AIエージェント

モデルルーターは何で選ぶ？Cursor RouterとOpenRouter Autoの違い

2026/9/13 （更新: 2026/10/11）

🤖 AIを使用して執筆

選ぶ根拠は試験の点数から本番の記録へ動いた

ルータ（モデルルータ）とは、依頼ごとにどのLLM（大規模言語モデル）へ処理させるかを決める仕組みを指す。本稿はその二つを読む。一方はAIコードエディタのCursorで、開発元はAnysphere, Inc.である³。もう一方は多数のモデル提供元へ一つのAPIで依頼を送れるゲートウェイのOpenRouterで、運営はOpenRouter, Inc.である⁴。OpenRouterは複数のルータを並べて提供しており、本稿が扱うのはそのうちAuto Routerである⁵。前者は自社の利用者が応答のあとに何をしたかを読み、後者は市場全体が直近の一週間でどのモデルへ支出したかを読む。

依頼をモデルへ振り分ける仕組みは、モデル提供元が自社のモデル群の中で行う自動選択や、公開の比較サイトで人が二つのモデルの応答を見比べた記録から選び方を学ぶルータ⁶、利用者が自分で組む規則など、この二つの外にもある。OpenRouter自身も、コード向けにベンチマークの順位で候補を絞るPareto Routerを別に出している⁷。本稿がこの二つを選んだのは、一方が証人を自社の利用者に取り、もう一方が市場全体に取るという対照が明確であることと、どちらも設計の考え方を作り手自身が公開の文書に書いていて、読者が原典で確かめられることによる。

選ぶ役が人からツールへ移るとき、ツールは何かを根拠に選ばなければならない。公開の試験の点数を根拠にする道と、人の振る舞いを根拠にする道がある。Cursorは前者を退けて後者を選んだ理由を自分の言葉で書き、OpenRouterは後者を選んだ理由を市場の知恵に置く。

Cursorは、ルータを出す前の状態を自分で数えている。Cursorを使う開発者のおよそ60%が一つのモデルを日常の主力にしており、その結果として「定型の仕事がフロンティアの価格で処理され、AIへの支出が成果の質よりはるかに速く伸びる」と書く¹。一つのモデルに固定する決め方の行き詰まりは、作り手の側にも同じ形で見えていた。

Cursorは、モデルの良し悪しをどこから知るかを決めた。著者は自社のルータを「モデル選択はベンチマークの点数から推し量るのではなく、実際の開発者の仕事でモデルがどう働くかから学ぶべきだ、という考えの上に作られている」と説明する¹。7月22日の告知記事は、ルータの効果をオフラインの評価ではなく本番の大規模なA/Bテストで測った理由を、オフラインの評価の規模が小さいこと、実際の使い方から離れていること、成否を採点基準に落としにくいことの三つに求める¹。

OpenRouterは、同じ問いに別の答えを置く。発表記事は冒頭で「市場の美点は、大きく多様な、独立した個人からなる集団が、どんな単独の専門家よりも良い判断と決定を集合的に下すという型にある」と述べ、この集合知を分かち合うことを新しいルータの狙いに据えている²。良し悪しを決める役を、専門家の判断から集団の選択へ渡すという宣言である。

二つの選択は、根拠の置き場所という一点で重なる。どちらも、モデルの良し悪しを誰かが事前に定めた尺度で測る道を降り、人が実際に何をしたかという後から出てくる事実に判断を預けた。ツールへ移ったのは選ぶ手間だけではない。何をもって良いとするかを決める権限が、一緒に移っている。

Cursorの証人は自社の利用者で、外からは検算できない

Cursorが証人に立てるのは、自社の利用者の次の一手である。応答のあと利用者が次の仕事へ進んだか、それとも訂正を求めたかを成否の信号として扱い、その信号で、依頼への応答に利用者が満足するかを予測するモデルを訓練する。著者はこの予測を難しさの代わりに使う理由を「利用者はコミットのような単純な作業のあとに訂正を求めることはまれで、作業が複雑であるほど追加の依頼を出す可能性が高い」からだと書く¹。予測が閾値に届かない依頼だけが、強みの合うモデルを選ぶ次の段階へ回る。

この選択の強みは、証人が仕事の現場にいることである。同じエディタで同じ種類のコードを書く人々の反応から推定するので、試験では見えない差が推定に入る。モデルを切り替えたときにキャッシュを作り直す費用も、実際の支払いとしてそこに含まれる¹。著者は本番での検証として、もっとも成功しそうだと判定したターンは96%が、もっとも成功しそうにないと判定したターンは71%が良い結果の信号を受け取ったと報告している¹。

