模型路由

GitHub 发布 Copilot Fusion：全新的模型选择与编排系统，以一半 API 成本击败 Claude Code

GitHub 在旧金山 Universe 大会上发布了 Copilot Fusion，这是一个帮开发者自动挑选和调度 AI 模型的系统。以前写代码时，开发者要自己判断用哪个模型：复杂任务挑强模型，日常任务忘了换回来，容易又贵又慢。Copilot Fusion 会根据任务自动选模型，还能在工作流中途切换，比如让一个模型答题、另一个模型检查，或者让一个模型评审另一个模型的输出。开发者只需选择投入档位：日常用 Standard、较难用 High、最复杂用 Max。据 GitHub 数据，Fusion Max 在编程智能体评测中得分 60，与 Claude Code 搭配 Opus 5.5 Max 只差两分，但 API 成本约为一半、每任务耗时少约 40%。该功能已正式可用，企业管理员可以限制可选模型并决定是否设为默认。

Ramp 六周自建 AI Agent 运行框架，LangChain CEO 称这是更大变革的一部分

金融科技公司 Ramp 花了好几个月试用市面上的托管 Agent API、开源框架和第三方平台，最后决定自己造。他们用六周时间做出了第一版内部 Agent 运行框架 Laminar，现在支撑公司所有 Agent 产品。原因是不想被单一模型供应商绑死，希望按成本、速度和效果自由切换模型，也想要更好的调试和观察能力，内部自建还能直接和产品工程师协作、不用等外部厂商改代码。做法上，它把对话会话和运行代码的沙箱分开，凭据和调度放在沙箱外；Agent 默认异步工作，不必每步都等完成；还用一个连接器服务集中管理认证、权限和工具调用。LangChain CEO 公开点赞其中多项设计，认为这反映了 Agent 基础设施的走向，但原文并未说明 Laminar 是否对外发布或开源。

马斯克称 Grok Bot 会在 Claude 更好时选用 Claude：单一模型忠诚已死

马斯克在 X 上发帖说，SpaceX 的 AI 代理 Grok Bot 今后会针对每个任务选用最好的后端模型，其中明确包括 Claude Opus 5.5、MidJourney、Suno 等第三方 API，而不是只用 Grok 自家模型。Grok Bot 由 SpaceXAI（马斯克的 AI 实验室，已并入 SpaceX）和 Cursor（SpaceX 6 月同意以 600 亿美元股票收购、8 月完成）联合打造。作者采访了 22 家公司的负责人，至少 10 人表示会按任务挑模型，把贵的留给真正需要的活，主要目的是省成本；但换模型有风险，有团队在重要演示前三天换模型导致工作流崩溃，只能周末回滚，所以应先跑评测再切换。OpenRouter 数据也显示便宜的小模型承担了大部分调用量，而 Claude Opus 5.5 这类前沿模型用量一周增长 74%。

CUELO：面向 omp (oh-my-pi) 的 AI 编程智能体工作区与协调框架

gim47656-ship-it/CUELO · CUELO — open-source AI coding agent workspace and harness for omp (oh-my-pi). Multi-agent orchestration, model routing, sessions, skills and worktrees.

CUELO 是 omp (oh-my-pi) 的开源 AI 编程智能体工作区与 harness，可让终端与浏览器共享同一份 ~/.omp/agent 会话、凭据和模型配置。网页端提供会话管理与分支/fork、实时流式对话、模型角色与路由配置、技能、worktree、用量看板与 PWA 访问；公开 harness 提供多智能体编排（Main/Maker 分工、发单与验收契约、task guard、判断路由 Jev）以及 model routing 规则。内置 OMP 核心为 18.8.6，需用户自备模型提供方账号与模型选择。

measure-twice：在自定义任务上横向评测本地模型与云模型并留存路由证据

aberson/measure-twice · Local benchmarking toolkit and mt CLI that sweeps suites across a model roster, scores them, and keeps an evidence ledger tying every model-routing claim to the run behind it.

measure-twice 是一套本地基准测试工具包与 mt CLI，让用户编写 JSON 任务套件（suite），在同一批题目上横扫（sweep）本地模型与 Claude 等模型档位，支持确定性评分与 rubric 评分、模型调用预算以及按条目/模型/样本级别的断点续跑。运行结果会生成自包含的 HTML 报告，展示分数、错误答案、解析失败、完整提示词与逐字响应，并通过 claim 账本用 MEASURED / PARTIAL / ASSERTED / STALE 区分实测证据与策略声明，配合引用哈希检查来源变动。项目同时包含一个尚在建设中的编码 Agent 基准测试基础设施，目前仅提供结构校验。

Team Agent：多模型群聊协作桌面工作台

zifulifufu/team-agent · A multi-model agent group-chat workbench — Electron + React front end, FastAPI + LiteLLM backend. Apache-2.0.

