论文综述：Route Anything——面向通用 AI 系统的模型与策略路由研究

一、论文是干什么的？

想象你开了一家「万能外包公司」：手下有写文章的、画画的、拍视频的、配音的、写代码的，还有会操作机械臂的。每来一单活儿，你得决定派谁去做。派最贵最强的人当然稳，但成本高；派便宜的人省钱，可能搞砸。这个「前台分派员」，就是本文研究的路由器（router）。论文把每一个可被派去干活的对象（大语言模型、图像/视频/语音生成模型、机器人策略）统称为「候选」（candidate）。

这篇论文的特别之处在于：过去的路由研究基本只盯着语言模型，而本文把范围扩大到「全模态」，在同一套数据上同时研究文本问答、图文问答、图像生成、视频生成、语音生成、代码与办公智能体、机器人操作。作者提出三个问题：路由最多能赚多少？学出来的路由器到底好不好用？什么时候「便宜一点的路线」就足够好？论文给出的主要结论是：理论上「每题挑最好的」比「固定用最强的」平均高 5.4 分；但真实学出来的路由器只比固定最强候选高 0.3 分；路由真正稳定的价值是省钱，在与参考模型质量几乎持平时，效率平均提高 8.82 倍（这是论文自报数字，并且是四个测试平台的算术平均）。

二、核心方法与创新

1. 路由器的价值公式。 设输入为 $x$ ，候选 $u$ 跑出的质量为 $V_u\in[0,1]$ （即该基准的分数），消耗资源 $D_u$ （美元或秒）。路由器 $g$ 的得分是

$J_\lambda(g)=\mathbb{E}[V_g]-\lambda\,\mathbb{E}[D_g]$

也就是「质量减去按价格折算的成本」。生活类比：点外卖时，你不是只看好不好吃，而是看「好吃程度减去价格带来的心疼」。当价格 $\lambda=0$ 时，只比质量。

2. 参考模型与效率。 如果没有给定价格，就拿一个「参考策略」（比如永远调用最强模型）当标尺。定义质量变化 $Q=\mathbb{E}[V_g-Y_B]$ 、节省 $S=\mathbb{E}[C_B-D_g]$ 、效率 $\eta=\mathbb{E}[V_g]/\mathbb{E}[D_g]$ （每单位成本换到的质量），并要求质量不能掉太多： $Q\ge-\epsilon$ （式 1）。引理 1 说明效率提升的充要条件是 $Q+\eta_B S>0$ ，注意「效率更高」和「质量不掉」是两个独立条件：一个只在 15% 的任务上做对、但价格只有十分之一的模型，效率是参考的 1.5 倍，质量却掉了 0.85。

3. 最优路由定理（定理 2）。 在每个「状态」（路由器观察到的信息）下，最优做法就是挑出使 $v(s,u)-\lambda c(s,u)$ 最大的候选。最高效率 $\eta^\star$ 是 Dinkelbach 函数 $\Phi(\lambda)$ 的唯一根，证明用到 Dinkelbach 分式规划与线性规划对偶。第二部分说明：在质量下限约束下求最高效率，不会产生新类型的路由器，它只是「在某个特定价格 $\lambda_\epsilon$ 下的普通路由」，价格由参考模型和容忍度决定。

4. 信息阶梯（命题 3）。 路由器看到的信息越细，能达到的上限越高：

$V^\star(\sigma_1)\le V^\star(\sigma_2)\le V^\star(x)\le\mathbb{E}[\max_u W_u]$

最左是「每个基准固定用最好的候选」，最右是「每个输入都事后挑最好的」（oracle，预言机）。类比：只知道「这是数学题」时，你只能派数学最强的人；如果能看到「这道具体的题」，才能因题施派。

5. 学结果，不要学赢家（命题 4）。 训练路由器有两种目标：回归每个候选的得分（outcome，结果），或分类「谁赢了」（winner label，赢家标签）。作者证明按赢家标签分类可能会损失近一半的价值范围，并给出反例：若候选 A 稳定给出 $a<1$ ，候选 B 以概率 $b\in(\tfrac12,a)$ 给出 1，则 B 更常赢，但 A 的期望更高。在有「并列时选更快的」规则时更糟。