費用の側でも数字が出ている。記事の公開時点で、Auto IntelligenceがFable比で68%、Auto BalanceがOpus 4.8比で41%低い費用で、いずれも満足度では上回ると著者は書く¹。ただしこれは同社が自分のトラフィックで計測した値であり、外の読者が同じ条件を再現して確かめることはできない。

弱みは同じ性質から出る。証人は自社の中にしかいない。著者は「オフラインの分析だけでは、方針が本番でどう振る舞うかを完全には捉えられない」として、方針を本番のトラフィックで検証する¹。その本番は同社の中にある。どのモデルが答えたかさえ、既定では応答に表示されない。文書は非表示を既定かつ推奨とし、その理由を「結果がモデル名ではなくそれ自体の良し悪しで判断されるように」と書く⁸。この代償は一時的な欠けではない。外から検算できないことは、証人を自社の中に置くという設計そのものから出ている。モデル名の表示は管理者が切り替えられるが、それで外に出るのはどのモデルへ回したかだけである⁸。

選ぶ役がツールへ渡らない場面も残る。Cursorの文書によれば、このルータを使えるのは現在TeamsとEnterpriseのプランだけである。ルータは管理者が設定で入り切りでき、有効なチームでは、利用者がモデルの選択欄でAutoを選び、BalanceかIntelligenceのモードにしたときに働く⁸。同じ文書は、ルータの下では利用者がモデルを手で選べず、モデルの顔ぶれも新しいモデルが出るにつれて変わると書いている⁸。このルータに任せた依頼では、答えるモデルを固定しておくことはできない。

OpenRouterのAuto Routerの証人は市場で、順位ごと動く

OpenRouterのAuto Routerが証人に立てるのは、市場全体の支出である。依頼は細かい仕事の種類に分類され、その種類で直近7日間に利用者全体が実際に支出した額の順にモデルが並ぶ。7日という窓について著者は、これを参照していれば新しいモデルが出てもつねに最新でいられると書く²。

強みは、証人が外にいることである。ルータが使う順位は公開の順位表と同じデータなので、読者は自分の仕事の種類でどのモデルに支出が集まっているかを自分で見られる²。文書によれば、専用のヘッダを付けて依頼を送れば、その依頼がどの仕事の種類に分類されたかも受け取れる⁵。需要が別のモデルへ移れば「ルータは数日のうちにそれへ追随する」と著者は書く²。文書はこの順位を生きた信号と呼び、新しいモデルを取り込むのに再訓練も手作業の選定も要らないとする⁵。

弱みも同じところから出る。順位を決めるのは支出の多さなので、集団の選択が動けばルータの判断も動く。著者はこれを、振り分けの対応はある時点の眺めであり、新しいモデルが出てコミュニティの使い方が変わるにつれて動くと書いている²。この代償も続く。順位が動くことは、需要の移り先に数日で追随するという強みと同じ性質から出ており、支出を信号に取るかぎり消えない。

ベンチマークの点数は選ぶ材料ではないが、公開前の検証には使っている。五つのベンチマークで旧ルータと比べた結果は、既定の水準では大半の領域で費用が下がり性能も保たれた一方、知識の試験では性能が1.4ポイント下がり、調査の試験では性能が19.7ポイント上がるかわりに費用が旧ルータの1.9倍になった²。著者は例外を、旧ルータが現代の低価格モデルに劣っていた領域だと説明しており、表でそれに当たるのは調査の試験のほうである²。

市場の順位に判断を預けた設計は、使う側の直感ともずれる。費用の水準を一段上げても、選べるモデルが上へ広がるだけではない。文書は一つの水準を上限ではなく帯と呼び、その帯より安いモデルも高いモデルも候補から外れると書いている⁵。

どちらの取り方が優勢かは、二つの作り手の文書からは決まらない。どちらも自社の計測で優劣を示しており、同じ依頼を両方へ流して比べた記録は、本稿が引く文書には無い。あるツールの中で集めた推定は、自分たちの仕事がそのツールを毎日使う開発者の仕事とよく似ているなら近いところを当て、似ていないなら当てるとは限らず、市場全体の支出が自分の仕事に合うかも別に確かめることになる。

この記事はAIを使用して執筆されました。内容には誤りが含まれる可能性があります。事実や数字の出典は脚注から確かめられます。