Team Agent 是一个把多个大语言模型（云端或本地）放进同一群聊的桌面工作台，由宿主模型拆解任务并按依赖顺序分派给各成员，成员之间通过 @提及 交接工作。项目采用 Electron + React 前端与 FastAPI + LiteLLM 后端，提供工具调用（内置工具、Python 插件、MCP）、本地文档库与 BM25 检索、分层记忆、提示词库与模板画廊、本地模型目录、外部命令行 Agent 接入、聊天频道转发、备份导出与钩子机制，后端仅监听本机回环地址，API 密钥存于系统钥匙串。

Glasshouse：多智能体编程编排控制平面与代码模式 harness

HarzerHeribert/glasshouse · Multi-agent coding orchestrator with a first-party code-mode harness. Run Claude Code, Codex and other agents with routing, project memory, live tool results and fewer inference boundaries.

Glasshouse 是一个用 Rust 编写的多智能体编程编排系统，由可独立使用的编程 harness `pane` 和控制平面 `glasshouse` 组成。`pane` 提供代码模式执行环境，工具结果以运行时命名对象而非对话文本的形式保留，模型通过编写 TypeScript 程序调用工具，从而显著降低上下文占用；`glasshouse` 则作为控制平面，启动并驱动 Claude Code、Codex 等已安装 harness，依据延迟、可靠性、缓存热度、剩余容量与消耗速率等实测证据路由请求，维护项目级持久记忆，并在多个会话并行时就文件编辑冲突进行协调。项目提供推理网关组件，支持订阅与密钥的跨账号调度、配额与容量估算以及工具输出压缩。项目状态为活跃开发中，能力图文档为其权威规格。

你的 AI 智能体正在为不需要文字的选择燃烧 Token

AI 智能体在做路由、安全检查、排序和升级这类决策时，其实不需要写出文字，却仍把问题发给生成式大模型，等它吐出答案再解析回来，既浪费算力又增加延迟。开发者 Jared Palmer 基于 Qwen 3.5 发布了开源决策模型 Kev，包含 0.8B、4B 和 9B 三个规模，采用只预填充、不逐字生成的方式，一次前向传播就读出选择概率；它只给已有选项打分，不会凭空造出新选项。Kev 最大模型在项目测试中准确率 83.7%，但概率校准可能偏移、微调后通用知识和算术能力下降，这些限制开发者已有说明。

Jev 在 Harness 中实现可审计的决策原语

现在的 AI Agent 做决定时，通常是先写一段文字或 JSON，然后由外部软件去猜它到底选了什么。TypeSafe 推出的 Jev 改变了这一点：它直接把“决定”本身作为输出，比如从几个选项里选一个、打个分数，或者回答是/否，并且给出这个决定的可信度概率。这样做的意义是，Agent 在思考和行动之间那些原本藏在文字里的判断，比如下一步该做什么、证据够不够、某个操作风险大不大，现在都能被记录下来、评估和审计。Harness 已经在评测、模型路由和风险打分等生产环境中试用了这个方案。

awesome-jev-tools：基于 Jev 类型化决策模型的工具与实践精选列表

v-modal/awesome-jev-tools · A curated list of tools built for Jev — TypeSafe AI's System One model for typed decisions.

这是一个围绕 Jev（TypeSafe AI 的 System One 类型化决策模型）构建的公开项目与实践精选列表。Jev 不生成文本或参与对话，而是接收非结构化状态与类型化问题，返回带置信度的类型化决策，如选择、分数或布尔值，可用作软件内部低延迟决策层。该列表按分类与路由、验证与护栏、打分与排序、Agent 决策、数据标注、评测与基准、校准与研究、基础设施/SDK/集成、游戏与仿真、金融交易、合规法律、内容审核及相关实践等类别汇总条目，并说明收录标准、非背书声明与采纳前核查要点。

awesome-jev：Jev 类型化决策模型的公开项目与集成精选列表

yibie/awesome-jev · A curated list of public projects, integrations, and discussions built on Jev — TypeSafe AI's System One model for typed decisions.

这是一个围绕 TypeSafe AI 的 System One 模型 Jev 的 awesome 列表，汇总了公开使用 Jev 的项目、集成与实践案例。Jev 不是聊天模型，而是接收非结构化状态与类型化问题、返回带置信度的类型化决策（选择、评分或布尔值），因此被用作软件中的决策层，覆盖分类与路由、验证与护栏、评分与排序、Agent 决策、数据标注、评测与基准、校准研究、基础设施与 SDK、游戏与模拟、金融、合规、内容审核等十余个类别。列表按应用领域对条目归类，并单列相关实践与讨论；同时明确声明收录不等于背书，不审查代码质量、安全性、成熟度或可运行性，建议采用前自行核查是否真正调用 Jev API、是否有可运行检查以及许可证情况。

agentic-os：面向 agentic 业务的操作系统控制平面

redevops-io/agentic-os · The control plane for the redevops.io Agentic Business OS — Mission Runtime kernel (Python + Go), Projects cockpit, cost-aware LLM router, permissions plane, and reference apps. Self-hosted, open-core (AGPL-3.0).