6. 质量下限的统计认证（命题 5）。 在拟合数据上满足质量下限，不代表在测试集上也满足。作者把候选路由器沿价格路径排序，依次做 $p$ 值检验，在第一个通不过处停止（固定序列检验，不需要多重比较校正），都不通过就退回参考模型，从而以置信水平 $1-\alpha$ 保证 $\mathbb{P}(Q<-\epsilon)\le\alpha$ 。

7. 全模态轨迹矩阵（数据贡献）。 25 个基准、374,401 次打分运行、452 种候选配置，所有候选在同一批输入上都跑一遍，所以可以事后知道「如果当时派另一个，结果会怎样」。

路由器本身很朴素：以 Qwen3.5-4B 为底座，加上 LoRA 微调和一个 sigmoid 打分头，对每对（输入，候选画像）打分后选分最高者；机器人路由器还会读 3 帧 240×320 摄像头画面和机器人状态，并为 7 个策略各配一个 sigmoid 输出头。

三、使用了哪些模型和计算资源？

候选模型（论文原文名称，我无法独立核实这些模型的存在与版本）：

类别	候选
语言模型	Claude Opus 5.5、GPT-6.1 Sol、DeepSeek V4.1 Flash，长上下文、知识与智能体任务上另加 GPT-6 Astra
图像生成	FLUX 3、Seedream 5.0 Pro、MAI-Image 2.6、GPT Image 2.5、Qwen-Image 3 Pro、Grok Imagine 2.0（少数 GenEval2 提示上另有两个生成器）
视频生成	MiniMax H3、Seedance 2.5、Wan 3.0
语音生成	Seed Audio 1.0、Fish S2.1 Pro、Gemini 3.8 Flash TTS
机器人策略	$\pi_{0.5}$ 、GigaBrain、Spatial Forcing、X-VLA、X-WAM、PatchWAM、ME-Dex（均在 50 个 RoboTwin 任务上联合训练）

另外，价格路由实验使用 CodeRouterBench（8 个模型，参考模型为 claude-opus-4-6）和 RouterBench（11 个模型，参考模型为 gpt-4-1106-preview）。用于给能力树叶节点打标签的是 GPT-6.1 Sol。

路由器骨干与训练设置（来自附录 B.3）：

基础模型：Qwen3.5-4B。能力树路由器分类器用 LoRA（秩 8），训练 3 个 epoch，批大小 16，学习率适配器 $10^{-4}$ 、打分头 $10^{-3}$ 。
11 基准的结果路由器与类型路由器：LoRA（秩 16， $\alpha=32$ ，作用于语言模型所有线性层），AdamW，学习率 $2\times10^{-5}$ （适配器）与 $3\times10^{-4}$ （头），每次更新 32 个任务，6 个 epoch，种子 42、13、2026、7。
机器人路由器：LoRA 秩 8、3 个 epoch、批大小 16，在全部 49,000 条训练结果上训练。
赢家标签生成式路由器：对 Qwen3.5-4B 做全参数微调，共 12 种配方。

计算资源：

GPU：论文仅在一处披露，4B 路由器在一张 H20 GPU 上每次决策耗时 0.13 秒（相比之下生成一张图要 27 到 158 秒，生成一段视频要 211 到 314 秒）。训练用了多少张 GPU、总共多少 GPU 小时，论文未披露。
每个完整计算单位的耗时：机器人场景每个场景的策略推理时间，路由后为 11.05 秒，最佳单一策略为 14.51 秒（节省 24%）；代码任务中 Opus 每题 3.93 秒、Qwen3-Max 每题 6.23 秒；TF-IDF 路由器每题 1.9 毫秒；作为验证器的 LLM 评审（grok-4.6）每题 39.0 秒、按标价 0.0159 美元；DeepSeek-v4-pro 预测每题 1.89 秒、0.000944 美元；隐藏测试沙箱每题 0.15 秒。
成本：CodeRouterBench 上始终调用 Opus 的成本是每题 11.655 毫美元（原文写作 m 加美元符号）；GPT Image 2.5 每张图 0.21 美元。收集 374,401 次运行的总花费（API 费用、机器人仿真算力）论文未披露。

