这年头，AI 圈最不缺的就是 " 得不到的白月光 "。

就在大家一边对着Claude Fable 5望洋兴叹，一边盘算着高昂的调用成本时，有人已经悄悄把这桌 " 满汉全席 " 给掀了。

怎么掀的？一手精妙的 " 拼图游戏 "。

AI 网关OrcaRouter最近上线了一套可编程路由策略Routing DSL，多个模型同时答题，自动仲裁出最优解。

几个你现在就能调用的 " 常规模型 "，给它来个组合编排，跑出来的综合胜率，直接掀翻了 Fable 5 的单体基准线。

Opus 4.8 打不过 Fable 5，GPT-5.5 也单挑不过，但这两个拼一组，结果就反超了。

哪怕是不混编，同一个 Opus 4.8 自己跟自己组队，综合得分也能从 58.5% 拉到约65.5%，追平 Fable 5。

换成几个更便宜的模型组队（Gemini+Kimi+DeepSeek），也只差 Fable 5 一个点，成本却低上一大截。

我们直接看数据。

反直觉的结果：组合 > 任何单兵

一组测试（注：以下为示意性数据，用于说明趋势，非官方跑分），100 道任务里评分了93 道。

组合面板（多模型并行 + 仲裁）的得分，普遍高于它的每一个成员模型：

这里划下重点：

任意一个 " 组合面板 "，都打过了它自己的每一个成员。Opus 4.8 + GPT-5.5（约 67.5%）同时高于 Opus 单跑（约 58.5%）和 GPT-5.5 单跑（约 60%），拉开 7~9 个点；

多个组合追平、甚至超过了 Fable 5 单跑（约 65.5%）；

连 " 自我组合 "（Opus × 2，约 65.5%）都能追平 Fable 5；一组便宜模型（Gemini 3 Flash+Kimi K2.6+DeepSeek V4 Pro，约 64.5%）也几乎贴脸——成本却低一大截。

再把 DSL 按难度智能分流跑成完整端点，差距更为直观（同为示意数据）：

很明显，赢的不是 " 更强的模型 "，而是" 更聪明的编排方式 "。

为什么 " 人多力量大 " 对模型也适用

道理和让三个工程师同时做题、再挑出最好的答案一样。

不同模型的知识盲区和犯错方式并不相同：

各自独立作答，错误是分散、不重叠的；

再用 " 裁判 " 或 " 投票 " 把对的挑出来，整体正确率自然会被抬上去。

模型间的分歧其实是信号。

OrcaRouter 做的，就是从这些分歧里挑出最优解，拼成满血输出。

怎么做到的：用最简单的配置，解最复杂的调度

OrcaRouter 把这套编排逻辑交给你自己写。

规则用 YAML，条件用 Google 的 CEL 表达式（安全沙箱、只读、微秒级求值），自上而下匹配，第一条命中即生效。

整条请求的处理路径是这样的：

按难度路由，长这样：

rules:id: hardwhen: difficulty >   0.8   # 难题 → 上顶配 use: { model:   "anthropic/claude-opus-4-8", reasoning_effort:   "high"   }id: easywhen: difficulty <   0.3   # 简单请求 → 走便宜模型 use: { model:   "google/gemini-3-flash"   }default:delegate: balanced

而" 满血复活 "的关键一招，是 parallel（并行扇出）+ arbiter（仲裁）：

use:parallel: #   2~5   个模型并行作答 - { model:   "anthropic/claude-opus-4-8"   }- { model:   "openai/gpt-5.5"   }- { model:   "google/gemini-3.1-pro"   }arbiter:strategy: best_of_n # 让一个 " 裁判模型 " 挑最优 model:   "anthropic/claude-sonnet-4-6"

四种仲裁策略，对应四种" 怎么定胜负 "：

担心组合也翻车？

再加一层置信度级联兜底：当响应触发 patch_invalid（补丁打不上）、self_doubt（模型自我怀疑）等信号，自动改投更强的模型重试。

更省、更稳：用拓扑换智能

并行扇出意味着 " 每条腿都计费 "，但账要这么算：

你只在难的那一小撮请求上才扇出，简单请求照样走便宜模型；

而一组便宜模型拼出的面板就能逼近 Fable 5 ——用拓扑结构买智能，而不是用更高的单价买智能。

上手极简

入口在控制台：routing → create router → routing strategy → DSL。

配套自带 lint 校验、dry-run 试跑、影子模式（只评估不生效，先看 A/B 差异和成本变化）、灰度放量（0~100% 滑杆）和回滚审计——

改路由这种高危操作，被包了一层安全网，可以先零风险跑起来再放量。

需要说明的一点是：

按难度 / 任务的智能路由现已上线；

" 多模型并行扇出 + 仲裁 " 的运行时目前处于灰度 / 预览阶段（计费链路逐步验证中），可先写好规则、用影子模式观察，开放后一键生效。

现在就去试（文末点击 " 阅读原文 " 可直达）：

文档：docs.orcarouter.ai/routing/routing-dsl

网站：www.orcarouter.ai （控制台 routing → create router → routing strategy → DSL）

结语

当整个圈子都在为了下一个未知数倾注赌注时，一种更具确定性的工程范式正在悄然成型。

协作大于单兵，网络优于孤岛。

几个现成模型组合起来就能赢最强单体，胜负手已经不只是 " 你调用了谁 "，" 你怎么编排 "的权重正在变大。

模型还会继续卷下去，下一个更强的迟早会来。

但当编排本身就能拉出几个点的性能增量，" 怎么用 "这件事，也许该和" 用哪个 "放在同一个优先级了。

（注：本文图表均为示意性数据，仅用于说明趋势，非官方跑分；多模型融合运行时目前处于灰度 / 预览阶段。）

* 本文系量子位获授权刊载，观点仅为原作者所有。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见