OpenRouter 上的 DeepSeek、GPT 和 Gemini 怎麼選？程式設計、寫作與推理能力對比

先釘死三個 slug

OpenRouter 的價值是一把 OpenAI 相容的鑰匙換模型，代價是名字特別容易比錯。DeepSeek 不只有 V3.2，還有更高算力的 Speciale；GPT 線上同時掛著 5.2 和 5.4；Gemini 同時有 2.5 Pro、3 Pro Preview 和 3.1 Pro Preview。把「品牌」放進同一張排行榜，等於把不同價位、不同上下文、不同模態的商品當成一個 SKU。選型的第一步是把 slug 寫進配置，而不是把廠商寫進口號。

本文鎖定的三個，是 2026 年 10 月在 OpenRouter 模型頁上仍作為各自產品線代表、並且公開頁能核對價格和上下文的型號。DeepSeek V3.2 於 2025 年 12 月 1 日釋出，上下文 163,840 token，頁上說明可以用 reasoning.enabled 開啟推理，並提到 2025 年 IMO、IOI 金牌級結果和面向工具使用的後訓練。GPT-5.4 的模型頁把它寫成把 Codex 與 GPT 合成的前沿型號，上下文約 105 萬 token（輸入大約 92.2 萬、輸出上限 12.8 萬），接受文字和影像。Gemini 3.1 Pro Preview 仍是預覽，上下文 1,048,576 token，輸出上限 65,536，覆蓋文字、影像、影片、音訊和程式碼。預覽意味著行為還會改，生產環境要有第二條 slug 兜底。

站內已經有兩篇容易和本文撞車的文章，先劃開。2026 OpenRouter Top10：Claude、Gemini、DeepSeek、Kimi 誰才是真正贏家？排的是多模型榜，不是這三個 slug 的任務分工。帳單如果已經痛到想整站遷出 OpenRouter，看 OpenRouter 太貴怎麼辦？2026 OmniRoute 遷移驗收清單。本文留在 OpenRouter 裡面，只回答：程式設計、寫作、推理各把預設請求打到誰。

官方頁分別是 DeepSeek V3.2、GPT-5.4 和 Gemini 3.1 Pro Preview。接入方式仍是把 base_url 指到 OpenRouter，換的只是 model 字串，快速開始見 OpenRouter quickstart。下面的價格和榜單都標了觀察日期。供應商折扣、快取和路由模式會讓你實付和表格不一樣，下單前開啟模型頁，不要把這篇文章當發票。

同一把鑰匙，三種帳單

三家在 OpenRouter 上不是三個固定單價，而是「模型 × 供應商 × 路由」。DeepSeek V3.2 的對比頁在 2026 年 10 月給出的低價標題大約是輸入 $0.2088 / 輸出 $0.3096（每百萬 token），這是打折供應商的展示價。同一模型頁上，供應商從大約 $0.26 / $0.38 排到 $3 / $4.50，SiliconFlow 一檔在 10 月中旬仍標著約 $0.259 輸入和 $0.80 輸出。快取讀取另計，低價端大約 $0.0216 / 百萬。你若沒指定供應商，Balanced 路由不會保證落到這張標題價。

GPT-5.4 的標價清楚得多：標準路由輸入 $2.50、輸出 $15、快取讀 $0.25，每百萬 token。頁上還有不進標準路由的 Flex（約 $1.25 / $7.50）和 Fast（約 $5 / $30）。Gemini 3.1 Pro Preview 的標題價是輸入 $2、輸出 $12、快取讀 $0.20；網頁搜尋另計，模型頁寫的是大約 $14 / 千次呼叫。輸出上限也不同：GPT-5.4 大約 12.8 萬，Gemini 3.1 是 65,536。長文一次寫完時，先看輸出帽，再看單價。

用一組好算的量體會差距：10 萬輸入 token 加 8 千輸出 token。按對比頁標題價，DeepSeek 大約 $0.023；若打到 $0.259 / $0.80 那一檔，大約 $0.032。同一單 GPT-5.4 大約 $0.37，Gemini 3.1 大約 $0.30。也就是說，這一檔混合裡 GPT 大約是標題價 DeepSeek 的 16 倍，是 $0.80 輸出檔的 11 倍左右。輸出越厚，倍數越大，因為 $15 對 $0.31 和 $15 對 $0.80 不是同一個數量級。快取命中之後，輸入側會再便宜一截，三家都不能省掉「第一次冷啟動」的全價。

