> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/workflows/ja/burokku/blocks/run-a-model/open-router.md).

# OpenRouter

モデルスラッグを貼り付けるだけで、任意のOpenRouterモデルを実行します。

## v3

実行 **任意の** で利用可能なビジョン・言語モデル [OpenRouter](https://openrouter.ai/) そのモデルスラッグを入力欄に貼り付けることで `model_id` 欄 - 例: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `google/gemini-2.5-pro`, `qwen/qwen3.6-27b`.

これはOpenRouter向けの汎用エスケープハッチです。専用ブロックのないモデル（Qwen-VL、Kimi、Gemma、Llama Vision）を使いたい場合や、新しいブロックが追加されるのを待たずに試したい場合に使います。

このブロックは標準的なVLMタスクタイプのインターフェースをサポートします:

* **オープンプロンプト** (`制約なし`) - 任意のプロンプトを使って生の応答を生成します
* **テキスト認識（OCR）** (`ocr`) - モデルが画像内のテキストを認識します
* **視覚的質問応答** (`visual-question-answering`) - モデルがプロンプトで送信した質問に答えます
* **キャプション生成（短）** (`caption`) - モデルが画像の短い説明を提供します
* **キャプション生成** (`detailed-caption`) - モデルが画像の詳しい説明を提供します
* **単一ラベル分類** (`classification`) - モデルが画像内容を提示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **構造化出力生成** (`structured-answering`) - モデルが指定されたフィールドを持つJSONレスポンスを返します

#### 🛠️ APIキー

デフォルトでは、このブロックは **Roboflowが管理するOpenRouterキー** そしてRoboflowクレジットに課金されます - 追加設定は不要です。Roboflowの課金を回避するには、独自の `sk-or-...` キーを次に入力してください `api_key` フィールド。

#### 🔒 プライバシーフィルター

* **データ収集なし** *（デフォルト）* – プロバイダーはあなたの入力で学習しない場合があります。
* **データ収集を許可** – より広いプロバイダープール。
* **データ保持ゼロ** – 最も厳格で、何も保持しないプロバイダーに制限します。

{% hint style="warning" %}
**モデルの利用可否**

OpenRouterは多様な機能を持つ数百のモデルを公開しています。すべてのモデルが画像入力をサポートしているわけではなく、テキスト専用または推論専用のものもあります。モデルが可視の応答を返せない場合（例: すべての `max_tokens` 内部思考に使い切ってしまう推論モデルなどでは、次を増やしてみてください `max_tokens` または別のモデルを選んでください。
{% endhint %}

## バージョンの違い

このバージョン（v3）は、ブロック内でモデルの回答をデコードします:

* **`predictions`** - 分類と物体検出の回答はここで解析されるため、非推奨の `検出器としてのVLM` / `分類器としてのVLM` ブロックはもはや不要です。出力の種類は次に従います `task_type`:  `object-detection`の物体検出予測、 `classification` と `multi-label-classification`、および `None` その他すべてのタスクでは分類予測。
* **`error_status`** - `True` モデルの回答を解析できなかった場合。
* **`inference_id`** - 画像ごとに生成され、デコードされた予測に付加される識別子。
* **`detection_format`** - の場合 `object-detection`、モデルに要求し、その応答をデコードするバウンディングボックス形式（`xyxy` / `yxyx` ／名前付きキー、0-1、0-1000、パーセント、またはピクセル）。新しいモデルをブロック変更なしで使えるよう、モデルが学習された形式を選んでください。デフォルトは汎用の正規化浮動小数点JSONです。

### タイプ識別子

ステップで次の識別子を使用してください `"type"` フィールド: `roboflow_core/openrouter@v3` を、ワークフローにステップとして追加します。