四、实验结果

1. 路由的理论上限（表 1，测试集 19,814 个输入、24 个基准）

类别	固定最佳候选	预言机	差距
文本问答	83.27	87.56	4.28
图文问答	85.32	88.02	2.70
图像生成	82.93	87.92	4.99
视频生成	62.43	81.36	18.93
语音生成	98.62	99.30	0.68
代码与办公智能体	69.17	77.29	8.11
机器人操作	70.45	88.85	18.40
全部	82.60	87.98	5.38

大白话：视频和机器人领域「没有谁一直最强」，所以挑对人的潜在收益最大；语音生成里大家都接近满分，几乎没有空间。而且大部分收益在「同一类任务内部」：事后选出的每类最佳候选只能弥补约 8% 的差距。

2. 学出来的路由器（表 3，单个训练种子，16 个基准、3,444 个输入）

类别	固定	路由器	预言机	路由器减固定
文本问答（3 个基准）	65.14	64.97	71.43	-0.17
代码与办公智能体	69.24	70.01	74.78	+0.77
图像生成	82.96	83.21	87.92	+0.25
视频生成	62.17	64.28	80.22	+2.12
语音生成	98.63	98.63	99.30	0.00
全部 16 个基准	79.68	79.98	84.80	+0.30
机器人（结果路由器）	70.45	71.55	88.85	+1.10

机器人上 +1.10 的 95% 置信区间是 [-0.40, +2.55]，包含 0，也就是说统计上并不显著。在图像生成上，对 31 种路由器设计、124 种配置的测试里，没有一个显著优于固定生成器，44 个显著更差；一个没经训练、直接让 Qwen3.5-4B 自己选候选的路由器比固定候选低 1.15 分。

3. 机器人场景读图路由（RoboTwin，2,000 个测试场景）： 干净场景下 PatchWAM 最好，加入域随机化后 ME-Dex 最好，路由器会随场景条件切换。

场景	ME-Dex	PatchWAM	路由器
干净场景	78.4	81.7	81.6
随机化场景	62.5	45.6	61.5

总体成功率 71.55% 对 70.45%，策略推理时间 11.05 秒对 14.51 秒，约少 24%，每策略秒数对应的成功率是最佳单一策略的 1.33 倍。

4. 学结果还是学赢家： 同样的输入和骨干，机器人上按结果回归得到 71.6%，按赢家标签分类只有 42.8%；因为 94% 的赢家标签是由「并列时选更快的」规则决定的，分类器学会了挑又快但常失败的策略（每场景 1.9 秒）。

5. 价格路由（表 5；质量变化越接近 0 越好，效率比越高越好）

测试平台	路线	质量变化	效率比
代码（CodeRouterBench，对比始终用 Opus 4.6）	拟合， $\epsilon=0$	-0.44 [-1.75, +0.97]	25.5 倍
代码	认证， $\epsilon=0$	200 次随机划分中全部不低于 0	19.4 倍（中位数）
文本问答（RouterBench，对比始终用 GPT-4）	拟合， $\epsilon=0$	-0.40 [-0.84, +0.08]	7.1 倍
文本问答	认证	200 次中全部不低于 0	6.7 倍
图像生成	拟合， $\epsilon=0.5$	-0.47 [-0.87, -0.06]	1.35 倍
图像生成	拟合， $\epsilon=2$	-1.56 [-2.39, -0.73]	2.03 倍
机器人（按秒）	结果路由器	+1.10 [-0.40, +2.55]	1.33 倍

「8.82 倍」是 25.5、7.1、1.35、1.33 四个数的平均（图像取 $\epsilon=0.5$ ）。需要注意，这个平均由代码和文本两个大倍数拉高；而且参考模型是「始终调用最贵模型」，所以倍数很大并不意外。代码任务上，零损失路由器根本不调用 Opus 4.6，直接把任务派给更便宜的模型；而拟合出的零损失下限在把拟合数据对半划分后，只有 12.5% 的划分在测试集上成立，经命题 5 认证后则 200 次全部成立。

