OpenRouter 上的 DeepSeek、GPT 和 Gemini 怎么选？编程、写作与推理能力对比

先钉死三个 slug

OpenRouter 的价值是一把 OpenAI 兼容的钥匙换模型，代价是名字特别容易比错。DeepSeek 不只有 V3.2，还有更高算力的 Speciale；GPT 线上同时挂着 5.2 和 5.4；Gemini 同时有 2.5 Pro、3 Pro Preview 和 3.1 Pro Preview。把「品牌」放进同一张排行榜，等于把不同价位、不同上下文、不同模态的商品当成一个 SKU。选型的第一步是把 slug 写进配置，而不是把厂商写进口号。

本文锁定的三个，是 2026 年 10 月在 OpenRouter 模型页上仍作为各自产品线代表、并且公开页能核对价格和上下文的型号。DeepSeek V3.2 于 2025 年 12 月 1 日发布，上下文 163,840 token，页上说明可以用 reasoning.enabled 打开推理，并提到 2025 年 IMO、IOI 金牌级结果和面向工具使用的后训练。GPT-5.4 的模型页把它写成把 Codex 与 GPT 合成的前沿型号，上下文约 105 万 token（输入大约 92.2 万、输出上限 12.8 万），接受文本和图像。Gemini 3.1 Pro Preview 仍是预览，上下文 1,048,576 token，输出上限 65,536，覆盖文本、图像、视频、音频和代码。预览意味着行为还会改，生产环境要有第二条 slug 兜底。

站内已经有两篇容易和本文撞车的文章，先划开。2026 OpenRouter Top10：Claude、Gemini、DeepSeek、Kimi 谁才是真正赢家？排的是多模型榜，不是这三个 slug 的任务分工。账单如果已经痛到想整站迁出 OpenRouter，看 OpenRouter太贵怎么办？2026 OmniRoute迁移验收清单。本文留在 OpenRouter 里面，只回答：编程、写作、推理各把默认请求打到谁。

官方页分别是 DeepSeek V3.2、GPT-5.4 和 Gemini 3.1 Pro Preview。接入方式仍是把 base_url 指到 OpenRouter，换的只是 model 字符串，快速开始见 OpenRouter quickstart。下面的价格和榜单都标了观察日期。供应商折扣、缓存和路由模式会让你实付和表格不一样，下单前打开模型页，不要把这篇文章当发票。

同一把钥匙，三种账单

三家在 OpenRouter 上不是三个固定单价，而是「模型 × 供应商 × 路由」。DeepSeek V3.2 的对比页在 2026 年 10 月给出的低价标题大约是输入 $0.2088 / 输出 $0.3096（每百万 token），这是打折供应商的展示价。同一模型页上，供应商从大约 $0.26 / $0.38 排到 $3 / $4.50，SiliconFlow 一档在 10 月中旬仍标着约 $0.259 输入和 $0.80 输出。缓存读取另计，低价端大约 $0.0216 / 百万。你若没指定供应商，Balanced 路由不会保证落到这张标题价。

GPT-5.4 的标价清楚得多：标准路由输入 $2.50、输出 $15、缓存读 $0.25，每百万 token。页上还有不进标准路由的 Flex（约 $1.25 / $7.50）和 Fast（约 $5 / $30）。Gemini 3.1 Pro Preview 的标题价是输入 $2、输出 $12、缓存读 $0.20；网页搜索另计，模型页写的是大约 $14 / 千次调用。输出上限也不同：GPT-5.4 大约 12.8 万，Gemini 3.1 是 65,536。长文一次写完时，先看输出帽，再看单价。

用一组好算的量体会差距：10 万输入 token 加 8 千输出 token。按对比页标题价，DeepSeek 大约 $0.023；若打到 $0.259 / $0.80 那一档，大约 $0.032。同一单 GPT-5.4 大约 $0.37，Gemini 3.1 大约 $0.30。也就是说，这一档混合里 GPT 大约是标题价 DeepSeek 的 16 倍，是 $0.80 输出档的 11 倍左右。输出越厚，倍数越大，因为 $15 对 $0.31 和 $15 对 $0.80 不是同一个数量级。缓存命中之后，输入侧会再便宜一截，三家都不能省掉「第一次冷启动」的全价。

