OpenRouter 완전 가이드 — API 키 하나로 GPT, Claude, Gemini, Llama 200개+ 모델 전부 쓰기

모델마다 API 키 따로 관리하는 거 지쳐있죠.

Anthropic API 키 따로
OpenAI API 키 따로
Google API 키 따로
각각 다른 SDK
각각 다른 요금 청구서

OpenRouter가 이걸 하나로 합쳐줘요.

OpenRouter API 키 하나
→ 200개+ 모델 전부
→ OpenAI SDK 그대로 사용
→ 모델명만 바꾸면 끝

---

1단계 — 가입 및 API 키 발급

1. openrouter.ai 접속
2. 우상단 "Sign In" → Google 또는 GitHub 로그인
3. 좌측 메뉴 "Keys" 클릭
4. "Create Key" 버튼
5. 이름 입력 (예: my-project) → Create
6. API 키 복사 (sk-or-v1-xxxxx 형태)
   → 한 번만 보여줌. 반드시 저장

크레딧 충전:

좌측 메뉴 "Credits" → "Add Credits"
최소 $5부터 충전 가능
카드 등록 없이 크레딧 선충전 방식

무료 모델만 쓸 거면 충전 불필요.

---

2단계 — 설치

# Python
pip install openai  # OpenAI SDK 그대로 사용

# Node.js
npm install openai

별도 SDK 없음. 기존 OpenAI SDK에 base_url만 바꾸면 됩니다.

---

3단계 — 기본 사용법

Python

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="sk-or-v1-xxxxx",  # OpenRouter 키
)

response = client.chat.completions.create(
    model="anthropic/claude-sonnet-4-6",
    messages=[
        {"role": "user", "content": "파이썬으로 퀵소트 구현해줘"}
    ]
)

print(response.choices[0].message.content)

환경변수로 관리 (권장)

# .env 파일
OPENROUTER_API_KEY=sk-or-v1-xxxxx

import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key=os.getenv("OPENROUTER_API_KEY"),
)

Node.js / TypeScript

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://openrouter.ai/api/v1",
  apiKey: process.env.OPENROUTER_API_KEY,
});

const response = await client.chat.completions.create({
  model: "openai/gpt-5.4",
  messages: [{ role: "user", content: "안녕" }],
});

console.log(response.choices[0].message.content);

---

4단계 — 주요 모델 목록

유료 모델

# Anthropic Claude
"anthropic/claude-opus-4-7"          # 가장 강력, 비쌈
"anthropic/claude-sonnet-4-6"        # 균형 잡힌 선택 (권장)
"anthropic/claude-haiku-4-5"         # 빠르고 저렴

# OpenAI
"openai/gpt-5.4"                     # 최신 GPT
"openai/gpt-5.4-mini"                # 저렴한 버전
"openai/o3"                          # 추론 특화

# Google
"google/gemini-3.1-pro"              # 강력한 추론
"google/gemini-3.1-flash"            # 빠르고 저렴

# Mistral
"mistralai/mistral-large"
"mistralai/codestral-2"              # 코딩 특화

무료 모델 (:free 붙은 것들)

# 완전 무료 (크레딧 불필요)
"meta-llama/llama-4-scout:free"
"meta-llama/llama-4-maverick:free"
"google/gemma-4-27b:free"
"mistralai/mistral-7b-instruct:free"
"deepseek/deepseek-chat:free"

# 무료 모델 주의사항:
# - 속도 느릴 수 있음
# - 컨텍스트 제한 있을 수 있음
# - 사용량 제한 있음 (일 20회 정도)

전체 모델 목록: openrouter.ai/models

---

5단계 — 실전 활용 패턴

패턴 1 — 작업별 모델 라우팅

from openai import OpenAI
import os

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key=os.getenv("OPENROUTER_API_KEY"),
)

def get_model_for_task(task_type: str) -> str:
    """작업 유형에 따라 최적 모델 선택"""
    routing = {
        "coding":      "anthropic/claude-sonnet-4-6",   # 코딩 최강
        "reasoning":   "openai/o3",                      # 추론 특화
        "fast":        "google/gemini-3.1-flash",         # 빠른 응답
        "cheap":       "meta-llama/llama-4-scout:free",  # 무료
        "creative":    "anthropic/claude-opus-4-7",       # 창의적 글쓰기
        "translation": "google/gemini-3.1-pro",           # 다국어
    }
    return routing.get(task_type, "anthropic/claude-sonnet-4-6")

def ask(prompt: str, task_type: str = "fast") -> str:
    model = get_model_for_task(task_type)
    
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}]
    )
    
    print(f"[사용 모델: {model}]")
    return response.choices[0].message.content

# 사용
code = ask("FastAPI JWT 인증 미들웨어 만들어줘", task_type="coding")
summary = ask("이 문서 요약해줘: ...", task_type="fast")
analysis = ask("이 수학 문제 풀어줘: ...", task_type="reasoning")

패턴 2 — 자동 폴백

def ask_with_fallback(
    prompt: str,
    models: list[str] = None
) -> str:
    """
    모델 순서대로 시도. 실패하면 다음 모델로 폴백.
    """
    if models is None:
        models = [
            "anthropic/claude-sonnet-4-6",  # 1순위
            "openai/gpt-5.4-mini",           # 2순위
            "meta-llama/llama-4-scout:free", # 3순위 (무료)
        ]

    for model in models:
        try:
            response = client.chat.completions.create(
                model=model,
                messages=[{"role": "user", "content": prompt}],
                timeout=30,
            )
            print(f"성공: {model}")
            return response.choices[0].message.content

        except Exception as e:
            print(f"실패: {model} → {e}")
            continue

    raise RuntimeError("모든 모델 실패")

