openJiuwen X-Router自演进模型路由技术首发，昇腾亲和，Agent越跑越省，实测减少50+%Token消耗

2026-10-02 15:34 量子位 www.qbitai.com 网页快照

阅读原文 ↗ www.qbitai.com

openJiuwen X-Router自演进模型路由技术首发，昇腾亲和，Agent越跑越省，实测减少50+%Token消耗

不是所有任务都需要最强的模型。让每一次请求选对模型，让每一次反馈都成为下一次更优、更省的选择。

它调用的，是一个参数量千亿、跑在云端最贵算力上的模型。你问它一个需要通盘推演、写五十行代码、还要自己debug三轮的难题，它调用的还是同一个模型。

问题还不止于“贵”。真实场景里，一个Agent往往同时握着本地模型、云端模型，以及来自不同厂商的多种服务。当可选模型越来越多，新的麻烦随之出现：

用户真正需要的，不是一张需要反复维护的模型路由表，而是让Agent自己完成判断：这次请求该由谁处理，为什么这样选择，下一次能否做得更好。

点外卖时，平台不会派最近的骑手去送最远的一单，也不会为了三公里的单子调动整个配送站；医院分诊台不会让所有人直接挂专家号，而是先判断病情轻重，再决定看哪个科室、找哪位医生；快递分拣中心如果想要“送得快”，前提是“分得准”。

今天的Agent背后，现实已经是一支队伍了：有的模型推理能力强但贵且慢，有的轻快便宜但只能干简单活，有的擅长写代码，有的多模态理解更好。

每个模型各有所长，也各有所短。以PC办公场景为例，删除文件和写PPT，所需的能力显然不同。

openJiuwen是由华为2012实验室、华为云、终端、计算、算力先遣队等团队联合高校、企业等广大开发者联合构建的开源AI Agent平台。

此次，openJiuwen团队给出的答案是——在Agent与模型之间，增加一层面向请求的智能决策能力，一个专门负责“ 这一轮任务，该用哪个模型、用什么策略 ”的路由引擎。

简单的问题，用轻快的模型快速回；复杂的问题，调度更强的模型深思考；需要多个模型互相印证的问题，组织多模型协同作战、再统一汇总；而每一次决策的结果，都会变成经验，让下一次的判断更准。

这里的关键词是“ 动态” 。它不是一个开关，不是一份写死的配置表，而是一个会随着任务、用户、负载、成本实时变化的决策系统。

可配置 ——不同业务能带着自己的偏好进来。这一轮要最省，还是这一轮要最快，由业务方说了算，而不是被一套写死的规则绑住；

可演进 ——模型生态是流动的，新模型每个月都在冒出来，老模型在悄悄降价，同一模型迭代一个版本能力分布就可能换个样子。策略必须能跟着一起长；

可观测 ——每一次决策的依据、每一次执行的反馈都要能看见、能回溯。一个说不清“为什么选它”的路由器，用户不敢把它放进生产。

openJiuwen团队把这套体系拆成三层，它们各自解决一个独立的问题：第一层负责“看得准”，第二层负责“选得对”，第三层负责“越用越好”。

模型的能力不是一张静态标签。说“这个模型代码能力强”不够用——强到什么程度？在什么类型的题目上强？换个领域还强不强？模型还在迭代，能力还在变。

openJiuwen的做法是：基于历史数据，离线刻画每个模型的能力画像，并在线动态刷新 ——当模型版本变动或表现发生变化时，画像的更新时延优于1分钟。

画什么？不只是“代码能力8分、数学能力7分”这种模糊打分，而是精细化的刻画：不同任务类型上的表现、不同难度下的表现、时延和功耗特性、成本量级。

有了精准的画像，路由才有一个可靠的起点—— 决策与执行分离，路由层只管判断，具体调用交给宿主，两者互不耦合。

先看请求本身。 Agent的任务是多轮的、有状态的，复杂度判断不能只看当前这一句，要看整条轨迹：我们走到哪了，接下来要做什么，前面失败过什么。

openJiuwen把最近的对话窗口连同工具调用进展一起送进判断，并专门做了一处处理—— Agent循环的尾部常被工具输出占满，任务本身会被挤出窗口时，openJiuwen团队特别保留了最近一次用户诉求，确保调度员始终知道“雇主想要的是什么”。