### プロパティ

| **名前**                    | **型**            | **説明**                                                                                                                                                                                              | 参照 |
| ------------------------- | ---------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -- |
| `name`                    | `str`            | このステップの一意の識別子を入力してください。                                                                                                                                                                             | ❌  |
| `api_key`                 | `str`            | OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。                                                                     | ✅  |
| `privacy_level`           | `str`            | プロバイダーのプライバシーフィルター。より厳しいレベルではプロバイダープールが狭まり、管理キーでの呼び出しごとのコストが増える場合があります。                                                                                                                             | ❌  |
| `max_tokens`              | `int`            | モデルが応答で生成できるトークンの最大数。既定値は 2048 です。タスクでより長い回答が必要な場合は、明示的に（例: 8192）まで増やしてください。課金はこの上限ではなく、実際に生成されたトークン数に基づきます。                                                                                        | ❌  |
| `temperature`             | `float`          | モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。                                                                                                                                         | ✅  |
| `max_concurrent_requests` | `int`            | 画像バッチに対する同時リクエスト数。指定しない場合、ブロックはWorkflows Execution Engineでグローバルに設定された値をデフォルトで使用します。レート制限に達する場合は制限してください。                                                                                            | ❌  |
| `model_id`                | `str`            | OpenRouterのモデルスラッグ、例: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `qwen/qwen3.6-27b`完全な一覧は <https://openrouter.ai/models> を参照してください..                                                      | ✅  |
| `reasoning_effort`        | `str`            | OpenRouterに次の値として渡される拡張推論バジェット `reasoning: {"effort": ...}`。未設定の場合はモデルのプロバイダー既定の挙動が維持されます; `なし` 明示的に推論を無効化します。この設定を拒否するモデルは、それなしで再試行されます。推論トークンはこれにカウントされるため、 `max_tokens`に含まれるので、中/高の場合は増やしてください.. | ✅  |
| `task_type`               | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                                                                                       | ❌  |
| `prompt`                  | `str`            | モデルに送信するテキストプロンプト。                                                                                                                                                                                  | ✅  |
| `output_structure`        | `Dict[str, str]` | 期待される JSON 応答の構造を持つ辞書。                                                                                                                                                                              | ❌  |
| `classes`                 | `List[str]`      | 使用するクラスの一覧。                                                                                                                                                                                         | ✅  |
| `detection_format`        | `str`            | のバウンディングボックス形式 `object-detection`：モデルにボックスをどう要求し、応答をどうデコードするかを決めます。モデルが学習された形式を選んでください。迷う場合はデフォルトのままにしてください..                                                                                       | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `OpenRouter` バージョン `v3` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)) : モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `model_id` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterのモデルスラッグ、例: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `qwen/qwen3.6-27b`完全な一覧は <https://openrouter.ai/models> を参照してください..
  * `reasoning_effort` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterに次の値として渡される拡張推論バジェット `reasoning: {"effort": ...}`。未設定の場合はモデルのプロバイダー既定の挙動が維持されます; `なし` 明示的に推論を無効化します。この設定を拒否するモデルは、それなしで再試行されます。推論トークンはこれにカウントされるため、 `max_tokens`に含まれるので、中/高の場合は増やしてください..
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): モデルに送信するテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)): 使用するクラスの一覧。
  * `detection_format` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): のバウンディングボックス形式 `object-detection`：モデルにボックスをどう要求し、応答をどうデコードするかを決めます。モデルが学習された形式を選んでください。迷う場合はデフォルトのままにしてください..
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。
  * `思考` ([`string`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 文字列値。
  * `input_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `output_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `predictions` (*Union\[*[*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`classification_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/classification-prediction.md)*]*) : 検出されたバウンディングボックスをsv.Detections(...)オブジェクト形式で持つ予測、もし `object_detection_prediction` 、または分類器からの予測、もし `classification_prediction`.
  * `error_status` ([`boolean`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/boolean.md)): ブールフラグ。
  * `inference_id` ([`inference_id`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/inference-id.md)) : 推論識別子。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/openrouter@v3",
	    "api_key": "rf_key:account",
	    "privacy_level": "<block_does_not_provide_example>",
	    "max_tokens": "<block_does_not_provide_example>",
	    "temperature": "<block_does_not_provide_example>",
	    "max_concurrent_requests": "<block_does_not_provide_example>",
	    "images": "$inputs.image",
	    "model_id": "openai/gpt-4o-mini",
	    "reasoning_effort": "low",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "私のプロンプト",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ],
	    "detection_format": "named_normalized"
	}
```

</details>

## v2

実行 **任意の** で利用可能なビジョン・言語モデル [OpenRouter](https://openrouter.ai/) そのモデルスラッグを入力欄に貼り付けることで `model_id` 欄 - 例: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `google/gemini-2.5-pro`, `qwen/qwen3.6-27b`.

