TokenRhythm привлек десятки миллионов долларов и запустил ки
новости
28.08.2026

TokenRhythm привлек десятки миллионов долларов и запустил китайский аналог OpenRouter

TokenRhythm привлек десятки миллионов долларов и запустил китайский аналог OpenRouter

Китайская ИИ-компания TokenRhythm (基元律动) закрыла новый раунд финансирования на десятки миллионов долларов. Раунд возглавил фонд Honghui, участие также приняли Juhe Capital и Shangshi Capital. Ранее в посевном раунде инвесторами выступали Granite Asia, CDH VGC, Yuanjing Capital и Infinite Fund.

Одновременно компания запустила публичную бета-версию TokenRhythm API — сервиса, который называют китайским аналогом OpenRouter. Платформа даёт разработчикам один API-ключ для работы с множеством моделей: не нужно отдельно регистрироваться, настраивать интерфейсы и вести несколько счетов. API совместим с протоколами OpenAI и Claude, предлагает поиск моделей, умную фильтрацию, единый биллинг, статистику вызовов и логи. Сейчас зарегистрировано уже 54 тысячи пользователей, суточный объём превышает 500 миллиардов токенов, с крупными заказчиками запущены пилотные проекты.

Но TokenRhythm не планирует останавливаться на простом API-агрегаторе. Компания делает ставку на инфраструктуру Routing Harness — слой, который встраивается в процесс работы ИИ-агентов и динамически выбирает, переключает и комбинирует модели в зависимости от задачи, этапа, бюджета и текущих условий. Это позволяет искать оптимальное соотношение цены и качества. Первым продуктом стал открытый агент OpenSquilla: более 6600 звезд на GitHub, 170 тысяч клонирований, свыше 10 тысяч установок. В тестах PinchBench маршрутизация на уровне запросов снизила затраты в девять раз при сохранении точности, а в тесте DRACO сборка из китайских моделей показала более высокий результат, чем модель Fable 5, при затратах около трети от её стоимости.

По словам гендиректора TokenRhythm Ван Юньхэ, мощность модели — лишь часть интеллекта агента. Следующий этап конкуренции — не за самую сильную одиночную модель, а за умение организовывать модели, понимать задачи и использовать обратную связь для улучшения систем.

Источник: www.qbitai.com