OpenRouter 自己把路由分成 Balanced（价格加速度）、Nitro（更快）、Floor（更便宜）、Exacto（工具调用更准）。编程 Agent 如果吃亏在工具参数写错，先试 Exacto，再考虑换 slug。写作批处理如果只是第一稿，Floor 加 V3.2 往往比「永远打 GPT-5.4」更符合账单。延迟数字同样不能抄成 SLA：2026 年 10 月 5 日的对比快照里，GPT-5.4 对 Gemini 3.1 的中位延迟大约是 1.74 秒对 90.9 秒、吞吐大约 42 对 8 token/秒。90 秒更像某条推理端点或冷供应商的截面，不是「Gemini 永远慢五十倍」。超时要按你选的路由现查活动图，不要把一篇博客写进网关的硬编码。

编程：草稿、仓库和终端

编程不是一个分数。单文件补丁、跨文件接口、终端里把测试跑绿，三件事赢家可以不同。2026 年 10 月 8 日 Vector Wire 对 DeepSeek-V3.2 和 GPT-5.4 的共享测试写过一组很好用的落差：SWE-bench Pro 大约 15.6 对 57.7，Terminal-Bench 2.1 大约 46.8 对 78.3，多语言 SWE-bench 则只差大约 1.5 个点（70.2 对 71.7）。读法是：短、多语言、单点修复，V3.2 已经能打；又长又跨文件、又要在真实终端里自己把命令跑完，GPT-5.4 的公开分拉开了。这些是第三方汇总的公开分，不是你仓库里的通过率，协议和脚手架一变，名次会动。

OpenRouter 对比页在 2026 年 10 月 5 日给 DeepSeek V3.2（Reasoning）的 Coding Index 是 44.2，Intelligence Index 是 21.5；同一页对照的是 GPT-5.2 而不是 5.4，GPT-5.2 的 Intelligence Index 是 30.4，Coding Index 当时空着。GPT-5.4 对 Gemini 3.1 Pro Preview 的另一张对比页给出 GPT-5.4 的 Intelligence Index 39.0、Coding Index 71.1，Gemini 两栏当时没有数字。所以「编程指数 71 对 44」不能直接写成 GPT 对 DeepSeek 的官方对决，两张表的对手和变体都不一样。能写进配置的结论更窄：OpenRouter 上能同时看到的编码向指数，目前更完整地落在 GPT-5.4；V3.2 有自己的编码指数，但是另一套对照。

仓库实践可以收成三条。第一，注释、单测、中文报错解释、让模型先给一个最小 diff，用 V3.2 连续试十次，账单仍常常低于 GPT 一次。第二，接口要同时改调用方、类型和迁移脚本，或者 Agent 得在终端里安装依赖、读失败日志再改，默认 slug 改成 openai/gpt-5.4。第三，输入超过大约 16 万 token，V3.2 的窗口装不下，GPT-5.4 和 Gemini 3.1 都在一百万左右。这时若材料是纯代码和文本，GPT-5.4 的终端和工具记录更贴编程 Agent；若材料里夹着界面录像、设计稿视频或语音评审，Gemini 的模态才是换 slug 的理由，而不是「谁上下文更长」——这两家的窗口已经同级。

还有一条容易漏的边界：GPT-5.4 的模型页强调图像输入，Gemini 3.1 还覆盖视频和音频。只贴一张报错截图，两家都能做；要模型看一段操作录像再改代码，预览版 Gemini 是这三家里唯一对得上的。预览失败、空回复或工具轮次丢失时，同一条提示词回退到 GPT-5.4，不要在网关里无限重试同一个 preview。

写作：中文量产、英文成稿、长材料

写作几乎没有一张和 SWE-bench 同级、而且三家都公布的稳定榜。谁「文笔更好」如果只引用一个 ELO，下个月就会过期。更有用的做法是把写作拆成你真的会付钱的四种活：中文第一稿、英文成稿、带硬约束的格式、贴着长材料写且不能发明出处。

中文说明、客服宏、内部纪要的第一稿，V3.2 通常是默认。它便宜到你可以把同一简报跑三份不同长度，再人工选。品牌语气已经写进风格指南、英文发布说明不能出现营销腔、段落必须按你给的小标题顺序展开时，公开对照里 GPT-5.4 在指令遵循上领先 V3.2 的幅度，比它在「会不会写中文」上的差距更值得付钱。Vector Wire 在 2026 年 10 月把指令遵循列为 GPT-5.4 对 V3.2 全胜的领域之一。这仍然是别人的题，不是你的品牌词表。上线前用你自己的十篇旧稿做回归，比再找一篇「写作大模型横评」有用。