これはOpenRouter向けの汎用エスケープハッチです。専用ブロックのないモデル（Qwen-VL、Kimi、Gemma、Llama Vision）を使いたい場合や、新しいブロックが追加されるのを待たずに試したい場合に使います。

このブロックは標準的なVLMタスクタイプのインターフェースをサポートします:

* **オープンプロンプト** (`制約なし`) - 任意のプロンプトを使って生の応答を生成します
* **テキスト認識（OCR）** (`ocr`) - モデルが画像内のテキストを認識します
* **視覚的質問応答** (`visual-question-answering`) - モデルがプロンプトで送信した質問に答えます
* **キャプション生成（短）** (`caption`) - モデルが画像の短い説明を提供します
* **キャプション生成** (`detailed-caption`) - モデルが画像の詳しい説明を提供します
* **単一ラベル分類** (`classification`) - モデルが画像内容を提示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **構造化出力生成** (`structured-answering`) - モデルが指定されたフィールドを持つJSONレスポンスを返します

#### 🛠️ APIキー

デフォルトでは、このブロックは **Roboflowが管理するOpenRouterキー** そしてRoboflowクレジットに課金されます - 追加設定は不要です。Roboflowの課金を回避するには、独自の `sk-or-...` キーを次に入力してください `api_key` フィールド。

#### 🔒 プライバシーフィルター

* **データ収集なし** *（デフォルト）* – プロバイダーはあなたの入力で学習しない場合があります。
* **データ収集を許可** – より広いプロバイダープール。
* **データ保持ゼロ** – 最も厳格で、何も保持しないプロバイダーに制限します。

{% hint style="warning" %}
**モデルの利用可否**

OpenRouterは多様な機能を持つ数百のモデルを公開しています。すべてのモデルが画像入力をサポートしているわけではなく、テキスト専用または推論専用のものもあります。モデルが可視の応答を返せない場合（例: すべての `max_tokens` 内部思考に使い切ってしまう推論モデルなどでは、次を増やしてみてください `max_tokens` または別のモデルを選んでください。
{% endhint %}

### タイプ識別子

ステップで次の識別子を使用してください `"type"` フィールド: `roboflow_core/openrouter@v2` を、ワークフローにステップとして追加します。

### プロパティ

| **名前**                    | **型**            | **説明**                                                                                                                                                                                              | 参照 |
| ------------------------- | ---------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -- |
| `name`                    | `str`            | このステップの一意の識別子を入力してください。                                                                                                                                                                             | ❌  |
| `api_key`                 | `str`            | OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。                                                                     | ✅  |
| `privacy_level`           | `str`            | プロバイダーのプライバシーフィルター。より厳しいレベルではプロバイダープールが狭まり、管理キーでの呼び出しごとのコストが増える場合があります。                                                                                                                             | ❌  |
| `max_tokens`              | `int`            | モデルが応答で生成できるトークンの最大数。既定値は 2048 です。タスクでより長い回答が必要な場合は、明示的に（例: 8192）まで増やしてください。課金はこの上限ではなく、実際に生成されたトークン数に基づきます。                                                                                        | ❌  |
| `temperature`             | `float`          | モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。                                                                                                                                         | ✅  |
| `max_concurrent_requests` | `int`            | 画像バッチに対する同時リクエスト数。指定しない場合、ブロックはWorkflows Execution Engineでグローバルに設定された値をデフォルトで使用します。レート制限に達する場合は制限してください。                                                                                            | ❌  |
| `model_id`                | `str`            | OpenRouterのモデルスラッグ、例: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `qwen/qwen3.6-27b`完全な一覧は <https://openrouter.ai/models> を参照してください..                                                      | ✅  |
| `reasoning_effort`        | `str`            | OpenRouterに次の値として渡される拡張推論バジェット `reasoning: {"effort": ...}`。未設定の場合はモデルのプロバイダー既定の挙動が維持されます; `なし` 明示的に推論を無効化します。この設定を拒否するモデルは、それなしで再試行されます。推論トークンはこれにカウントされるため、 `max_tokens`に含まれるので、中/高の場合は増やしてください.. | ✅  |
| `task_type`               | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                                                                                       | ❌  |
| `prompt`                  | `str`            | モデルに送信するテキストプロンプト。                                                                                                                                                                                  | ✅  |
| `output_structure`        | `Dict[str, str]` | 期待される JSON 応答の構造を持つ辞書。                                                                                                                                                                              | ❌  |
| `classes`                 | `List[str]`      | 使用するクラスの一覧。                                                                                                                                                                                         | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `OpenRouter` バージョン `v2` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)) : モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `model_id` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterのモデルスラッグ、例: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `qwen/qwen3.6-27b`完全な一覧は <https://openrouter.ai/models> を参照してください..
  * `reasoning_effort` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterに次の値として渡される拡張推論バジェット `reasoning: {"effort": ...}`。未設定の場合はモデルのプロバイダー既定の挙動が維持されます; `なし` 明示的に推論を無効化します。この設定を拒否するモデルは、それなしで再試行されます。推論トークンはこれにカウントされるため、 `max_tokens`に含まれるので、中/高の場合は増やしてください..
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): モデルに送信するテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)): 使用するクラスの一覧。
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。
  * `思考` ([`string`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 文字列値。
  * `input_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `output_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/openrouter@v2",
	    "api_key": "rf_key:account",
	    "privacy_level": "<block_does_not_provide_example>",
	    "max_tokens": "<block_does_not_provide_example>",
	    "temperature": "<block_does_not_provide_example>",
	    "max_concurrent_requests": "<block_does_not_provide_example>",
	    "images": "$inputs.image",
	    "model_id": "openai/gpt-4o-mini",
	    "reasoning_effort": "low",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "私のプロンプト",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ]
	}
```

