> 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/ko/blocks/blocks/run-a-model/open-router.md). # OpenRouter 실행 **아무** 에서 사용 가능한 비전-언어 모델 [OpenRouter](https://openrouter.ai/) 모델 슬러그를 다음에 붙여 넣어 `model_id` 필드 - 예. `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `google/gemini-2.5-pro`, `qwen/qwen3.6-27b`. 이것은 OpenRouter를 위한 일반적인 탈출구입니다. 전용 블록이 없는 모델(Qwen-VL, Kimi, Gemma, Llama Vision)을 사용해 보고 싶고, 새 블록이 추가될 때까지 기다리지 않고 시험해 보고 싶을 때 사용합니다. 이 블록은 표준 VLM 작업 유형 인터페이스를 지원합니다: * **열린 프롬프트** (`제약 없음`) - 어떤 프롬프트든 사용하여 원시 응답을 생성합니다 * **텍스트 인식(OCR)** (`ocr`) - 모델이 이미지의 텍스트를 인식합니다 * **시각 질의응답** (`visual-question-answering`) - 모델이 프롬프트에 제출한 질문에 답합니다 * **짧은 캡션 생성** (`caption`) - 모델이 이미지에 대한 짧은 설명을 제공합니다 * **캡션 생성** (`detailed-caption`) - 모델이 이미지에 대한 긴 설명을 제공합니다 * **단일 레이블 분류** (`classification`) - 모델이 이미지 콘텐츠를 제공된 클래스 중 하나로 분류합니다 * **다중 레이블 분류** (`multi-label-classification`) - 모델이 이미지 콘텐츠를 제공된 클래스 중 하나 이상으로 분류합니다 * **프롬프트 없는 객체 탐지** (`object-detection`) - 모델이 이미지의 주요 객체에 대한 바운딩 박스를 탐지하여 반환합니다 * **구조화된 출력 생성** (`structured-answering`) - 모델이 지정된 필드가 포함된 JSON 응답을 반환합니다 #### 🛠️ API 키 기본적으로 이 블록은 다음을 사용합니다 **Roboflow에서 관리하는 OpenRouter 키** 를 사용하며 Roboflow 크레딧으로 청구됩니다. 별도 설정은 필요하지 않습니다. Roboflow 청구를 우회하려면, 본인의 `sk-or-...` 키를 `API 키` 필드에 붙여넣으세요. #### 🔒 개인정보 필터 * **데이터 수집 안 함** *(기본값)* – 제공업체가 입력값으로 학습하지 않을 수 있습니다. * **데이터 수집 허용** – 더 넓은 제공업체 풀. * **데이터 보존 없음** – 가장 엄격하며, 아무것도 보존하지 않는 제공업체로 제한합니다. {% hint style="warning" %} **모델 사용 가능 여부** OpenRouter는 다양한 기능을 가진 수백 개의 모델을 제공합니다. 모든 모델이 이미지 입력을 지원하는 것은 아니며, 일부는 텍스트 전용이거나 추론 전용입니다. 모델이 보이는 응답을 반환할 수 없다면(예: 다음을 모두 소모하는 추론 모델이 `최대 토큰 수` 내부 사고에 모두 사용하므로), 다음을 늘려 보세요 `최대 토큰 수` 또는 다른 모델을 선택하세요. {% endhint %} ### 유형 식별자 단계에서 다음 식별자를 사용하세요 `"type"` 필드: `roboflow_core/openrouter@v1` 워크플로우에 이 블록을 단계로 추가하려면. ### 속성 | **이름** | **유형** | **설명** | 참조 | | --------------- | ---------------- | ---------------------------------------------------------------------------------------------------------------------------------------------- | -- | | `name` | `str` | 이 단계에 대한 고유 식별자를 입력하세요.. | ❌ | | `API 키` | `str` | OpenRouter API 키입니다. 기본값은 Roboflow에서 관리하는 키이며, Roboflow를 통해 크레딧으로 청구됩니다. Roboflow 청구 없이 OpenRouter를 직접 호출하려면 본인의 `sk-or-...` 키를 제공하세요.. | ✅ | | `privacy_level` | `str` | 제공업체 개인정보 필터입니다. 더 엄격한 수준은 제공업체 풀을 줄이며, 관리형 키의 호출당 비용을 증가시킬 수 있습니다.. | ❌ | | `최대 토큰 수` | `정수` | 모델이 응답에서 생성할 수 있는 최대 토큰 수입니다.. | ❌ | | `온도` | `float` | 모델에서 샘플링할 온도 - 0.0\~2.0 범위의 값이며, 값이 높을수록 생성 결과가 더 무작위적 / "창의적"이 됩니다.. | ✅ | | `최대 동시 요청 수` | `정수` | 이미지 배치에 대한 동시 요청 수입니다. 