Route Anything：通用AI系统的模型与策略路由研究

论文用 37 万余次运行数据研究全模态模型路由的质量与成本权衡。

资讯摘要

论文提出 Route Anything 统一框架，研究通用 AI 系统中模型与策略的路由问题，建立质量—成本权衡下的最优路由理论，并说明路由器可获得的信息如何决定其性能上限。作者构建覆盖语言理解、图像、视频、语音生成、编程与办公智能体、机器人操作的 25 个基准、452 个候选配置、374,401 次评分运行的全模态轨迹矩阵，并训练测试多种路由器。

要点速读

1. 论文构建跨 25 个基准、452 个候选配置、374,401 次评分运行的全模态轨迹矩阵。
2. 作者报告逐输入 oracle 路由比最佳固定候选高 5.4 分；学习型路由器在 16 个基准上高 0.3 分、视频生成高 2.1 分、机器人操作高 1.1 分，且策略时间少 24%。
3. 论文称路由相比参考模型平均提升 8.82 倍效率。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:36（北京时间）。