Route Anything：面向通用 AI 系统的模型与策略路由研究

Route Anything 提出了用于在模型、工具和策略之间进行路由的统一理论与全模态轨迹矩阵，发现按输入的 oracle 差距为 5.4 分、学习型路由器收益有限，以及更便宜路由带来的平均 8.82× 效率。

通用 AI 系统需要跨领域和模态理解、生成、推理与行动，因此系统可能编排专用模型、工具和策略，而不是依赖单一模型。路由研究大多研究语言模型，尚未回答路由是否跨模态有帮助。论文追问路由能带来多少收益、学习型路由器效果如何，以及更便宜的路由何时足够好。

论文提出了统一的质量–成本路由理论，其价值阶梯从最佳固定候选延伸到逐输入 oracle，并包含参考策略与质量容差。它构建了全模态轨迹矩阵，涵盖 25 个基准、来自 452 个候选配置的 374,401 次评分运行和 103,307 个任务。路由器在任务文本和输出要求上微调 Qwen3.5-4B，对于机器人还使用三帧摄像头图像和机器人状态。它训练结果路由器、类型路由器和胜者标签路由器，并加入带记录价格的代码与文本测试床用于成本研究。

• 在测试划分上，逐输入 oracle 在 24 个基准和 19,814 个输入上比每个基准的最佳固定候选高 5.38 分；分组差距从语音生成的 0.68 到视频生成的 18.93 和机器人操作的 18.40。 §3
• 在 16 个基准上的能力树路由器得分为 79.98，对比固定候选的 79.68 和 oracle 的 84.80，比固定候选提升 0.3 分。 §1
• 在机器人上，使用三帧摄像头图像的路由器将干净场景发送给 PatchWAM、将随机化场景发送给 ME-Dex，达到 71.6% 成功率，对比最佳单一策略的 70.5%，且策略时间减少 24%。 §1
• 在相同输入和骨干网络下，回归每个策略的成功率达到 71.6% 机器人成功率，而分类胜者仅达到 42.8%，因为延迟平局决胜决定了 94% 的胜者标签。 §1
• 路由在四个测试床上平均将效率提高 8.82×，其中编码任务上为 25.5×，文本问答上为 7.1×。 §1
• 在 CodeRouterBench 上，免费的编译器门控带来 4.09× 的美元效率，而按标价的 LLM 评审仅带来 0.30×。 §1

• 论文指出，其理论将状态规律视为给定，不覆盖依赖路由器自身先前选择的状态，例如包含模型先前代码的 SciCode 步骤（§D）。
• 认证需要参考策略在每个认证输入上的结果，而长时程智能体任务的步骤级路由值得更深入探索（§D）。
• 论文指出，轨迹矩阵的大部分没有记录成本，因此第 3 节和第 4 节大多使用 λ=0（§2）。
• 实验仍未解决图像路由：GenEval2 和 Qwen-Image-Bench 上的 124 个路由器配置中没有一个显著优于固定生成器，拟合的零损失路由在测试上以 1.34× 效率损失 0.33（§1、§B.4）。

• 矩阵：25 个基准、374,401 次评分运行、452 个候选配置和 103,307 个任务。 §B.1
• Oracle 差距：在 19,814 个输入和 24 个基准上为 5.4 分。 §3
• 学习型路由器：在 16 个基准上为 79.98，对比固定候选 79.68 和 oracle 84.80。 §1
• 机器人路由器：成功率 71.6% 对比 70.5%，策略时间减少 24%。 §1
• 结果回归：71.6% 对比胜者分类的 42.8%；94% 的胜者标签由延迟平局决胜决定。 §1
• 匹配比较：因 11 个缺失 HLE 分数而剔除 Opus 5.5，使 0.4 分劣势转为 2.4 分收益。 §1
• 效率：平均 8.82×、编码 25.5×、文本问答 7.1×；CodeRouterBench 的零损失下限在全部 200 个划分中成立，中位数为 19.4×。 §1
• 验证器选择会改变效率：编译器门控 4.09×，按标价的 LLM 评审 0.30×。 §1