Agent模型路由实测：成本降91%，任务成功率达57%
kleffew94 · x · 2026-08-13
随着大模型迭代加快，如何选择合适的模型成为痛点。BlockRun 发布了一项针对 AI Agent 模型路由 的基准测试报告，提出“约束优先”的路由策略：不依赖大模型猜测，而是先根据请求信号排除无法满足要求的模型，仅在合格候选中排序，从而兼顾成本与成功率。
实验数据对比了新路由器、旧路由器与固定使用 Opus 5 的表现：
- 成功率：新路由器达到 57%（较旧版提升 8 个百分点），固定 Opus 5 基线为 67%。
- 成本控制：相比固定使用旗舰模型，新路由器的 token 成本降低了 91.1%，且每次成功任务的归一化成本下降了 6.4%。
作者坦言，虽然结果展现了极高的性价比，但新路由器在极限延迟上仍偏高，且在统计上尚未完全证明与旗舰模型非劣效。
「编程与Agent」频道最新
- 开发者自述：构建macOS Agent框架，78个工具与确定性路由的实战经验 — Tunashavetoes · 2026-08-13
- AI 智能体支付怎么跑通？Coinbase 专家详解 x402 协议 — MurrLincoln · 2026-08-13
- 实测：用 Claude Code 读源码比看图形界面更高效 — yuwen_lu_ · 2026-08-13
- 开源工具 ios-builder：无需 Mac 即可从 Windows/Linux 构建 iOS 应用 — tom_doerr · 2026-08-13
- 恶意 VS Code 扩展伪装开发工具，暗藏后门与 Shellcode — cyb3rops · 2026-08-13
- 研究剖析自动化 ML 训练 Agent 失败原因并提出通用修复方案 — micahgoldblum · 2026-08-13