지정하지 않으면 블록은 Workflows Execution Engine에서 전역적으로 구성된 값을 기본값으로 사용합니다. 속도 제한에 걸리면 제한하세요.. | ❌ | | `model_id` | `str` | OpenRouter 모델 슬러그, 예: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `qwen/qwen3.6-27b`. 전체 목록은 를 참조하세요.. | ✅ | | `작업 유형` | `str` | 모델이 수행할 작업 유형입니다. 값에 따라 필요한 매개변수와 출력 응답이 결정됩니다.. | ❌ | | `prompt` | `str` | 모델로 보낼 텍스트 프롬프트.. | ✅ | | `출력 구조` | `Dict[str, str]` | 예상 JSON 응답의 구조를 가진 딕셔너리.. | ❌ | | `클래스` | `List[str]` | 사용할 클래스 목록.. | ✅ | 이 **참조** 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 `워크플로우` 런타임입니다. 자세한 내용은 *바인딩* 을 참조하세요. ### 런타임 호환성 `인터넷 필요` - 에어갭 / 오프라인 배포 : 이 블록은 완전히 오프라인 / 에어갭된 배포에서는 접근할 수 없는 서비스에 의존합니다. ### 입력 및 출력 바인딩 사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 `OpenRouter` 버전 `v1` 을 가지고 있는지.
입력 및 출력 바인딩 * 입력 * `API 키` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](/workflows/ko/developer-guide/developer-guide/kinds/secret.md)*,* [*`string`*](/workflows/ko/developer-guide/developer-guide/kinds/string.md)*]*): OpenRouter API 키입니다. 기본값은 Roboflow에서 관리하는 키이며, Roboflow를 통해 크레딧으로 청구됩니다. 본인의 `sk-or-...` 키를 제공하세요.. * `온도` ([*`float`*](/workflows/ko/developer-guide/developer-guide/kinds/float.md)): 모델에서 샘플링할 온도 - 0.0\~2.0 범위의 값이며, 값이 높을수록 생성 결과가 더 무작위적 / "창의적"이 됩니다.. * `이미지` ([*`이미지`*](/workflows/ko/developer-guide/developer-guide/kinds/image.md)): 추론할 이미지입니다.. * `model_id` ([*`string`*](/workflows/ko/developer-guide/developer-guide/kinds/string.md)): OpenRouter 모델 슬러그, 예: `openai/gpt-4o-mini`, `anthropic/claude-3.5-sonnet`, `qwen/qwen3.6-27b`. 전체 목록은 를 참조하세요.. * `prompt` ([*`string`*](/workflows/ko/developer-guide/developer-guide/kinds/string.md)): 모델로 보낼 텍스트 프롬프트.. * `클래스` ([*`list_of_values`*](/workflows/ko/developer-guide/developer-guide/kinds/list-of-values.md)): 사용할 클래스 목록.. * 출력 * `출력` (*Union\[*[*`string`*](/workflows/ko/developer-guide/developer-guide/kinds/string.md)*,* [*`언어 모델 출력`*](/workflows/ko/developer-guide/developer-guide/kinds/language-model-output.md)*]*): 다음의 경우 문자열 값 `string` 또는 LLM / VLM 출력인 경우 `언어 모델 출력`. * `클래스` ([`list_of_values`](/workflows/ko/developer-guide/developer-guide/kinds/list-of-values.md)): 모든 유형의 값 목록.
예시 JSON 정의 ```json { "name": "", "type": "roboflow_core/openrouter@v1", "api_key": "rf_key:account", "privacy_level": "", "max_tokens": "", "temperature": "", "max_concurrent_requests": "", "images": "$inputs.image", "model_id": "openai/gpt-4o-mini", "task_type": "", "prompt": "내 프롬프트", "output_structure": { "my_key": "설명" }, "classes": [ "class-a", "class-b" ] } ```