다.

그림: Menlo가 OpenRouter에 처음 보낸 연락 이메일

코드를 작성하고 이러한 모델을 실제로 사용하는 사람으로서, 우리는 일찍이 다양한 모델 간의 비용, 지연 및 성능 간에 매우 뚜렷한 차이가 존재한다는 것을 깨달았습니다.

예를 들어, 단순한 NLP 작업을 수행할 때, 텍스트에서 엔티티를 인식하는 경우, Fable과 같은 최첨단 모델을 호출할 필요는 없습니다.

하지만 문제는 사용자가 각 모델 회사의 공식 웹사이트에 들어가서 계정을 등록하고, API 키를 생성하고, 키를 안전하게 보관한 후, 각 회사의 약간 다른 API 인터페이스 규격에 맞게 조정해야 하며, 마지막으로 모든 모델을 직접 관리해야 한다는 것입니다. 전체 과정은 매우 번거롭습니다.

통합된 모델 게이트웨리는 간단하게 들리지만, 실제로는 표면적으로 보이는 것보다 훨씬 더 어려운 인프라 문제입니다. 실제로 이 시스템을 장기적으로 구축하고 유지하려는 사람은 거의 없습니다.

벤처 캐피탈 산업에서는 종종 "성곽"에 대해 논의하며, 일반적으로 기술 장벽을 먼저 떠올립니다. 하지만 OpenRouter가 보유한 것은 매우 전형적인 규모의 성곽입니다.

사용자가 많을수록 OpenRouter는 모델 수요를 예측하고 더 큰 부하를 처리할 수 있으며, 동시에 모델 연구소와 더 큰 계약을 체결하여 더 안정적인 토큰 공급과 수요를 확보할 수 있습니다.

결국, 이는 순환을 형성합니다: 새로운 모델 연구소는 배급 경로를 확보하기 위해 OpenRouter에 우선적으로 진입하고자 할 것입니다.

우리는 또 다른 추세를 관찰했습니다.

vibe coding의 보급과 함께 소프트웨어 스타트업의 수가 급속히 증가하고 있습니다. 기업 시장에 진입하고자 하는 제품의 경우, 최종적으로 실제로 기업에서 구매되는 것은 종종 회사 내부 개발자에게 먼저 인정받은 제품입니다.

Anthropic, OpenAI, xAI, Cursor, Cognition, ElevenLabs, Lovable 및 Fireworks도 마찬가지입니다: 이들은 먼저 개발자에게 인정을 받은 후 기업 시장에 진입합니다.

OpenRouter도 마찬가지입니다.

우리가 투자한 이후:

• OpenRouter가 현재 처리하는 토큰 수는 출시 초기의 3만 배에 달하며, 지난 3년 동안 약 33%의 월간 성장을 유지하고 평균 11주마다 두 배로 증가했습니다.

• 모델 시장도 빠르게 확장되고 있습니다. 중국에서는 DeepSeek, GLM, Kimi와 같은 우수한 오픈 소스 모델이 등장했으며, Grok, Meta 및 Thinking Machines와 같은 회사의 모델도 있습니다. 현재 OpenRouter는 80개 이상의 모델 제공업체의 500개 이상의 모델에 연결되어 약 1000만 사용자에게 서비스를 제공하고 있습니다.

• 많은 중요한 새로운 모델이 OpenRouter에 우선적으로 출시되며, OpenAI, X 및 Meta의 모델도 포함됩니다. 평소에는 트윗을 거의 하지 않고 다른 제품에 대해 발언하지 않는 Mark Zuckerberg도 Muse Spark가 OpenRouter에 출시되었다고 특별히 발표했습니다. Elon Musk도 마찬가지입니다. OpenAI는 OpenRouter를 통해 Terra, Luna 등의 모델에 대한 전용 할인을 제공합니다.

