前沿科学推理对于大语言模型（LLMs）仍然是一个重大挑战，即使最强的商业系统也未能达到专家级表现。仔细观察模型行为会发现，单一模型评估所掩盖的显著互补性：不同前沿模型在不同问题类型上表现出色，没有哪个模型能涵盖全局。我们提出了 SciOrch，一个训练轻量级 8B 模型来编排前沿大语言模型进行科学推理的框架。该编排器将每个问题分解，通过 API 调用将子问题委托给选定的商业模型，并合成最终答案。训练这样的编排器比传统的智能体强化学习要困难得多：每次行动都会触发一次 API 调用，这在成本和延迟上都很昂贵，使得标准的在线 rollout 变得不可行。我们通过基于 MCTS 的方法解决了这一问题，生成了多样化的编排轨迹，提取了每个节点的单轮样本，并使用 GRPO 风格的训练来优化编排器。在一个涵盖 SGI-Reasoning 和 Scientists' First Exam 的 240 道问题测试集上，SciOrch 达到了 56.66% 的平均准确率，比最强的单一商业模型高出 3.74%，比最强的多智能体基线高出 3.33%。它还在 SGI 和 SFE 上均取得了最佳准确率，同时 API 成本不到典型多智能体方法的一半。