Ramp, известная платформа управления корпоративными расходами, выпустила собственный сервис маршрутизации AI-моделей под названием Router. Это не просто очередной инструмент для работы с языковыми моделями, а решение, которое компания разработала и совершенствовала для собственных нужд в течение трёх лет. Теперь Ramp решила предложить его клиентам и разработчикам на более широком рынке.
Router позволяет работать с моделями от OpenAI, Anthropic, DeepSeek, Moonshot, Minimax, Nvidia, xAI и Z.ai через единый API. Главное удобство: разработчик пишет интеграцию один раз, а затем может переключаться между поставщиками и моделями без изменения кода. Это критично для компаний, которые хотят не привязываться к одному провайдеру или экспериментировать с разными моделями для разных задач. По функциональности Router похож на OpenRouter, но пока предлагает меньше моделей.
Сервис включает несколько готовых стратегий маршрутизации. Одна из них позволяет отдавать предпочтение flex-тарифам провайдеров, другая автоматически выбирает модель на основе трёх пользовательских параметров (скорость, точность, стоимость). Есть и более практичный вариант: маршрутизировать простые задачи в дешёвые модели, а сложные направлять в дорогие. Это сразу же снижает затраты на inference без ущерба качеству.
Dashboard показывает тратты по токенам, стоимость запросов, задержки ответов и попытки fallback. Есть и критический момент: Router по умолчанию хранит входные данные, выходные результаты и вызовы инструментов в течение года, хотя Ramp говорит о предварительной очистке личной информации перед использованием данных для улучшения продукта. Для компаний, работающих с чувствительными данными, это может быть минусом, несмотря на заявления о конфиденциальности.
Для самой Ramp это ход на двух досках. Во-первых, компания попадает на бурно растущий рынок AI inference, где уже есть игроки вроде OpenRouter, но места хватает всем. Во-вторых, Router встраивается в уже существующий экосистем Ramp: компания предоставляет мониторинг расходов на AI-токены и управление бюджетом, теперь добавляет маршрутизацию моделей. Это создаёт эффект масштаба для клиентов Ramp и повышает стоимость её услуг.
Стратегически важно и то, что Router может стать центром тяготения для AI-лабораторий и провайдеров inference. Если сервис станет популярным для тестирования моделей (как OpenRouter), Ramp получит новую точку входа для продажи своих решений управления расходами и прямые отношения с создателями моделей. Для самой компании, недавно привлёкшей $750 млн при оценке $44 млрд, это расширение стратегии контроля затрат в эпоху дороговизны AI.
Сервис сейчас доступен только в США и бесплатен до конца 2026 года (хотя пользователи платят за сам inference). Компания даёт $26 кредита при запуске, но цены на сам Router с 2027 года не объявлены. Это обычная практика для новых сервисов, но намекает на то, что Ramp планирует монетизировать маршрутизацию модельных запросов.
Для российского бизнеса Router пока недоступен из-за географических ограничений. Однако модель, которую демонстрирует Ramp, актуальна и для локального рынка: компания, использующая разные AI-модели (открытые, через API, свои), получает выгоду от централизованного управления затратами и гибкого выбора провайдера. AI Studio и другие российские платформы автоматизации, а также платежные системы вроде Signum/SIGNA для смарт-контрактов и микротранзакций, могут применять аналогичный подход: встраивать маршрутизацию и управление затратами прямо в свой стек для того, чтобы снизить зависимость клиентов от одного поставщика AI и повысить контроль над расходами.