6. 其他发现：

公平比较：只要求「每个训练输入都有分数」的固定基线，会因 Opus 5.5 在 1,122 个 HLE 训练输入中缺 11 个分数而把它剔除，导致该基线汇总分从 68.30 掉到 65.52，并把路由器的 -0.40 变成 +2.38。用匹配的固定候选才没有这个假象。
重试与验证：在 42 个有序模型对里，第一个模型失败后第二个模型成功率都更低（中位比值 0.49）；免费的编译器关卡能带来 4.09 倍美元效率（质量降 2.4 点），而按标价的 LLM 评审只有 0.30 倍。

五、潜在应用与已落地应用

潜在应用（依据论文结论的推断）：

AI 网关或智能体平台按任务类型和预算分派模型，在质量几乎不变时降低费用，代码和文本问答的省钱空间最明显。
机器人系统按场景条件（如是否有干扰）在多个策略间切换，同时节省推理时间。
作者在局限性里指出：长程智能体任务的逐步骤路由更复杂，仍有待探索。

已落地情况： 论文没有描述商业部署，这里不写任何未经证实的落地案例。开源情况经核实如下：

代码：GitHub 仓库 InfRec-Cardinal/route-anything 已公开，MIT 许可证，我查看了提交历史，最近一次提交是 2026-11-04（为 arXiv 版本刷新 README 和文档），更早的 2026-10-22、2026-10-24 有实验代码与发布对齐的提交，GitHub API 显示 16 星。
数据：README 明确写明全模态轨迹矩阵是专有数据，未发布；仓库不含该矩阵的记录、划分文件、嵌入、媒体或训练好的检查点，所以全模态实验的分数无法独立复现。仅较早的代码与文本回放数据已在 Hugging Face 数据集 Lance1573/route-anything-data 发布（我只引用 README 的说法，未下载该数据集核对内容），CodeRouterBench 是公开的，RouterBench 需从上游获取。
项目主页：Route Anything 项目页（页面可打开，我只读到了标题和作者）。
HF 论文页（API 数据）显示没有关联的模型、数据集或 Space。

六、网络上的讨论与评价

截至 2026-11-06（论文发布仅数天），我没有找到有实质内容的独立讨论。查过的来源如下：

HF 论文页：实时点赞数 85；每日论文接口显示有 2 条评论，但我没能读取到评论正文，因此不描述其内容。提交者账号与论文第一作者同名。
Hacker News：用 Algolia 搜索 arXiv 编号和论文标题关键词，没有与本文相关的帖子。
Reddit：搜索接口返回「被网络策略拦截」，Reddit 搜索无法读取，不描述其内容（我没有再用 Playwright 重试）。
X/Twitter：X 搜索页只返回前端壳页面，未取得任何推文内容，无法读取。
Pith：Pith 页面返回 403，无法读取。
Paperium：站内搜索论文标题和编号没有命中。
通用网页搜索（论文标题加编号）：没有搜到本文，结果只是其他路由工作的页面，因此没有知乎、微信公众号或博客的讨论可列。

另外，论文参考文献中有同一团队的相关工作，如 Agent-as-a-Router（arXiv 2606.22902），本文的代码与文本价格测试平台 CodeRouterBench 就来自它；这属于作者自引，不是外部评价。

七、思维导图

mindmap
  root((Route Anything 全模态路由))
    研究问题与数据
      候选与路由器定义
      全模态轨迹矩阵
        25个基准与452种候选配置
    理论框架
      价值与效率
        J_lambda等于期望质量减lambda乘期望成本
      最优路由与信息阶梯
        定理2用Dinkelbach与LP对偶
      训练目标与认证
        命题4学结果不学赢家
        命题5固定序列检验认证质量下限
    路由器实现
      Qwen3.5-4B骨干
        LoRA秩8或16加sigmoid打分头
      三类路由器
        结果路由器对每个候选回归得分
        类型路由器157叶能力树
      机器人路由器
    潜在收益与学习效果
      预言机上限
        平均领先5.4分
      学习路由器
        16基准79.98对79.68
        机器人71.55对70.45且少24%推理时间
      失败案例
        赢家标签42.8%
    成本与效率
      价格路线
        代码25.5倍与认证19.4倍
      效率均值
        四平台平均8.82倍
      更富的候选
        编译器关卡4.09倍而LLM评审0.30倍
    局限与展望
      局限性
      未来方向
        长程智能体逐步骤路由