OpenRouter Auto Code resolveu nossas cinco tarefas de código e custou entre 56 e 78 por cento menos que fixar Claude Opus 5.5. Mas frente ao GPT-6.1 Sol, o modelo que mais escolheu, foi mais barato em uma rodada e 78 por cento mais caro na outra. A diferença está em um detalhe que a documentação não menciona: quando Auto Code envia a solicitação para GPT-6.1 Sol, usa o nível de serviço prioritário do OpenAI.
yoDEV Testado · 9 de novembro de 2026
Testamosopenrouter/auto-codefrente ao GPT-6.1 Sol e Claude Opus 5.5 fixados, em cinco tarefas de Python (46 testes de pytest), pela API Chat Completions do OpenRouter de um ambiente Linux na nuvem. Os resultados que reportamos como nossos saem dessa prova.
O que é OpenRouter e o que é Auto Code?
OpenRouter é um gateway de API: uma única chave e um único endpoint compatível com OpenAI (https://openrouter.ai/api/v1/chat/completions) na frente de centenas de modelos de distintos provedores. Em vez de integrar cada provedor separadamente, você muda o modelo com um texto: anthropic/claude-opus-5.5, openai/gpt-6.1-sol e assim por diante.
Auto Code é um roteador de modelos (model router) pensado para agentes de código. Você envia openrouter/auto-code como modelo e OpenRouter decide qual modelo, e com qual esforço de raciocínio, responde cada solicitação. OpenRouter o anunciou em 6 de novembro de 2026, junto com uma versão reconstruída de seu roteador geral, Auto Router.
Segundo a ficha do modelo, Auto Code trata cada solicitação como parte de uma sessão de agente e pondera três coisas: a taxa de tarefas de código que passam, o tempo até completá-las e o custo por tarefa resolvida (cost per solved task). Tenta manter-se no mesmo modelo enquanto o trabalho vai bem; quando algo falha, prefere aumentar o esforço de raciocínio antes de trocar de modelo (assim conserva o cache do prompt), e só muda quando os sinais de erro apontam para o modelo.
Quais são as diferenças entre Auto Code e Auto Router do OpenRouter?
Auto Router (openrouter/auto) é o roteador geral para tráfego misto e prioriza um nível de custo eficiente. Auto Code (openrouter/auto-code) usa o mesmo mecanismo de roteamento, mas começa em um nível superior de modelos de código. Nenhum dos dois cobra uma taxa própria: você paga o preço padrão do modelo que atende cada solicitação.
A configuração também muda, e é fácil se enganar:
| Auto Router | Auto Code | |
|---|---|---|
| ID do modelo | openrouter/auto |
openrouter/auto-code |
| Nível inicial | Custo eficiente | Nível superior de código |
| Restringir modelos | Plugin auto-router: allowed_models, excluded_models |
Igual, em auto-router |
| Nível de custo | cost_tier em auto-router (low … max) |
cost_tier em jev-router (low, medium, high) |
Auto Code ignora o cost_tier que você enviar no plugin auto-router. Se você copiar o ajuste do anúncio ou do guia do Auto Router, nada falha: simplesmente não se aplica.
Os benchmarks do OpenRouter afirmam que Auto Code pontua “em linha com Claude Opus 5.5” com 74 por cento menos custo por tarefa. São cifras do próprio provedor, publicadas em sua página de benchmarks de roteamento, e o anúncio não detalha a metodologia. Por isso fizemos nossa própria prova.
Como testamos?
Escrevemos um pequeno pacote de Python com cinco tarefas e 46 testes de pytest, todos falhando no começo:
- Adicionar tentativas com backoff exponencial a
fetch_user(o mesmo exemplo do anúncio do OpenRouter) - Corrigir três bugs e adicionar validação em um helper
paginate - Implementar
parse_duration("1h30m")com validação estrita - Implementar um cache LRU com TTL
- Implementar
slugifypara nomes em espanhol (acentos, ñ e recorte sem cortar palavras)
Antes de chamar nenhum modelo, verificamos os testes contra nossas próprias soluções de referência: passam os 46. Cada tarefa teve até dois turnos na mesma sessão; se os testes continuassem falhando, a saída de pytest voltava para o modelo. Executamos tudo em 9 de novembro de 2026 pelo endpoint Chat Completions, e tomamos o custo faturado dos registros de geração do próprio OpenRouter.
