Martian 模型路由：跨 16 项基准比单一最强 LLM 少 46% 错误
minchoi · x · 2026-09-04
Martian 发布研究：与其把所有任务硬编码给单一"最强"模型，不如按任务动态路由到最合适的模型。结果在 TerminalBench、LiveCodeBench 等 16 个常用基准上，错误率比单一最佳 LLM 低 46%，获 ICLR 2026 oral。
关键发现：
- 每个 benchmark 都只测到各模型能力的一小部分，单模型选择浪费了大量能力
- 报价 token 单价不能预测真实成本：有的模型单价高但思考少，有的单价低却烧 token
- 提供交互式演示站点与学术论文
所属事件:Martian 发布 AI Frontier：44 模型路由同等成本降错近半(8 条相关)→
「模型」频道最新
- OpenRouter 数据：Opus 5.5 在 29 类任务中 20 类支出第一 — mmurph · 2026-10-21
- 小团队数月从零到百造出 LLM，称 Meta 开源将迎第二纪元 — TimDarcet · 2026-10-21
- Muse Glimmer-30B 配 DFlash drafter：分块 16 token 提速推理 — TimDarcet · 2026-10-21
- EvoPress 量化让 30B 模型从 56GB 压到 19GB，精度几乎不掉 — TimDarcet · 2026-10-21
- Muse Glimmer-30B 雷达图曝光：对标 Gemma4-31B 与 Qwen3.6-27B — TimDarcet · 2026-10-21
- 隐私评测 CIMemories：Muse Glimmer-30B 泄密率 26.4 优于 Qwen 的 53.4 — TimDarcet · 2026-10-21