model-orchestration

一篇新的AI研究论文描述了一个微型模型作为管理者，将任务路由到更大的模型，通过在困难编程基准上编排一组模型而非依赖单一模型，超越了ChatGPT、Gemini和Claude等前沿模型。

Sakana Fugu 通过单一 API 动态编排多种顶级模型，以处理复杂的多步骤任务。它利用其在 ICLR 2026 论文中提出的学习型编排方法，实现了前沿水平的性能，同时避免了对单一供应商的依赖。

Exa AILabs 推出 Exa Agent，这是一款网络研究工具，它通过协同多种高性价比模型来完成任务，成本不到 GPT-5.5 和 Opus 的一半。

TRINITY是一个轻量级的0.6B参数协调器，它通过学习使用进化策略为多个LLM分配角色（思考者、执行者、验证者）来编排它们。在编码、数学、推理和领域知识任务上，它优于单个模型和现有的协调方法。

Maestro是一个基于强化学习的框架，能够动态组合冻结的专家模型和技能集成，处理多模态任务，使用4B参数编排器实现70.1%的平均准确率，超过GPT-5和Gemini-2.5-Pro。

Rork推出了其AI云服务，使用户无需API密钥即可利用包括GPT和Kling在内的150多个模型构建AI应用。