Um aviso desde o começo: cada tarefa é um único arquivo que o modelo reescreve completamente, não um ciclo de agente com ferramentas. Mede trabalho de código rotineiro, não sessões autônomas longas.
OpenRouter Auto Code economiza dinheiro frente a escolher o modelo à mão?
Frente a Opus 5.5, sim. Frente ao seu próprio modelo favorito, depende da rodada.
| Configuração | Modelos que responderam | Resolvidas | Custo total | Por tarefa resolvida | Tempo mediano |
|---|---|---|---|---|---|
| Auto Code, rodada 1 | GPT-6.1 Sol ×3, GLM-5.3 ×2 | 5/5 | $0,0420 | $0,0084 | 7,7 s |
| Auto Code, rodada 2 | GLM-5.3 ×4, GPT-6.1 Sol ×1 | 5/5 | $0,0209 | $0,0042 | 4,9 s |
Auto Code + cost_tier: low |
DeepSeek V4.1 Flash ×5 | 5/5 | $0,0092 | $0,0018 | 15,6 s |
| GPT-6.1 Sol fixado | GPT-6.1 Sol | 5/5 | $0,0236 | $0,0047 | 6,1 s |
| Claude Opus 5.5 fixado | Claude Opus 5.5 | 5/5 | $0,0949 | $0,0190 | 8,2 s |
Todas as configurações resolveram todas as tarefas, então com trabalho deste tamanho os modelos não se diferenciam em qualidade, apenas em custo e velocidade. O único falha no primeiro turno foi o nível low na tarefa de slugs (8 de 11 testes); o corrigiu no segundo turno, depois de ver a saída dos testes.
Frente a Opus 5.5 fixado, Auto Code custou 56 por cento menos na rodada 1 e 78 por cento menos na rodada 2. A cifra do OpenRouter, 74 por cento, fica dentro desse intervalo. Frente a GPT-6.1 Sol fixado, a rodada 2 foi 11 por cento mais barata, e a rodada 1, 78 por cento mais cara.
Por que Auto Code custou mais que chamar o mesmo modelo diretamente?
Porque pagou uma faixa mais rápida. Os registros de geração do OpenRouter mostram que todas as chamadas do Auto Code que foram para GPT-6.1 Sol rodaram com service_tier: "priority", enquanto nossas chamadas para GPT-6.1 Sol fixado rodaram em "default". Mesmo modelo, mesmo prompt: a tarefa de tentativas custou $0,0135 com Auto Code frente a $0,0047 fixada, e a de durações, $0,0129 frente a $0,0062. Parte da diferença também vem de raciocinar mais: 261 tokens de raciocínio frente a 81 na tarefa de tentativas.
Ao momento de publicar esta nota, o guia do Auto Code não menciona o nível prioritário. Faz sentido para um agente em que a latência importa, mas significa que o GPT-6.1 Sol do roteador não custa o mesmo que o seu.
Qual IA para programar escolhe Auto Code, e é sempre a mesma?
Não é sempre a mesma. O mesmo prompt foi para modelos distintos segundo a rodada: as tarefas de tentativas e de slugs foram para GPT-6.1 Sol na rodada 1 e para GLM-5.3 na rodada 2. Apenas a de durações foi para GPT-6.1 Sol as duas vezes. O roteador escolhe entre um conjunto de candidatos: em nossas rodadas, a captura do pool tinha 13 modelos, e entre os candidatos apareciam GPT-6.1 Sol, GLM-5.3, Gemini 4 Argon, Kimi K3.1 Pro e Claude Opus 5.5.
O roteamento também explica os picos de latência. Uma tarefa de cache com GLM-5.3 demorou 118,7 segundos porque o modelo dedicou 3.225 de seus 4.148 tokens de saída a raciocinar; a mesma tarefa, com o mesmo modelo, demorou 3,9 segundos na rodada 2. Os modelos fixados foram os mais previsíveis: Opus 5.5 se manteve entre 5,4 e 8,7 segundos por tarefa.