• OpenRouter의 제품 주도 성장 모델은 기업 시장에서도 성공적으로 전환되었습니다. 이 기업 제품의 판매 주기는 우리가 본 것 중 가장 빠른 편입니다. 기업은 이 제품을 통해 모델 자원을 통합 배분하고, 접근 권한을 제어하며, 내부 AI 예산을 관리할 수 있습니다.

• OpenRouter는 다양한 모델 제공업체와 계약을 통합하여 협상할 수 있기 때문에, 최첨단 모델에 대해서도 매우 높은 서비스 가용성을 제공할 수 있습니다.

OpenRouter는 어떻게 오늘에 이르게 되었는가?

장기적으로 창업을 하는 사람들은 제품 시장 적합성, 즉 PMF를 찾는 것이 결코 직선적이지 않다는 것을 알려줄 것입니다.

OpenRouter도 마찬가지입니다.

그 이야기는 사실 2023년 4월 5일로 거슬러 올라갑니다. 당시 팀은 Window라는 Chrome 확장을 출시하여 사용자가 인터넷의 다양한 채팅 애플리케이션에서 동시에 여러 모델을 호출할 수 있도록 했습니다.

그들이 처음 해결하고자 했던 문제는 사용자가 특정 모델 공급업체에 잠기지 않도록 하면서, 다양한 모델을 사용하기 위해 자신의 API 키를 각각 다른 애플리케이션에 제공할 필요가 없도록 하는 것이었습니다.

이 제품의 디자인 영감은 암호화 지갑에서 비롯되었으며, 이는 Alex가 이전에 OpenSea를 창립한 경험과 관련이 있습니다. 당시 Window는 총 4개의 모델을 지원했습니다.

2023년 4월 24일, Window의 GitHub 코드 저장소에 처음으로 "OpenRouter"라는 이름이 등장했습니다.

약 한 달 후, 그들은 첫 번째 Anthropic v1 모델을 연결하여 요청을 적절한 모델에 자동으로 할당하기 시작했으며, 이후 널리 알려진 모델 순위를 제작하고 OpenRouter라는 이름을 사용하기 시작했습니다.

2023년 8월 10일, 팀은 공식적으로 제품 이름을 OpenRouter로 변경하고, 슬로건은 "LLMs를 위한 통합 인터페이스"로 설정했습니다.

당시 OpenRouter는 매주 약 30억 개의 토큰을 처리했습니다. 그때 순위에 있는 모델은 오늘날 우리가 익숙한 모델과는 완전히 달랐습니다.

이후 팀은 Playground를 출시하여 사용자가 하나의 채팅 인터페이스를 통해 여러 모델의 응답을 동시에 받을 수 있도록 했습니다.

그 해 11월까지 OpenRouter는 52개의 모델을 지원하고 2000개 이상의 애플리케이션에 연결되었으며, 매주 약 80억 개의 토큰을 처리했습니다.

이때 그들은 진정으로 PMF를 찾았습니다.

모델 라우팅의 미래

많은 사람들의 이해와는 달리, OpenRouter의 가장 핵심적인 제품은 단순히 "사용자의 토큰을 라우팅하는 것"이 아니라, 가장 사용하기 쉬운 AI 게이트웨이가 되는 것입니다.

OpenRouter는 실제로 Auto Router를 제공하여 모델을 자동으로 선택할 수 있지만, 대부분의 개발자는 OpenRouter를 사용하여 다양한 모델에 접근하고, 자신의 요구에 따라 모델 라우팅을 결정합니다.

최근 LLM에 대한 기업의 지출이 급속히 증가하고 있으며, 이는 Uber, Coinbase 및 Microsoft와 같은 회사의 현실적인 문제로 대두되고 있습니다.

따라서 "모델 라우터"는 비용을 절감하는 솔루션으로 매우 매력적으로 들립니다.

