RadarAI· X：Rohan Paul (@rohanpaul_ai)·· 16 小时前AI 评分41
UC Berkeley 等发布 Route Anything 研究：模型路由平均提升 8.82 倍成本效率
AI 导读
UC Berkeley 等机构发布 Route Anything 研究，在 25 个基准、452 个候选模型与策略、374,401 次评分运行上系统评估模型路由，发现路由平均带来 8.82 倍单位成本质量效率提升，质量损失不到 0.5 分。
正文 · AI 翻译
Rohan Paul· @rohanpaul_ai · X·2026-11-11 01:37· 2 小时前AI 评分58
AI 导读
UC Berkeley 等机构的 Route Anything 研究系统评估模型与策略路由，发现在 25 个基准上，路由平均带来 8.82 倍的单位成本效率提升，质量损失不到 0.5 分。
正文 · 原文
关于模型路由的一项出色新研究。
来自加州大学伯克利分校及其他实验室
研究发现，模型路由器收益显著，能够节省成本，平均每单位成本的质量提升达 8.82 倍，而质量损失不到 0.5 分。
路由器为每个输入选择由哪个模型处理，希望以更低成本匹配最佳模型，或超越它。大多数路由研究仅针对语言模型。
Route Anything 在 25 个基准（从文本问答到机器人控制）上，用相同输入运行了 452 个候选模型与策略。他们基于这 374,401 次带评分的运行训练路由器，并同时衡量质量与成本。
一个完美的逐输入路由器本应比最佳单一模型高出 5.4 分，但学习到的路由器在 16 个基准上仅提升 0.3 分。在编程任务上，路由达到了始终调用 Opus 4.6 的 25.5 倍美元效率，代价是 0.44 分的损失。
将路由器主要用于在质量接近时把工作转移到更便宜的模型，并在信任收益之前，用相同输入比较候选模型。
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news