OpenRouter Auto Code é grátis?
O roteador sim, o trabalho não. A ficha do modelo diz que Auto Code é gratuito, mas se refere a que o roteador não adiciona nenhuma taxa: segundo o anúncio e o guia, você paga o preço padrão do modelo que atende cada solicitação. Em nossa prova, isso foi entre $0,0018 e $0,0084 por tarefa resolvida, segundo a configuração.
Como usar OpenRouter Auto Code com sua chave de API?
Coloque openrouter/auto-code como modelo em qualquer lugar onde sua ferramenta aceite um nome de modelo, e use sua chave de API do OpenRouter como sempre. Esta é a solicitação básica do guia oficial:
curl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "openrouter/auto-code", "messages": [{"role": "user", "content": "..."}]}'
Se você o usar com um agente, envie um campo session_id (ou um cabeçalho x-session-id) para que o roteador trate todos os turnos como uma única conversação em vez de adivinhar.
Para abaixar o nível de custo, use o plugin jev-router, não auto-router:
{
"model": "openrouter/auto-code",
"messages": [{"role": "user", "content": "..."}],
"plugins": [{"id": "jev-router", "cost_tier": "medium"}]
}
Para limitar quais modelos pode usar, allowed_models e excluded_models vão em auto-router:
{
"model": "openrouter/auto-code",
"messages": [{"role": "user", "content": "..."}],
"plugins": [{"id": "auto-router", "allowed_models": ["anthropic/*", "openai/*"], "excluded_models": ["~anthropic/claude-opus-latest"]}]
}
Se suas restrições não deixam nenhum modelo disponível, a solicitação falha com um 404 que indica quais campos mudar. O guia não cobre a configuração para ferramentas concretas como Claude Code ou Codex, assim que aqui também não a incluímos.
Como saber qual modelo respondeu no OpenRouter?
Leia o campo model da resposta. Para ver a decisão completa, envie o cabeçalho X-OpenRouter-Metadata: enabled e revise o estágio jev-router em openrouter_metadata.pipeline. Em nossas rodadas mostrou a classificação da tarefa (code:general_impl, com confiança 0,99), o alcance do trabalho (localized_change), os candidatos com seu custo estimado e a probabilidade atribuída a cada modelo e nível de esforço. É o mais útil de toda a função: você pode ver por que o roteador fez o que fez.
Auto Code funciona com o roteamento regional da UE?
Ao momento de publicar esta nota, não: a ficha do modelo indica que Auto Code não está disponível com o roteamento regional da UE (EU in-region routing). Se sua equipe precisa que as solicitações fiquem dentro da UE, revise a ficha antes de mudar.
Roteador ou modelo fixo: qual é a melhor IA para programar no seu caso?
Fixe o modelo quando você já sabe qual funciona para suas tarefas e se importa mais com um custo previsível que com a comodidade: em nossa prova, GPT-6.1 Sol fixado saiu mais barato que uma das rodadas do Auto Code, quase igual que a outra, e sem surpresas de latência. Use Auto Code quando, de outro modo, você usaria um modelo de fronteira como Opus 5.5 para tudo, ou quando seu tráfego mistura tarefas triviais e difíceis. E se o que mais se importa é o custo, cost_tier: low em jev-router foi a configuração mais barata que testamos: 90 por cento menos que Opus 5.5, com um turno extra em cinco tarefas. Se além disso você quer recortar os tokens que envia, veja como usar Headroom com LiteLLM para gastar menos tokens.
Nossas cifras saem de um único dia, cinco tarefas pequenas e uma ou duas rodadas por configuração. O pool de modelos e os preços mudam diariamente, então as tome como uma foto do momento, não como um ranking.
E você? Qual modelo usa hoje por padrão seu agente de código?
- Sempre o mesmo modelo de fronteira
- Mudo à mão segundo a tarefa
- Deixo que um roteador decida (OpenRouter, LiteLLM…)
- Prefiro outra opção (nos conte qual)
Comente abaixo ou, se este artigo chegou para você por email, responda diretamente ao email: sua resposta se publica aqui.
Relacionado: Como conectar todos seus coding agents com OmniRoute