KV缓存亲和：这个请求的上下文，跟哪个模型上已有的缓存更“熟”？复用缓存能省下大量重复计算—— 同样的模型，缓存命中与不命中，成本可以差出一截。

实时负载：此刻哪个模型更空闲、响应更快？同价位的两个模型，负载不同，时延可能差一倍。

目标可用性：某个模型刚超时或被限流，这一轮就不该再往它身上撞。这类信息会写进状态，成为下一次决策的排除项。

换句话说，路由的输入不只是“这个问题的难度”，而是 “这个问题的难度+整个系统此刻的状态” 。

最后才是决策本身。这本质上是一个多目标优化问题：质量够不够、成本值不值、时延等不等得起、上下文和工具支不支持、用户更看重速度还是质量。

openJiuwen的做法是基于候选模型能力、时延功耗、用户偏好等约束，构建启发式优化算法，综合选出最优模型—— 选的是“最优”的那一个，而不是“看起来最强”的那一个。

△动态路由决策——多路信息汇聚后的实时权衡。系统按“请求分析 → 算法判定 → 输出选择 → 宿主调用”的链路工作，模型池每次选其一

但如前面所说，一套写完就冻结的策略，三个月后必然过时。所以第三层解决的是：这套系统能不能自己变聪明。

openJiuwen的做法，是把“学习”从“运行”里拆出来—— 状态解耦。这一条是整套架构里最不起眼、但决定性的设计：

算法是纯函数：给定同样的请求和同样的状态快照，必须给出同样的决策。决策逻辑里不允许藏着跨请求的记忆，也不允许有隐藏的随机性。

状态是可丢弃的提示：所有跨请求的记忆——历史结果、排除项、缓存亲和、经验数据——全部外置到独立的状态层，算法每一轮只读它一眼。

反馈闭环：每次调用结束后，宿主把结果回报回来：成功还是失败、用了多久、大概花了多少、这一轮做得好不好。这些反馈写回状态层，成为下一轮的输入。

这三条合起来，产生了一个很实用的性质：状态丢了，只是降质为“冷路由”，不会让请求失败；而算法要升级、要换一个新的学习模型，不用动状态层，也不用动宿主。

从运行时的角度看，这条闭环长这样：用户请求进来 → 路由算法分析请求、判定模型 → 宿主执行、调用选中的模型 → 返回用户；

与此同时，执行结果被送去评估（质量评分、调用成本、成败、时延，可接入后台评分模型）→ 关联请求、模型与反馈形成经验积累 → 演进模块检索相似经验、权衡质量与成本 → 应用于下一次决策。

系统在这里有一个克制而重要的默认：样本不足或优势不明显时，保留原判定 ——不为了“演进”而演进。

正是这个设计，让“演进”这条路真正走得通—— 算法和状态各自独立，谁升级都不会拖住对方。

于是就有了两条互不干扰的演进通路：一条在运行时自我学习，靠Contextual Bandit和轻量强化学习从真实反馈里持续抽经验；一条在逻辑上持续迭代，画像更新、算法替换、策略升级都是独立模块。

因为它决定了这套路由是“一次性的工程”，还是“能活三年的基础设施”。前者每次模型换代都要重做一遍，后者只需要换掉一个模块。

当一个问题确实很难、单模型不足以给出可信答案时，路由层可以调度多个模型协同作答 ——让不同的模型分别给出参考结果，再经过语义去重、质量筛选、冲突消解、压缩整理，最终聚合成一个更高质量的答案。

多模型协同天然昂贵，所以关键在于能不能聪明地协同：重复的答案不必重复计算，站不住脚的答案及早淘汰，模型之间结论不一致时有机制判断谁更可信。

这类能力，openJiuwen团队已经在 WorkSwarm 的 MoA（多模型协同）中做了实现，并支持通过路由框架统一接入—— 路由决定“这一轮要不要发动多个模型、发动哪几个”，MoA负责“多个模型的结果怎么收拢成一个”。

不再局限于“选模型”，而是把模型、Skill/Tool、SubAgent等多种能力放在同一个调度框架下统一编排——某一步交给模型推理，某一步交给工具执行，某一步派个子Agent去查证。

