# Fireworks AI 发布 FireRouter：前沿不再是单个模型，而是路由器

> 原标题：Fireworks AI 分析：前沿不是单个模型，而是路由器，FireRouter 发布

- 来源：AI HOT 精选
- 发布时间：2026-09-20T16:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/58227
- 原文：https://fireworks.ai/blog/the-frontier-isnt-a-model-its-a-router

## 摘要

Fireworks AI 在 DeepSWE 编程基准上测了 18 个模型，发现按任务挑模型比死用一个强得多。单用最强的 GPT-6 Astra 能解决 74.1% 的任务，每次成本 6.52 美元；但一个“事后诸葛亮”路由器从 18 个模型里给每个任务挑最合适的，解决率能到 97.6%，成本反而降到 1.88 美元。只用开源模型也能到 90.3%，成...

## 推荐理由

Fireworks 用 18 个模型在 DeepSWE 上跑了一轮，拿到的结论是：按任务挑模型的路由器，在解决率和成本上都把单一最强模型比下去了。97.6% 对 74.1% 的解决率，1.88 美元对 6.52 美元的单次成本，差距很明显。开源模型组合能到 90.3%，也给了一条不绑死闭源模型的路。我会先打个折——这是他们自家发布的路由器，数据肯定挑好看的放，但逻辑本身对做模型调度和成本控制的人有参考价值。

## 锐评

这篇博客的核心结论很直接：在 DeepSWE 编程基准上，一个“事后诸葛亮”路由器从 18 个模型里给每个任务挑最合适的，解决率能到 97.6%，成本只要 1.88 美元。而单用最强的 GPT-6 Astra，解决率 74.1%，成本却要 6.52 美元。只用开源模型，解决率也能到 90.3%，成本压到 1.45 美元。这说明模型池里分散的能力远大于任何一个单体模型，开源模型组合起来也能超过闭源前沿。

但这里有个关键折扣要打：97.6% 是“先知”分数，也就是跑完所有模型再回头挑赢家，实际部署时路由器必须在干活前做选择，难度完全不一样。文章自己也承认，事前预测哪个模型能成才是硬骨头，而且一次选错，省下的几块钱可能远不够填坑。

至于他们发布的 FireRouter 到底怎么在事前做这个选择，正文没披露技术细节，只给了概念和理想上限。没有真实路由的准确率、延迟和翻车率，这个 97.6% 就只能当个理论上限看，离生产可用还有距离。