OpenRouter 自己把路由分成 Balanced（價格加速度）、Nitro（更快）、Floor（更便宜）、Exacto（工具呼叫更準）。程式設計 Agent 如果吃虧在工具參數寫錯，先試 Exacto，再考慮換 slug。寫作批處理如果只是第一稿，Floor 加 V3.2 往往比「永遠打 GPT-5.4」更符合帳單。延遲數字同樣不能抄成 SLA：2026 年 10 月 5 日的對比快照裡，GPT-5.4 對 Gemini 3.1 的中位延遲大約是 1.74 秒對 90.9 秒、吞吐大約 42 對 8 token/秒。90 秒更像某條推理端點或冷供應商的截面，不是「Gemini 永遠慢五十倍」。超時要按你選的路由現查活動圖，不要把一篇部落格寫進閘道的硬編碼。

程式設計：草稿、倉庫和終端

程式設計不是一個分數。單檔案補丁、跨檔案介面、終端裡把測試跑綠，三件事贏家可以不同。2026 年 10 月 8 日 Vector Wire 對 DeepSeek-V3.2 和 GPT-5.4 的共享測試寫過一組很好用的落差：SWE-bench Pro 大約 15.6 對 57.7，Terminal-Bench 2.1 大約 46.8 對 78.3，多語言 SWE-bench 則只差大約 1.5 個點（70.2 對 71.7）。讀法是：短、多語言、單點修復，V3.2 已經能打；又長又跨檔案、又要在真實終端裡自己把命令跑完，GPT-5.4 的公開分拉開了。這些是第三方彙總的公開分，不是你倉庫裡的通過率，協議和腳手架一變，名次會動。

OpenRouter 對比頁在 2026 年 10 月 5 日給 DeepSeek V3.2（Reasoning）的 Coding Index 是 44.2，Intelligence Index 是 21.5；同一頁對照的是 GPT-5.2 而不是 5.4，GPT-5.2 的 Intelligence Index 是 30.4，Coding Index 當時空著。GPT-5.4 對 Gemini 3.1 Pro Preview 的另一張對比頁給出 GPT-5.4 的 Intelligence Index 39.0、Coding Index 71.1，Gemini 兩欄當時沒有數字。所以「程式設計指數 71 對 44」不能直接寫成 GPT 對 DeepSeek 的官方對決，兩張表的對手和變體都不一樣。能寫進配置的結論更窄：OpenRouter 上能同時看到的編碼向指數，目前更完整地落在 GPT-5.4；V3.2 有自己的編碼指數，但是另一套對照。

倉庫實踐可以收成三條。第一，註釋、單測、中文報錯解釋、讓模型先給一個最小 diff，用 V3.2 連續試十次，帳單仍常常低於 GPT 一次。第二，介面要同時改呼叫方、型別和遷移指令碼，或者 Agent 得在終端裡安裝依賴、讀失敗日誌再改，預設 slug 改成 openai/gpt-5.4。第三，輸入超過大約 16 萬 token，V3.2 的視窗裝不下，GPT-5.4 和 Gemini 3.1 都在一百萬左右。這時若材料是純程式碼和文字，GPT-5.4 的終端和工具記錄更貼程式設計 Agent；若材料裡夾著介面錄影、設計稿影片或語音評審，Gemini 的模態才是換 slug 的理由，而不是「誰上下文更長」——這兩家的視窗已經同級。

還有一條容易漏的邊界：GPT-5.4 的模型頁強調影像輸入，Gemini 3.1 還覆蓋影片和音訊。只貼一張報錯截圖，兩家都能做；要模型看一段操作錄影再改程式碼，預覽版 Gemini 是這三家裡唯一對得上的。預覽失敗、空回覆或工具輪次丟失時，同一條提示詞回退到 GPT-5.4，不要在閘道裡無限重試同一個 preview。

寫作：中文量產、英文成稿、長材料

寫作幾乎沒有一張和 SWE-bench 同級、而且三家都公佈的穩定榜。誰「文筆更好」如果只引用一個 ELO，下個月就會過期。更有用的做法是把寫作拆成你真的會付錢的四種活：中文第一稿、英文成稿、帶硬約束的格式、貼著長材料寫且不能發明出處。

中文說明、客服宏、內部紀要的第一稿，V3.2 通常是預設。它便宜到你可以把同一簡報跑三份不同長度，再人工選。品牌語氣已經寫進風格指南、英文釋出說明不能出現行銷腔、段落必須按你給的小標題順序展開時，公開對照裡 GPT-5.4 在指令遵循上領先 V3.2 的幅度，比它在「會不會寫中文」上的差距更值得付錢。Vector Wire 在 2026 年 10 月把指令遵循列為 GPT-5.4 對 V3.2 全勝的領域之一。這仍然是別人的題，不是你的品牌詞表。上線前用你自己的十篇舊稿做回歸，比再找一篇「寫作大模型橫評」有用。