再加上策略自闭环优化：通过构建反馈Hook点和Fallback机制，验证并总结执行结果和错误根因，让策略能够自行优化——每一次失败都不会被浪费。

模型路由最难的，从来不是“能不能选”，而是如何在成本、时延、质量、上下文/工具兼容性之间做实时权衡。

这是一个典型的没有标准答案的多目标权衡问题。理论上没有免费的午餐，实践中也没有一个参数能适配所有场景。

openJiuwen的思路不是去找一个“万能的最优解”，而是把权衡这件事本身变成一个可配置、可演进、可观测的系统：不同业务可以带着自己的偏好进来；决策依据来自真实的执行反馈，而不是纸面上的假设；策略可以随着数据积累持续演进，越用越准。

△openJiuwen智能路由整体架构——路由算法（Algorithm）、状态管理（State）、自演进（Evolving）三块解耦，向上对接WorkSwarm/MoA的协同编排，向下对接候选模型池；对外是纯函数接口调用，不产生无状态之外的影响

目前已经落地的算法包括 x-router ：基于五档复杂度分档的路由算法，支持端云分级、本地能力边界判断、进程内小模型分类器、失败降级永不升级，并用上下文Bandit做经验修正。

同层还有其他路线——比如Rust版本的轻量前瞻路由，走的是高维特征空间质量预测与任务轨迹预测、联合优化的路子，静态编译、无运行时依赖、可直接嵌入宿主进程。

引擎提供的是那套“可配置、可演进、可观测”的骨架；换算法不改骨架，换骨架不动算法。

openJiuwen团队想回答两个最直接的问题：启用智能路由之后，能否减少不必要的模型调用成本？开启自演进之后，路由策略能否随着真实使用持续优化？

团队把x-router接入 WorkSwarm ，使用 PinchBench 全量 147个任务进行评测，任务覆盖日志分析、数据分析、编码、研究等 11个类别。

x-router的复杂度分类器采用本地部署的 Qwen3-0.6B ，直接跑在进程内，无需额外启动独立服务。五级模型池配置如下：

△五级模型池配置——从SIMPLE到REASONING五档，本地模型与云端模型混合编队

对应的能力分档逻辑是：从 SIMPLE 到 REASONING ，简单任务优先使用轻量模型，复杂任务按需升级能力——查询“HTTP 429是什么含义”走轻量模型，编写数据处理脚本走通用或高能力模型，多文档研究走研究型模型，数学证明与深度推理才交给推理模型。

△五级能力路由——根据任务复杂度匹配合适的模型能力，追求的不是“选更便宜的”，而是“能用轻量模型完成就不必调用强模型，能力不足时才让更强模型接手”

为保证对比公平，三组实验使用相同的评测模型和评分标准，并统计不同模式下的 PinchBench得分及真实模型调用成本：

全云基线（All Kimi-K2-Thinking）：不使用智能路由，所有请求统一交给指定的云端强模型；

x-router Bandit自演进：在静态路由基础上开启Bandit自演进，根据相似任务的真实执行结果动态调整路由策略。

△PinchBench实测结果——横轴为模型调用总成本，纵轴为PinchBench得分；越靠近左上角，代表以更低成本拿到更高任务质量

x-router静态路由取得 66.3% 的PinchBench得分，总模型调用成本 $8.25 。相比全量调用Kimi-K2-Thinking（ 71.36% 、 $11.11 ），得分下降5.1%，而模型调用成本降低了25.7% 。

开启Bandit自演进后，成本进一步从 $8.25 降至 $6.16 ，较静态路由再降约 25.3% ；与此同时，PinchBench得分提高4.4% ，达到 70.70% 。

与全云基线相比：x-router Bandit自演进模式得分70.70% vs 71.36%，仅低 0.66个百分点，几乎持平；而模型调用成本从 $11.11 降至 $6.16 ，整体降低约44.6% 。

这组对比回答了两个问题：静态路由证明了“按需选模”本身就能砍掉不必要的强模型调用；自演进则证明了—— 反馈闭环带来的不只是省钱，还有质量的回升。成本降了25.3%的同时得分反升4.4%，这是“越用越准”最直接的证据。

Terminal-Bench/LLMRouterBench——成功率达Opus的95.2%，成本降51.4%

Opus4.8/Qwen3.5-122B/Qwen3.5-35B三档位模型池做了单轮/多轮路由测试：

cost focused 模式下，降成本 51.4% ，成功率达Opus的 95.2% ；

quality focused 模式下，降成本 15.7% ，成功率达Opus的 98.6% 。

Terminal-Bench/LLMRouterBench实测结果——横轴为模型调用总成本，纵轴为任务成功率；基于Opus4.8/Qwen3.5-122B/Qwen3.5-35B三档位模型池进行路由

