少花90%钱，AI多模型协作反而更强

当你问AI一道复杂的数学题，背后可能同时跑着十几个大模型——有的算微积分，有的理逻辑，有的查公式，最后再把答案拼起来。这种叫「多模型协作（MoA）」的玩法，能拼出比单个大模型更准的结果，但代价也惊人：每轮调用都要烧一遍所有模型的算力，成本和延迟跟着模型数量疯涨。

直到上海交大的团队拿出了一个反常识的方案：不用让所有模型先做题，提前就能知道谁最擅长这道题。他们的RouteMoA系统，在15个模型的测试池里砍了89.8%的成本，延迟降了63.6%，准确率还比传统方案高了10%。这不是简单的优化，而是给AI协作换了一套新逻辑。

从「全员答题」到「精准点将」

你可以把传统多模型协作想象成一场无差别考试：不管题目是数学还是写诗，都要让所有模型答一遍，再找个「评审模型」打分筛选。哪怕最后只留3个模型的答案，前面12个的算力也已经烧完了——就像为了选3个短跑选手，先让100个人跑完全程再挑。

RouteMoA把这个流程彻底倒了过来：它先给用户的问题做个「画像」，比如这是道高中几何题，需要空间推理和公式应用能力，再用一个轻量级的「评分器」，快速扫描模型池里每个模型的专长——谁最擅长几何，谁对空间题一塌糊涂，直接把后者排除在答题名单外。

这个评分器不需要模型真的答题，只靠问题本身的特征和模型的过往表现数据就能打分，相当于看简历选人，不用先让所有人试岗。实验里这个「简历筛选」的准确率高得惊人：Top-3命中率达到98%，几乎不会漏掉真正能解题的模型。

用「互评」补漏，把成本焊死在最低

当然，只看「简历」难免有误差——比如某个模型平时几何题答得好，但刚好对这道题的题型不熟悉。RouteMoA加了一道低成本的「补漏程序」：让初选出来的几个模型先答出简短的思路，再做两件事：

一是「自评」，每个模型给自己的思路打个分，比如「我对这道题的解法有80%把握」；二是「交叉评审」，让平时表现最稳定的几个模型，给其他模型的思路挑错。关键是，这些评审都不用额外调用模型算力，只基于已经生成的简短思路就行——就像让候选人先讲30秒解题思路，再互相点评，不用真的写完整个解题过程。

最后一步才是综合排序：不光看谁的准确率高，还要算调用这个模型要花多少token、延迟有多久。比如有两个模型准确率差不多，一个要花10块钱延迟2秒，另一个花1块钱延迟0.5秒，系统会直接选后者。这种「性能-成本-延迟」的三维排序，才是真正适合工程落地的选择。

瓶颈变了：从「选谁」到「怎么拼答案」

实验数据里藏着一个更重要的信号：RouteMoA的失败案例中，超过50%的错误不是因为选错了模型，而是因为最后把几个模型的答案拼错了——比如把A模型的解题步骤和B模型的结论硬凑在一起，逻辑链断了。

这意味着，多模型协作的瓶颈已经从「怎么选模型」转移到了「怎么融合答案」。过去大家都在想怎么让模型更高效地干活，现在发现，把不同模型的输出揉成一个通顺、准确的答案，难度不比选模型小。

团队在论文里提到，他们下一步的研究重点就是答案融合——比如让模型在答题时同步输出「解题逻辑链」，而不只是最终答案，这样融合时就能顺着逻辑链拼接，而不是简单地把句子粘在一起。这也给整个行业提了个醒：AI协作的下一个战场，不是模型数量，而是协作的「粘合剂」。

当我们还在惊叹单个大模型的能力边界时，多模型协作已经悄悄从「堆数量」转向了「拼效率」。RouteMoA的意义，不只是砍了多少成本，而是证明了一件事：AI的未来不是比谁的模型更大，而是比谁能把不同模型的能力用得更聪明。

「精准协作，比全员参战更有力量」——这句话不仅适用于AI，也适用于所有需要分工的复杂系统。毕竟，真正的高效从来不是所有人都动起来，而是让对的人在对的时间做对的事。