redevops.io Agentic Business OS 的控制平面，用一套编排层把计费、客服、账务、合规、分析、营销等多个业务模块作为统一 agent 集群运行。提供 Mission Runtime 内核（Python + Go）、模块注册表与编排器、按任务能力分层并带预算的成本感知 LLM 路由、跨模块工作流、审批与审计日志、行级/列级细粒度权限平面，以及 Projects 控制台、Sidekick 问答助手、集成平面与受治理的 Agent Gateway（MCP 为首个协议适配）。自托管、source-available（AGPL-3.0 + Commons Clause）。

Timothy：自托管的个人 AI 智能体控制平面

timothy-agent/timothy · The open-source control plane for your personal AI workforce. Run your own AI agents. Your infrastructure. Your models. Your rules.

Timothy 是一个开源的 AI 智能体控制平面，运行在用户自有的硬件和基础设施上，用于编排、调度和管理个人 AI 助手。它支持接入 Anthropic、OpenAI、Amazon Bedrock、Ollama 等多种模型并按任务路由，可为智能体配置独立的模型、工具与知识，执行研究、写报告、写代码、读邮箱与日历、生成简报等任务，并把结果推送到 Telegram、邮件、Webhook 或 GitHub。项目提供记忆、文档知识库、预算与成本记录、本地语音输入和加密密钥存储等能力，架构为 Go 微服务加 PostgreSQL（pgvector）与 React 前端，通过 Docker Compose 部署。项目处于早期开发阶段，可能存在不兼容变更。

OpenCode Multi-Model Orchestrator：为 OpenCode 提供多 AI 提供商切换与自动路由的零配置桥接工具

yannn14/opencode-claude-cortex-sync · Claude Pro Bridge for OpenCode 2026 - Zero Setup AI Sync

该项目自称是面向 OpenCode 的多模型编排桥接工具，宣称可自动检测并同步系统中已有的 AI 提供商凭据，在 Claude、GPT-4、Gemini 等多家服务及本地模型之间按成本、速度或能力进行请求路由，并提供并行请求、凭据保险库、用量分析与网页控制面板等能力。README 同时给出了配置文件示例、命令行调用示例、系统兼容性表与故障排查命令。需要注意，材料中的性能基准、安全性、客服支持等表述均来自项目自述，未经过独立验证；实际可用性、部署条件和合规性需以官方说明为准。

Profiley：AI 驱动的交互式简历与求职者公开主页平台

akram0zaki/profiley · An AI-assisted interactive CV to help job seekers present their profile and work experience.

Profiley 是一个开源的 AI 交互式简历平台，让求职者上传简历和辅助材料，系统自动抽取并索引为可检索的知识库，并生成面向招聘方的公开主页。招聘方可以浏览主页、与候选人 AI 角色对话，并运行结构化的岗位匹配分析；后台由管理员统一配置模型路由（OpenAI、Gemini、Mistral）。项目还提供所有者仪表盘，展示招聘方访问、事件、会话、上传和岗位匹配运行等实时分析。

ClawAI：本地优先的多模型 AI 编排与智能路由平台

ihabkhaled/ClawAI · Claw is a local-first AI control plane that runs powerful open models on your machine and connects to top LLM providers. It intelligently routes every prompt to the best model, giving you one secure workspace for chat, memory, context, connectors, routing, and full AI orchestration.

ClawAI 是一个开源、本地优先的 AI 编排平台，通过统一界面跨多个云与本地模型提供商编排 AI 模型。它提供多提供商路由、基于本地评判模型的智能模型选择、安全密钥管理、聊天与记忆、文件处理与 RAG、高级对话编排、工作区接地、桌面 Agent 运行时、图片与文件生成、审计与可观测性以及基于角色的访问控制，后端由 17 个独立 NestJS 微服务组成。

本周 Zed、Anthropic 和 OpenRouter 的动态表明：更好的外围工具比更好的模型更重要

这周最火的几篇文章都指向同一个道理：光有强大的 AI 模型不够，还得有配套的软件框架让它真正好用。Zed 推出了公开测试版 Delta，用共享讨论串取代传统的代码合并请求，让 AI 写的代码更容易审查；Anthropic 把 Claude Chat 和 Cowork 合并成一个界面，用户不用再纠结任务该用哪个模式；OpenRouter 为企业客户推出了美国境内路由，保证数据在美国境内处理。另外，Vercel 的数据显示 AI 推理成本连续三个月下降，8 月每 token 均价降了 23.2%，开源模型的调用量首次超过一半，但闭源模型仍拿走了大部分收入。对普通用户来说，这意味着 AI 编程和对话工具会变得更顺手、更便宜，用起来也更清楚。