# Claude 다운되면 GPT로, GPT도 안 되면 Llama로
result = ask_with_fallback("안녕하세요")

패턴 3 — 여러 모델 동시 비교

import asyncio
from openai import AsyncOpenAI

async_client = AsyncOpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key=os.getenv("OPENROUTER_API_KEY"),
)

async def ask_model(model: str, prompt: str) -> dict:
    try:
        response = await async_client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}]
        )
        return {
            "model": model,
            "response": response.choices[0].message.content,
            "tokens": response.usage.total_tokens,
        }
    except Exception as e:
        return {"model": model, "error": str(e)}

async def compare_models(prompt: str, models: list[str]) -> list[dict]:
    """여러 모델에 동시에 같은 프롬프트 보내기"""
    tasks = [ask_model(m, prompt) for m in models]
    return await asyncio.gather(*tasks)

# 실행
models_to_compare = [
    "anthropic/claude-sonnet-4-6",
    "openai/gpt-5.4-mini",
    "google/gemini-3.1-flash",
    "meta-llama/llama-4-scout:free",
]

results = asyncio.run(compare_models(
    "파이썬 리스트 컴프리헨션 예시 3개 보여줘",
    models_to_compare
))

for r in results:
    print(f"\n{'='*40}")
    print(f"모델: {r['model']}")
    if "error" in r:
        print(f"에러: {r['error']}")
    else:
        print(f"응답: {r['response'][:200]}...")
        print(f"토큰: {r['tokens']}")

패턴 4 — 스트리밍

def stream_response(prompt: str, model: str = "anthropic/claude-sonnet-4-6"):
    """실시간 스트리밍"""
    stream = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        stream=True,
    )

    for chunk in stream:
        if chunk.choices[0].delta.content:
            print(chunk.choices[0].delta.content, end="", flush=True)
    print()

stream_response("파이썬의 GIL을 설명해줘")

패턴 5 — 비용 추적

def ask_with_cost(prompt: str, model: str) -> dict:
    """응답과 함께 비용 계산"""

    # 모델별 가격 (1M 토큰당 달러)
    pricing = {
        "anthropic/claude-opus-4-7":    {"in": 5.0,  "out": 25.0},
        "anthropic/claude-sonnet-4-6":  {"in": 3.0,  "out": 15.0},
        "anthropic/claude-haiku-4-5":   {"in": 0.25, "out": 1.25},
        "openai/gpt-5.4":               {"in": 5.0,  "out": 25.0},
        "openai/gpt-5.4-mini":          {"in": 0.4,  "out": 1.6},
        "google/gemini-3.1-flash":      {"in": 0.15, "out": 0.6},
        "meta-llama/llama-4-scout:free":{"in": 0.0,  "out": 0.0},
    }

    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}]
    )

    usage = response.usage
    price = pricing.get(model, {"in": 0, "out": 0})

    cost = (
        usage.prompt_tokens / 1_000_000 * price["in"] +
        usage.completion_tokens / 1_000_000 * price["out"]
    )

    return {
        "response": response.choices[0].message.content,
        "model": model,
        "input_tokens": usage.prompt_tokens,
        "output_tokens": usage.completion_tokens,
        "cost_usd": round(cost, 6),
    }

result = ask_with_cost("안녕하세요", "anthropic/claude-sonnet-4-6")
print(f"응답: {result['response']}")
print(f"비용: ${result['cost_usd']} (입력 {result['input_tokens']}tok, 출력 {result['output_tokens']}tok)")

---

6단계 — 요청 헤더 추가 (선택)

OpenRouter가 앱 정보를 요청하면:

import httpx

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key=os.getenv("OPENROUTER_API_KEY"),
    http_client=httpx.Client(
        headers={
            "HTTP-Referer": "https://my-app.com",   # 선택
            "X-Title": "My App Name",                # 선택
        }
    )
)

---

OpenRouter vs 직접 API vs LiteLLM

OpenRouter:
✅ 세팅 없음. 가입하고 바로 사용
✅ 200개+ 모델
✅ 무료 모델 있음
✅ 비용 대시보드 제공
❌ 직접 API보다 5~10% 비쌈
❌ 내 데이터가 OpenRouter 통과

직접 API (Anthropic/OpenAI):
✅ 가장 저렴
✅ 데이터 보안
❌ 각각 키/SDK/코드 따로 관리
❌ 모델 전환 시 코드 수정 필요

LiteLLM (자체 서버):
✅ 직접 API 가격
✅ 완전한 데이터 통제
❌ 서버 직접 운영
❌ 세팅 복잡함

추천:
개인 프로젝트, 프로토타입 → OpenRouter
프로덕션, 비용 민감 → 직접 API
기업, 규정 준수 필요 → LiteLLM 자체 서버

---

이런 상황에 바로 써라

"Claude랑 GPT 중 어느 게 더 잘 하나 비교해보고 싶다"
→ 같은 코드로 둘 다 테스트

"Claude 구독 없이 API로만 쓰고 싶다"
→ OpenRouter로 연결

"무료로 Llama 4 써보고 싶다"
→ :free 모델

"Claude 죽으면 자동으로 GPT로 전환하고 싶다"
→ 폴백 패턴 구현

"여러 모델 비용 한 곳에서 보고 싶다"
→ OpenRouter 대시보드