OpenRouter

モデルのスラッグを貼り付けて、任意のOpenRouterモデルを実行します。

実行 任意 で利用可能な視覚言語モデル OpenRouter そのモデルスラッグを model_id フィールドに貼り付けることで - 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。専用のブロック（Qwen-VL、Kimi、Gemma、Llama Vision）がないモデルを使いたいときに、新しいブロックが追加されるのを待たずに試せます。

このブロックは標準の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用して、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された質問に答えます

• キャプション生成（短い） (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) - モデルが画像の長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、提供されたクラスのいずれか1つとして分類します

• 複数ラベル分類 (multi-label-classification) - モデルが画像内容を、提供されたクラスの1つまたは複数として分類します

• プロンプトなしオブジェクト検出 (object-detection) - モデルが画像内の目立つオブジェクトを検出し、バウンディングボックスを返します

• 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 応答を返します

🛠️ APIキー

既定ではこのブロックは Roboflow管理のOpenRouterキー を使用し、Roboflowクレジットに課金されます。追加設定は不要です。Roboflowの請求を回避するには、独自の sk-or-... キーを api_key フィールドに入力してください。

🔒 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を学習に使用できません。

• 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されます。

モデルの利用可否

OpenRouterは、さまざま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に対応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（たとえば、すべての max_tokens 内部思考に max_tokens を消費する推論モデルなど）は、増やすか

型識別子

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 ワークフローにこのブロックをステップとして追加するには。

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の管理キーが使用され、Roboflow経由でクレジット課金されます。独自の sk-or-... キーを使用すると、Roboflowの請求なしで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の範囲が狭まり、管理キーでの1回あたりのコストが増える場合があります。	❌
max_tokens	整数	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ための温度。値の範囲は 0.0〜2.0 で、高いほど生成結果はよりランダム／「創造的」になります。。	✅
max_concurrent_requests	整数	画像バッチに対する同時リクエスト数。指定がない場合、このブロックは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	モデルによって実行されるタスクの種類。値によって必要なパラメータと出力応答が決まります。。	❌
プロンプト	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レスポンスの構造を持つ辞書。。	❌
classes	List[str]	使用するクラスのリスト。。	✅

この 参照 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細は。

ランタイム互換性

requires_internet - エアギャップ／オフライン環境: このブロックは、完全にオフライン／エアギャップ環境から到達できないサービスに依存しています。

入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が OpenRouter のバージョン v1 あるか確認してください。

入力と出力のバインディング

• 入力

  • api_key (Union[ROBOFLOW_MANAGED_KEY, secret, string]）：OpenRouter APIキー。デフォルトではRoboflowの管理キーが使用され、Roboflow経由でクレジット課金されます。独自の sk-or-... キーを使用すると、Roboflowの請求なしでOpenRouterを直接呼び出せます。

  • temperature (float)：モデルからサンプリングするための温度。値の範囲は 0.0〜2.0 で、高いほど生成結果はよりランダム／「創造的」になります。。

  • images (image): 推論対象の画像です..

  • model_id (string): 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。。

  • プロンプト (string): モデルに送信するテキストプロンプト。。

  • classes (list_of_values): 使用するクラスのリスト。。

• 出力

  • 出力 (Union[string, language_model_output])：の文字列値 string または LLM / VLM の出力（条件が language_model_output.

  • classes (list_of_values)：任意の型の値のリスト。

JSON 定義の例

{
	    "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": "my prompt",
	    "output_structure": {
	        "my_key": "description"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ]
	}