</details>

## v1

実行 **任意の** で利用可能なビジョン・言語モデル [OpenRouter](https://openrouter.ai/) そのモデルスラッグを入力欄に貼り付けることで `model_id` 欄 - 例: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `google/gemini-2.5-pro`, `qwen/qwen3.6-27b`.

これはOpenRouter向けの汎用エスケープハッチです。専用ブロックのないモデル（Qwen-VL、Kimi、Gemma、Llama Vision）を使いたい場合や、新しいブロックが追加されるのを待たずに試したい場合に使います。

このブロックは標準的なVLMタスクタイプのインターフェースをサポートします:

* **オープンプロンプト** (`制約なし`) - 任意のプロンプトを使って生の応答を生成します
* **テキスト認識（OCR）** (`ocr`) - モデルが画像内のテキストを認識します
* **視覚的質問応答** (`visual-question-answering`) - モデルがプロンプトで送信した質問に答えます
* **キャプション生成（短）** (`caption`) - モデルが画像の短い説明を提供します
* **キャプション生成** (`detailed-caption`) - モデルが画像の詳しい説明を提供します
* **単一ラベル分類** (`classification`) - モデルが画像内容を提示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **構造化出力生成** (`structured-answering`) - モデルが指定されたフィールドを持つJSONレスポンスを返します

#### 🛠️ APIキー

デフォルトでは、このブロックは **Roboflowが管理するOpenRouterキー** そしてRoboflowクレジットに課金されます - 追加設定は不要です。Roboflowの課金を回避するには、独自の `sk-or-...` キーを次に入力してください `api_key` フィールド。

#### 🔒 プライバシーフィルター

* **データ収集なし** *（デフォルト）* – プロバイダーはあなたの入力で学習しない場合があります。
* **データ収集を許可** – より広いプロバイダープール。
* **データ保持ゼロ** – 最も厳格で、何も保持しないプロバイダーに制限します。

{% hint style="warning" %}
**モデルの利用可否**

OpenRouterは多様な機能を持つ数百のモデルを公開しています。すべてのモデルが画像入力をサポートしているわけではなく、テキスト専用または推論専用のものもあります。モデルが可視の応答を返せない場合（例: すべての `max_tokens` 内部思考に使い切ってしまう推論モデルなどでは、次を増やしてみてください `max_tokens` または別のモデルを選んでください。
{% endhint %}

### タイプ識別子

ステップで次の識別子を使用してください `"type"` フィールド: `roboflow_core/openrouter@v1` を、ワークフローにステップとして追加します。

### プロパティ

| **名前**                    | **型**            | **説明**                                                                                                                                         | 参照 |
| ------------------------- | ---------------- | ---------------------------------------------------------------------------------------------------------------------------------------------- | -- |
| `name`                    | `str`            | このステップの一意の識別子を入力してください。                                                                                                                        | ❌  |
| `api_key`                 | `str`            | OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。                | ✅  |
| `privacy_level`           | `str`            | プロバイダーのプライバシーフィルター。より厳しいレベルではプロバイダープールが狭まり、管理キーでの呼び出しごとのコストが増える場合があります。                                                                        | ❌  |
| `max_tokens`              | `int`            | モデルが応答で生成できる最大トークン数。                                                                                                                           | ❌  |
| `temperature`             | `float`          | モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。                                                                                    | ✅  |
| `max_concurrent_requests` | `int`            | 画像バッチに対する同時リクエスト数。指定しない場合、ブロックはWorkflows Execution Engineでグローバルに設定された値をデフォルトで使用します。レート制限に達する場合は制限してください。                                       | ❌  |
| `model_id`                | `str`            | OpenRouterのモデルスラッグ、例: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `qwen/qwen3.6-27b`完全な一覧は <https://openrouter.ai/models> を参照してください.. | ✅  |
| `task_type`               | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                                  | ❌  |
| `prompt`                  | `str`            | モデルに送信するテキストプロンプト。                                                                                                                             | ✅  |
| `output_structure`        | `Dict[str, str]` | 期待される JSON 応答の構造を持つ辞書。                                                                                                                         | ❌  |
| `classes`                 | `List[str]`      | 使用するクラスの一覧。                                                                                                                                    | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `OpenRouter` バージョン `v1` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)) : モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `model_id` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterのモデルスラッグ、例: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `qwen/qwen3.6-27b`完全な一覧は <https://openrouter.ai/models> を参照してください..
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): モデルに送信するテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)): 使用するクラスの一覧。
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/openrouter@v1",
	    "api_key": "rf_key:account",
	    "privacy_level": "<block_does_not_provide_example>",
	    "max_tokens": "<block_does_not_provide_example>",
	    "temperature": "<block_does_not_provide_example>",
	    "max_concurrent_requests": "<block_does_not_provide_example>",
	    "images": "$inputs.image",
	    "model_id": "openai/gpt-4o-mini",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "私のプロンプト",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ]
	}
```

</details>
