マルチモーダルなプロダクトを作ると、モデルそのものより先に「接続の数」が問題になります。テキストは1つのSDK、画像理解は別のベンダー、文字起こしと音声合成はさらに別のAPI、画像・動画生成はキューとポーリング。モダリティが増えるたびに、認証方式もペイロード形式もエラー仕様も増えていきます。
nRouterが9月に発表したプレスリリースは、この問題へのゲートウェイ側の回答です。同社のカタログは拡張され、テキストと高度な推論、画像理解とドキュメント解析、音声認識と音声合成、画像生成と動画生成までが、単一の統合エンドポイントの背後に揃いました。
モダリティごとの中身
- テキスト・推論: Claude、GPT、Gemini、DeepSeek、Llamaの各ファミリーを、従来どおりの呼び方で使えます。
- 画像・ドキュメント: 画像理解とマルチモーダルなPDF抽出を、テキストプロンプトと同じリクエスト形式で呼び出せます。
- 音声: WhisperやElevenLabsを含むモデルによる文字起こしと音声合成が、同じエンドポイントに収まっています。
- 画像・動画生成: ImagenやFluxによる画像生成と、Veoによる動画生成パイプラインもカタログの一部です。
接続は1行
統合方法はいつもの形です。OpenAIまたはAnthropicのSDKのベースURLを https://api.nrouter.ai/v1 に向けるだけです。モダリティの追加やプロバイダの切り替えは、モデル名の変更であって、新しいクライアントの導入ではありません。
nrouter/autoという選択肢
リリースのもう1つの仕組みが自動ルーティングです。モデルに nrouter/auto を指定すると、ゲートウェイがプロンプトの長さ、意図の複雑さ、プロバイダの現在の健全性を見て振り分けます。日常的なクエリは高速で経済的なモデルへ、複雑な多段推論はフロンティアモデルへ。自分で分類器を作って保守する代わりに、振り分けがリクエスト経路の性質になります。
確認はカタログで
ライブカタログとリアルタイムのレイテンシはモデルページで公開されています。発表文は古くなりますが、カタログは現在のものです。設計の前に、実際に提供されているものを自分の目で確認するのが確実です。
プレスリリース全文: https://nrouter.ai/press/multimodal-fleet-expansion