南芥智能 Mio1.0Lite:国产模型协同调度,成本仅 Opus 的 1/60 登顶评测
新智元 · wechat · 2026-10-18
AI 基础设施公司南芥智能发布技术报告,提出"模型群体智能"(Collective Model Intelligence)方向,并推出 Mio1.0Lite:将多款国产高性价比模型组织起来协同工作,在覆盖 Agent 自动化、函数调用、指令遵循、科学问答等九项公开基准的评测中,以平均 77.15 分在 13 种参评方案中排名第一,单次请求平均成本约 0.062 元,比 GPT-6.1Sol 低 94%、比 Claude Opus5.5 低约 60 倍以上;代码与评测数据已在 GitHub 开源。
报告的核心观察是:排行榜平均分会掩盖模型差异,综合排名靠后的模型常能答对头部模型答错的题,复杂任务的各环节最适模型往往不同。为此设计三个组件:
- ModelEval:以极少题量(每个模型 5-40 题)估计模型在各领域的能力画像;
- Mio:维护能力互补的精简候选模型池,按任务进展与成本预算逐步选择模型,在 35,278 条实例的 RobustRouteBench 上综合排名第一;
- Mos:统一调度外部接口与自部署模型,共享缓存使 18.84GB 模型的加载时间从一小时缩短到约三分钟。
理论上该方向可追溯到周志华十年前提出的"学件"(Learnware)范式,并被作者视为规模定律之外的新维度:参与协作的模型数量、多样性与组织水平同样可能决定能力上限。报告也承认目前仅为组件级验证,消融实验、多步协作、线上调度与整体收益仍待评估。南芥还与开源中国模力方舟合作上线了 40 个模型、50 个数据集的首批评测。
「模型」频道最新
- GPT-6 网页版能真「听」音频，API 和 Codex 却不支持，用户实测揭秘 — Possible_Statement84 · 2026-10-23
- MiniMax M3.1 Flash 在 0G 平台限时免费 3 天,1M 上下文随便跑 — MiniMax_AI · 2026-10-23
- TLA+ 作者许强生纠错 Grok：TLC 并非穷举所有行为 — tianyin_xu · 2026-10-23
- OpenAI 额度机制遭吐槽：剩 13% 用量时拒绝手动重置 — AccomplishedSugar490 · 2026-10-23
- 816B Meta 新模型 39 分反输 180B Qwen：开源模型得分/规模图 — BTA_Labs · 2026-10-23
- 文档太大就不干活？Gemini 在 Google Docs 里拒生图 — viksit · 2026-10-23