两个榜单、两种偏好设置，指向同一个结论：接近顶配的质量，可以用大约一半的成本拿到。

git clone https://gitcode.com/openJiuwen/model-router.gitcd model-routercargo build

config/edge.tomlalgorithm = “passthrough”

[state]backend = “memory”ttl_secs = 300max_entries = 1024

[targets]models = [“model-a”, “model-b”, “model-c”, “model-d”, “model-e”]

[x-router.classifier_model]model_path = “/path/to/qwen3-0.6b”local_models = [“model-a”]

装配路由，发起请求，拿到决策后由宿主自己调用模型，再把结果回报回去——这就是前面说的“决策与执行分离”。

import openjiuwenfrom openjiuwen import Feedback, Router

router = Router.from_config(“config/cloud.toml”)

decision = await router.route({ “messages”： [{“role”： “user”, “content”： “hi”}], “session_id”： “s1”, “agent_id”： “host”,})

宿主自行调用

await router.report( Feedback.ok(decision, latency_ms=12, session_id=“s1”, agent_id=“host”))

router = x_router.build_router(“router.toml”)

selection = x_router.build_request( [{ “role”： “user”, “content”： “Compare Raft and Paxos for a five-node cluster.” }], session_id=“s-1”, agent_id=“my-agent”,)

Router会从

decision.selected_model_id中返回推荐调用的模型decision = router.route_sync(selection)

use openjiuwen_runtime：：{Feedback, RequestMetadata, RouteHint, RouteRequest, Router}；

let router = Router：：from_config(“config/edge.toml”)?；let decision = router.route(&req, &RouteHint：：default())?；

let mut feedback = Feedback：：ok(req.routing_key(), &decision.selected_model_id, 40)；feedback.route_id = decision.route_id.clone()；router.report(feedback)；

因为模型生态正在快速分化：有的往强推理走，有的往轻量端侧走，有的往多模态走，有的专攻代码或某个垂直领域。

这意味着Token消耗不是线性增长，而是成倍放大。一个在Demo里跑得很漂亮的能力，如果成本压不下来，在真实业务里就跑不起来。

团队不打算为某个特定场景做一套定制的最优解。openJiuwen智能路由的目标，是一套统一的、可嵌入的路由框架：同一套内核，通过配置就能实例化出不同的部署形态——

端侧形态：单进程、内存态、零外部依赖，路由与推理同机共处，把决策开销压到可以忽略；

端云混合形态：端侧判断简单任务自己消化，复杂任务交给云端——同一套决策逻辑，两侧给出同样的答案。

openJiuwen团队真正想改变的，不是“用哪个模型”这个具体选择，而是 “选择”这件事本身的发生方式 ——从开发者预先写死的配置，变成一个运行时会思考、会权衡、会学习的系统。

打个比方：过去团队给Agent配的是一位“照着名单发活”的排班员，现在他们想给它配一位真正的调度员。

这位调度员知道每个人此刻的状态，知道这一单的轻重缓急，知道客户最在意什么，而且每做完一单，他对整支队伍的理解就更深一分。

这正是openJiuwen智能路由想做的事：不是让Agent用更强的模型，而是让Agent用更对的模型。

接下来，openJiuwen团队还会推出包括路由策略强化学习训练在内的更多自演进能力，让短期经验逐步沉淀为更加稳定的长期路由策略。

openJiuwen智能路由已开源，欢迎关注openJiuwen开源社区，第一时间上手体验。

AtomGit： https://atomgit.com/openJiuwen/model-router

GitHub： https://github.com/openJiuwen-ai/model-router

x-router README： https://atomgit.com/openJiuwen/model-router/blob/main/python/openjiuwen/x_router/README.md

https://github.com/openJiuwen-ai/model-router/blob/main/python/openjiuwen/x_router/README.md

https://atomgit.com/openJiuwen/model-router/blob/main/examples/x_router_cli.py

丘成桐新论文致谢了GPT和Claude 2026-10-02

李飞飞创业公司被苏姿丰550亿收购！世界模型最大交易落地 2026-09-29

阿里千问AI平台全面升级模型服务、Agent服务、AI应用 2026-09-23

罗福莉沉寂半年官宣小米强化学习！直播新模型训练过程，一小时烧3万美元 2026-09-17

openJiuwen X-Router自演进模型路由技术首发，昇腾亲和，Agent越跑越省，实测减少50+%Token消耗