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。

你有没有想过，你的Agent可能一直在“用力过猛”

先做一个思想实验。

你问AI助手一个再简单不过的问题：“帮我把这句话翻译成英文。”

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。

这是今天绝大多数AI应用的真实状态：一个模型包打天下。

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：

• 简单任务用昂贵模型，带来不必要的成本；
• 复杂任务交给轻量模型，效果不稳定；
• 依赖固定规则做选择，很难跟上业务与模型的持续变化。

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。

问题出在哪？出在我们把“路由”这件事给忘了。

从“一个模型包打天下”到“一支模型队伍”

现实世界里的调度智慧，随处可见。

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”。

它们的共同点是：手里有一支队伍，并且知道每一项任务该交给队里的谁。

Agent也该如此。

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。

问题是：谁来当这位调度员？

这就是openJiuwen智能路由要解决的事。

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。

一句话说清：智能路由在做什么

基于任务复杂度，动态决策与编排群智协同及最优模型选择，实现成本-效果综合最优。

翻译成大白话：看菜下饭，量体裁衣。

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。

这套系统要有三个属性，缺一个都不成立：

• 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。

那它到底怎么做到的？

三层能力，构成一个完整的路由体系

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”。

第一层：精准画像——“认识队伍里的每个人”

要做调度，首先得知道每个人擅长什么。

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。

△模型能力画像——每个模型都有一份动态更新的能力档案

第二层：决策——“这一轮，到底交给谁”

画像有了，接下来是真正难的部分：面对一个具体请求，怎么选？

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”。

再看系统状态。这是纯算法视角容易漏掉、但对真实收益影响最大的一块：

• 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

第三层：演进——“越用越准，而且要能跟着模型生态一起长”

前两层解决的是“此刻怎么选”。

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。

△反馈驱动的路由自演进——将执行结果转化为经验，持续修正后续选模决策

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。

为什么这件事重要？

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。

再进一步：从“选模型”到“编排协同”

三层能力之上，还有一个更大的空间。

一是多模型协同。

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”。

一个管派谁上场，一个管场上怎么配合。

△MOA多模型协同——重点不是“多”，而是聚合得聪明

二是策略自编排。

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。

路由的粒度，从“选模型”升级为“编排整个执行策略”。

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。

关键难点：在四个目标之间走钢丝

讲到这里，有必要单独说说这件事真正的难点。

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。

• 把成本压到极致，质量可能就崩了，用户转头就走；
• 把质量顶到最高，成本会失控，业务方不答应；
• 一味追求低时延，可能在关键问题上给出草率答案；
• 只看单次最优，忽略了缓存复用，整体反而更贵。

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。

这套机制落到代码里长什么样？看这张图。

△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

架构里的Algorithm一层，是把“怎么判断”做成可插拔的能力。

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。

也就是说，x-router是这台引擎里的一个算法模块，而不是引擎本身。

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。

下面的实测数据，用的就是x-router这条算法通路。

实测：在哪些榜单上，拿到了什么结果

技术讲完了，看效果。

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？

实验设置

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”

三种运行模式

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静态路由：启用x-router的复杂度路由，但不开启自演进；
• 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。

结果一：PinchBench——得分几乎持平，成本降44.6%

△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。

结果二：Terminal-Bench/LLMRouterBench——成功率达Opus的95.2%，成本降51.4%

openJiuwen团队还在Terminal-Bench/LLMRouterBench上用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。

而且“省多少、让多少质量”是用户自己选的——这正是“可配置”落到数字上的样子。

快速上手

1. 安装

model-router的内核是Rust，Python侧是PyO3扩展。

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

cd model-router

cargo build

pip install maturin

maturin develop

如需使用x-router算法，在已激活的Python虚拟环境中执行：

maturin develop --extrasx-router

2. 配置

路由的行为由一份TOML描述。最简形态如下：

# config/edge.toml

algorithm = “passthrough”

[state]

backend = “memory”

ttl_secs = 300

max_entries = 1024

[targets]

models = [“local-default”]

切换到x-router只需改算法名并补上模型池与分类器：

algorithm = “x-router”

[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”]

3. 调用

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 openjiuwen from 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 decision.selected_model_id 对应的模型  await router.report(     Feedback.ok(decision, latency_ms=12, session_id="s1", agent_id="host") )

x-router的调用方式在语义上一致，分类器直接运行在本地进程中：

from openjiuwen import x_router  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)

Rust宿主可直接静态链接openjiuwen-runtime：

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);

详细使用说明参考代码仓README。

为什么这件事，现在特别重要

最后聊几句判断。

第一，模型会越来越多，路由会越来越刚需。

今天大家还在讨论“哪个模型最强”，但很快，这个问题会变成“哪个组合最合适”。

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。

没有哪个模型能在所有维度上都赢，这意味着选择本身，正在成为一种核心能力。

第二，成本是Agent走向大规模落地的真正门槛。

Agent和聊天机器人最大的区别，是它会长时间、多轮次、多工具地持续工作。

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。

路由不是锦上添花的优化，而是Agent能不能规模化的前置条件。

第三，通用性比单点最优更重要。

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；
• 云侧形态：状态层外置，决策依据来自全局的模型表现与负载视图；
• 企业私有化形态：在有限的模型清单内做最优搭配，策略与数据都留在本地；
• 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。

一套框架，多种形态。换的是部署拓扑，不换的是那套“看菜下饭”的判断逻辑。

△一套路由框架，多种部署形态

结语：让每一分算力，都用在最该用的地方

回到开头那个思想实验。

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。

而x-router只是这台引擎里已经跑通的一条算法通路。

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。

相关能力在持续开发和验证中，更多进展敬请关注openJiuwen社区后续发布。

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。

相关资源

openJiuwen官网：https://www.openjiuwen.com/

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

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

文章来自于微信公众号 “量子位”，作者 “量子位”