长材料是另一件事。会议记录、论文包、法规摘录超过 16 万 token，V3.2 会在窗口处被截断，截断之后的「摘要」看起来完整，其实没看见后半本。GPT-5.4 和 Gemini 3.1 都能装下大约一百万 token 的量级。Gemini 的额外理由是材料本身是视频或音频，以及输出单价 $12 对 $15。若你的失败模式是「引用了材料里不存在的页码」，两家都要在提示词里要求逐条引用原文片段，并用脚本核对。模型换贵不会自动消灭编造。

建议的写作验收只有四列，每列 0 到 2 分：约束命中（字数、人称、禁用词）、编造（不存在的链接、数据、引语）、返工轮数、这轮输出 token 的美元。三家用同一温度、同一简报各跑一次。中文栏目的赢家经常是 V3.2，因为返工一轮的成本仍低于 GPT 的第一轮。英文对外稿的赢家经常是 GPT-5.4，因为少一轮品牌返工就盖过单价。夹着录像的简报才把 Gemini 拉进决赛。不要用三列平均分宣布「总冠军」，平均分会把便宜的草稿和贵的成稿混成一个无意义的数。

推理：数学、科学和多步工具

推理同样要拆开。竞赛数学铺量、研究生科学题、多步工具调用，优化目标不一样。DeepSeek 的模型说明强调稀疏注意力、可扩展的强化学习后训练，以及 2025 年 IMO、IOI 金牌级结果，适合你有一大批可自动判分的数学题、希望单题成本停在美分以下时拿来扫。这和「共享榜上每一项都第一」不是同一句话。Vector Wire 2026 年 10 月 8 日的对照写明：在两家都有分的推理、数学、事实题上，GPT-5.4 领先，例如 GPQA Diamond 大约 92 对 84，Humanity's Last Exam 大约 43.7 对 24.6，ARC-AGI-2 的差距更大（大约 73.3 对 4）。铺量用 V3.2，单题必须按苛刻量表给步骤时用 GPT-5.4。

科学题更要防两套尺子。OpenRouter 在 2026 年 10 月 5 日的对比页给 GPT-5.4 的 Intelligence Index 是 39.0，给 Gemini 3.1 Pro Preview 的是 28.0，而且 Gemini 的编码指数当时空缺。另一些 2026 年春季的第三方综述给 Gemini 3.1 Pro 写过更高的 GPQA 和 SWE-bench Verified。两套数字可以同时存在，因为题集、推理档位和脚手架不同。你若做的是生物医学或法规问答，用自己的 20 道已核对题目各跑一遍，记录错在事实还是错在步骤。不要用 A 榜的 94 分去否定 B 榜的 28 分，也不要反过来。

多步工具是 Gemini 预览最容易翻车、也最容易被文档写清楚的地方。OpenRouter 要求在多轮工具调用里保留推理块，说明在 reasoning tokens 文档。网关如果只回传可见正文、丢掉 reasoning details，第二轮开始模型会像失忆。GPT-5.4 的产品叙述把编码 Agent 和通用 GPT 放进同一系统，工具循环的默认路径更完整。V3.2 则用 reasoning.enabled 决定要不要把推理算进这次请求。三条都「能调工具」时，先检查你的客户端有没有把推理块原样送回去，再比较模型智商。很多「Gemini 不听话」的工单，修的是客户端，不是 slug。

怎么选：决策表和一条路由

把上面收成一张可以贴在网关旁边的表。默认从便宜的一行开始，只有触发条件命中才升级。升级不是信仰，是因为窗口、模态或返工成本已经盖过单价。

网关里可以先写成下面这样的选择，再按你自己的 20 题改阈值。20 题不必公开，但要覆盖你的真实失败：单测、跨文件、终端日志、中文说明、英文发布说明、禁用词、长材料里的假页码、第二轮工具是否还记得第一轮约束、截图、录像。每题 0 到 2 分，按栏目记分，不要合成一个总分。

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": "用三句话解释这段报错，并给出最小补丁。"}
    ]
  }'

# 多文件 / 终端 / 英文成稿：把 model 换成 openai/gpt-5.4
# 视频、音频或 Gemini 多模态：换成 google/gemini-3.1-pro-preview
# 预览空回复或丢推理块：同一提示词回退 openai/gpt-5.4

这条路由故意保守。它不试图证明某一家「全面更强」，只避免三种贵的错误：用 16 万窗口去摘要一本装不下的材料、用预览模型硬扛没有回传推理块的工具循环、用前沿单价去刷一百次第一稿。价格在 2026 年 10 月仍在动，DeepSeek 的输出标价在不同供应商之间可以差一倍以上。每个月用同一组 20 题重跑一次，比把 slug 写死在季度规划里更安全。

常见问题