長材料是另一件事。會議記錄、論文包、法規摘錄超過 16 萬 token，V3.2 會在視窗處被截斷，截斷之後的「摘要」看起來完整，其實沒看見後半本。GPT-5.4 和 Gemini 3.1 都能裝下大約一百萬 token 的量級。Gemini 的額外理由是材料本身是影片或音訊，以及輸出單價 $12 對 $15。若你的失敗模式是「引用了材料裡不存在的頁碼」，兩家都要在提示詞裡要求逐條引用原文片段，並用指令碼核對。模型換貴不會自動消滅編造。

建議的寫作驗收只有四列，每列 0 到 2 分：約束命中（字數、人稱、禁用詞）、編造（不存在的連結、資料、引語）、返工輪數、這輪輸出 token 的美元。三家用同一溫度、同一簡報各跑一次。中文欄目的贏家經常是 V3.2，因為返工一輪的成本仍低於 GPT 的第一輪。英文對外稿的贏家經常是 GPT-5.4，因為少一輪品牌返工就蓋過單價。夾著錄影的簡報才把 Gemini 拉進決賽。不要用三列平均分宣佈「總冠軍」，平均分會把便宜的草稿和貴的成稿混成一個無意義的數。

推理：數學、科學和多步工具

推理同樣要拆開。競賽數學鋪量、研究生科學題、多步工具呼叫，最佳化目標不一樣。DeepSeek 的模型說明強調稀疏注意力、可擴充套件的強化學習後訓練，以及 2025 年 IMO、IOI 金牌級結果，適合你有一大批可自動判分的數學題、希望單題成本停在美分以下時拿來掃。這和「共享榜上每一項都第一」不是同一句話。Vector Wire 2026 年 10 月 8 日的對照寫明：在兩家都有分的推理、數學、事實題上，GPT-5.4 領先，例如 GPQA Diamond 大約 92 對 84，Humanity's Last Exam 大約 43.7 對 24.6，ARC-AGI-2 的差距更大（大約 73.3 對 4）。鋪量用 V3.2，單題必須按苛刻量表給步驟時用 GPT-5.4。

科學題更要防兩套尺子。OpenRouter 在 2026 年 10 月 5 日的對比頁給 GPT-5.4 的 Intelligence Index 是 39.0，給 Gemini 3.1 Pro Preview 的是 28.0，而且 Gemini 的編碼指數當時空缺。另一些 2026 年春季的第三方綜述給 Gemini 3.1 Pro 寫過更高的 GPQA 和 SWE-bench Verified。兩套數字可以同時存在，因為題集、推理檔位和腳手架不同。你若做的是生物醫學或法規問答，用自己的 20 道已核對題目各跑一遍，記錄錯在事實還是錯在步驟。不要用 A 榜的 94 分去否定 B 榜的 28 分，也不要反過來。

多步工具是 Gemini 預覽最容易翻車、也最容易被文件寫清楚的地方。OpenRouter 要求在多輪工具呼叫裡保留推理塊，說明在 reasoning tokens 文件。閘道如果只回傳可見正文、丟掉 reasoning details，第二輪開始模型會像失憶。GPT-5.4 的產品敘述把編碼 Agent 和通用 GPT 放進同一系統，工具迴圈的預設路徑更完整。V3.2 則用 reasoning.enabled 決定要不要把推理算進這次請求。三條都「能調工具」時，先檢查你的客戶端有沒有把推理塊原樣送回去，再比較模型智商。很多「Gemini 不聽話」的工單，修的是客戶端，不是 slug。

怎麼選：決策表和一條路由

把上面收成一張可以貼在閘道旁邊的表。預設從便宜的一行開始，只有觸發條件命中才升級。升級不是信仰，是因為視窗、模態或返工成本已經蓋過單價。

閘道裡可以先寫成下面這樣的選擇，再按你自己的 20 題改閾值。20 題不必公開，但要覆蓋你的真實失敗：單測、跨檔案、終端日誌、中文說明、英文釋出說明、禁用詞、長材料裡的假頁碼、第二輪工具是否還記得第一輪約束、截圖、錄影。每題 0 到 2 分，按欄目記分，不要合成一個總分。

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek/deepseek-v3.2",
    "messages": [
      {"role": "user", "content": "用三句話解釋這段報錯，並給出最小補丁。"}
    ]
  }'

# 多檔案 / 終端 / 英文成稿：把 model 換成 openai/gpt-5.4
# 影片、音訊或 Gemini 多模態：換成 google/gemini-3.1-pro-preview
# 預覽空回覆或丟推理塊：同一提示詞回退 openai/gpt-5.4

這條路由故意保守。它不試圖證明某一家「全面更強」，只避免三種貴的錯誤：用 16 萬視窗去摘要一本裝不下的材料、用預覽模型硬扛沒有回傳推理塊的工具迴圈、用前沿單價去刷一百次第一稿。價格在 2026 年 10 月仍在動，DeepSeek 的輸出標價在不同供應商之間可以差一倍以上。每個月用同一組 20 題重跑一次，比把 slug 寫死在季度規劃裡更安全。

常見問題