Rohan Paul (@rohanpaul_ai)T2·78 分
伯克利研究揭示模型路由降本 25 倍
原标题：Great new study on model routing.
- 路由的主要收益来自成本优化而非质量超越，平均每单位成本质量提升 8.82 倍
- 编程任务路由达 25.5 倍成本效率，仅损失 0.44 分
- 学习型路由器相对最佳单模型仅提升 0.3 分，远低于 5.4 分的理论上限
返回热点榜
llm热度 16.2°
AI 聚合热点事件 · 2026/11/11
伯克利研究揭示模型路由降本 25 倍
1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/11 01:37:37
全景综述与最新动态
1 家信源交叉印证加州大学伯克利分校等机构发布大规模模型路由研究，在 25 个基准、452 个候选模型与策略上跑了 374,401 次评分实验。结论是路由器的核心价值在于把任务导向更便宜的模型，平均每单位成本的质量提升达 8.82 倍，质量损失不到 0.5 分；编程任务中路由达到始终调用 Opus 4.6 的 25.5 倍成本效率，仅损失 0.44 分。但学习型路由器相对最佳单模型的真实增益仅 0.3 分，远低于理论上限 5.4 分。
最新动向/加州大学伯克利分校等机构发布大规模模型路由研究，在 25 个基准、452 个候选模型与策略上跑了 374,401 次评分实验。结论是路由器的核心价值在于把任务导向更便宜的模型，平均每单位成本的质量提升达 8.82 倍，质量损失不到 0.5 分；编程任务中路由达到始终调用 Opus 4.6 的 25.5 倍成本效率，仅损失 0.44 分。但学习型路由器相对最佳单模型的真实增益仅 0.3 分，远低于理论上限 5.4 分。
逐小时热度走势
2 个完整观测小时连续完整观测不足 3 个小时，暂不绘制趋势曲线。