하나의 AI 에이전트가 작업을 수행할 때 여러 개의 하위 작업으로 나누어진다면, 왜 각 작업마다 가장 비싼 모델을 사용해야 할까요? 간단한 작업은 비용이 더 낮은 모델에 맡길 수 있습니다.

지난 몇 주 동안, 전체 산업이 갑자기 이 점을 인식한 것 같습니다. Ramp에서 Cursor까지, 10개 이상의 회사가 자신의 모델 라우터를 출시했습니다.

하지만 문제는 단순히 프롬프트 자체에 따라 모델을 선택하는 것이 사실상 특별히 효과적인 방법이 아니라는 것입니다.

에이전트 시나리오에서 하나의 작업은 오랜 시간 동안 실행될 수 있습니다. 특정 요청이 어떤 모델에 할당되어야 하는지를 판단하려면 많은 맥락을 이해해야 합니다.

예를 들어, 간단한 지시문: "코드 저장소에서 이 파일을 찾아라."

이것은 저렴하고 간단한 LLM만으로도 충분할 수 있지만, 최첨단 모델을 호출해야 할 수도 있습니다. 이는 코드 저장소의 크기와 이전 작업에서 축적된 맥락에 따라 달라집니다.

다단계 에이전트 작업에서 라우터가 어느 단계에서 잘못된 모델을 선택하면, 이 잘못된 비용은 후속 단계에서 계속 확대되어 결국 전체 작업의 결과 품질이 현저히 저하될 수 있습니다.

따라서 진정으로 차별화된 능력을 가진 모델 라우팅 제품의 기반은 단순한 "모델 선택 알고리즘"이 아니라, 우수한 통합 API와 충분히 방대한 실제 사용자 규모입니다.

바로 이 사용자들이 OpenRouter가 외부의 주목을 거의 받지 않고도 방대한 데이터 세트를 점차 축적할 수 있게 했습니다. 이 데이터 세트에는 사용자가 제출한 프롬프트, 이 프롬프트가 최종적으로 사용한 모델, 작업 실행 시의 맥락, 그리고 마지막으로 얻은 결과가 포함됩니다.

이것이 모델 라우팅의 진정한 중요성입니다.

실제 생산 환경에서 OpenRouter는 가능한 한 효과를 유지하면서 더 합리적인 모델 라우팅을 통해 기업이 비용을 통제할 수 있도록 도와줍니다.

미래에는 개발자가 복잡한 평가 시스템을 구축할 필요도 없고, 다양한 모델에 맞춰 프롬프트를 지속적으로 수정할 필요도 없습니다.

당신은 단지 백엔드에 로그인한 후 다음과 같은 메시지를 볼 수 있습니다: "당신의 코드 저장소에서 일부 장면은 주로 요약에 사용됩니다. GPT 5.6 Sol을 Muse Spark로 교체하면 매년 10만 달러를 절약할 수 있습니다. 우리는 관련 평가를 자동으로 완료했습니다."

이것이 모델 라우팅의 진정한 미래입니다.

결제 인프라에서 AI 인프라로

Stripe와 OpenRouter는 매우 유사한 발전 궤적을 가지고 있습니다. 두 회사 모두 먼저 개발자를 확보한 후 점차 대기업 시장에 진입했습니다. 두 회사의 제품 디자인 언어도 매우 간결하고 직접적입니다.

Andrej Karpathy는 OpenRouter를 AI의 "전환 스위치"라고 언급했습니다. Stripe가 하는 일도 본질적으로 유사합니다: 결제 처리 시스템에서 그 "스위치"가 되었습니다.

이번 인수는 AI 시대 인프라 분야에서 가장 먼저 등장한 대형 거래 중 하나이며, 마지막 거래가 아닐 것입니다. 모델, 비용 및 컴퓨팅 파워를 관리하기 위한 인프라가 점차 형성되고 있습니다. 이러한 인프라는 새로운 세대의 거대 기업 형성 속도를 과거보다 더 빠르게 만들고 있습니다.