OpenAI、Anthropic、Google 与 OpenRouter 谁更胜一筹

在构建能够处理用户上传 CSV 文件的 AI 智能体时，模型往往需要真正执行 Python 代码才能得出答案。传统做法是开发者自行搭建沙箱环境，使用 E2B、Modal 等平台或自建 Docker 容器，并承担网络隔离、运行时限制和镜像维护等全部安全责任。服务端代码执行工具提供了另一条路径：将工具声明加入 API 请求，提供商在其托管的隔离容器内运行命令并将结果直接返回给模型，整个过程在同一次请求内完成。

四家提供商的核心差异在于各自支持的模型范围。OpenAI 的 shell 工具运行于其管理的 Debian 12 容器，预装 Python 3.11、Node.js 22.16、Java 17 等多种语言环境，默认关闭出站网络访问，支持通过容器 ID 跨请求复用。Anthropic 为 Claude 提供 Linux x86_64 容器，配备 5 GiB 内存与存储，支持 Python 和 Bash，最新版本可在请求间保持 Python 解释器状态，容器有效期为 30 天。Google 则为 Gemini 模型提供 Python 沙箱能力。

OpenRouter 的 openrouter:shell 工具在 Responses API 和 Messages API 上均可使用，openrouter:bash 则仅限 Messages API，两款工具目前均处于 Beta 阶段。其最大优势在于模型无关性——开发者无需修改工具代码即可切换底层模型。沙箱以账户和工作区为隔离单元，默认关闭出站网络，对每条命令的运行时长和输出大小均设有限制，单次请求最多允许 30 次工具调用循环。

在计费模式上，OpenRouter 沙箱按实际使用秒数收费，费率为每秒 0.0001 美元，新建或从休眠状态唤醒容器有 30 秒的最低计费门槛。这一模型使短命令场景的成本相对可控，但对于需要长时间运行的任务，累计费用需要开发者提前评估。相比之下，OpenAI 和 Anthropic 的代码执行费用通常与模型调用费用捆绑计算，透明度有所不同。

服务端托管沙箱并非万能方案。当业务场景需要自定义基础镜像、GPU 加速计算、会话持续数小时，或对网络访问有精细控制需求时，自建沙箱平台仍是更合适的选择。E2B、Modal 等专用沙箱平台以及各类 Agent SDK 在这些场景下依然具有不可替代的价值。托管工具的核心价值在于以极低的接入成本覆盖大多数短时、无状态的代码执行需求。

从工程实践角度看，服务端代码执行工具将模型的自我校验能力提升到了新的层次。模型不再依赖推理猜测，而是可以真正运行代码、读取实际输出、判断是否需要进一步操作，形成完整的执行-验证循环。这种能力对于数据分析、文件处理、数学计算等任务尤为关键，也是当前 AI 智能体从概念走向生产落地的重要基础设施之一。

要点

• 服务端代码执行工具让模型在同一次 API 请求内自主运行命令并读取输出，开发者无需编写任何执行处理代码
• OpenAI、Anthropic、Google 的托管沙箱各自仅支持本家模型，OpenRouter 的工具可跨模型使用，切换模型无需改动工具配置
• OpenRouter 沙箱按秒计费，每秒 0.0001 美元，新建或唤醒容器有 30 秒最低计费，适合短时命令场景
• 需要自定义镜像、GPU 计算或长时会话的场景，自建沙箱平台仍是更合适的选择
• 单次请求最多支持 30 次工具调用循环，模型可通过多轮执行迭代验证结果