Cursor、Ramp 和 Meta 都在構建模型路由器——但其中兩家自身有着重大模型抱負

Cursor 是一款人工智能編碼工具，近期被埃隆·馬斯克旗下的 SpaceX 以 600 億美元的全股票交易收購。如今，它推出了一款模型路由器，旨在將每個編碼請求導向最擅長處理該請求的模型，從而避免為不需要前沿模型的任務支付高昂費用。

Cursor Router 的內部機制類似於醫院急診室的分診系統：它會分析請求的實際需求——難度、用途、周圍代碼等——然後選擇最合適的模型。簡單的修復會交給便宜的模型，而真正困難的問題則會升級到接近前沿級別的模型。值得注意的是，開發者和管理員還可以使用三種不同的模式來調整這種平衡，根據需要在速度和成本之間做出取捨。

據 Cursor 的現場 CTO David Pan 在週三的社交媒體帖子中表示，構建 Cursor Router 的更廣泛理由是，開發者不應該為了編寫代碼而成為模型性能方面的專家。他寫道：“我們曾短暫地瘋狂了，認為每個軟件工程師都應該成為模型基準、思維層級和緩存命中率的專家。”早期社區反饋也基本認同這一觀點：PlanetScale 的軟件工程師 Fatih Arslan 在 X 上指出，工程師們已經手動在成本和能力之間做出選擇——日常任務使用便宜快速的模型，而“嚴肅任務”則保留慢速昂貴的模型。Arslan 寫道：“我們已經花了很多時間在選擇模型上。為什麼不自動化這部分呢？Cursor Router 就是這種自動化。”

在一篇週三發佈的博客文章中，Cursor 聲稱早期接入客户相比將所有請求路由到 Opus 4.8 節省了 30-50% 的成本，且輸出質量沒有下降。

此次發佈之前，Cursor 已採取一系列措施來控制更多自己的 AI 堆棧。今年五月，該公司發佈了 Composer 2.5，這是對其內部編碼模型的更新，專為長任務設計，成本低於 Anthropic 和 OpenAI 的前沿模型。Composer 2.5 與前代產品一樣，基於 Moonshot AI 的 Kimi K2.5，這是一個來自中國的開放權重模型。如今，憑藉 SpaceX 的支持（SpaceX 自 6 月 IPO 以來市值已達 1.5 萬億美元），Cursor 正在推出自己的強大前沿模型。7 月 8 日，Cursor 和 SpaceXAI 聯合發佈了 Grok 4.5，這是一個混合專家模型，基於名為 V9 的新基礎架構，馬斯克此前曾指出其參數約為 1.5 萬億。該模型使用了數萬億 token 的真實 Cursor 使用數據進行訓練，對所有 Cursor 計劃開放，輸入 token 價格為每百萬 2 美元，輸出 token 價格為每百萬 6 美元。

有了 Composer 處理廉價快速的工作，以及 Grok 品牌的前沿模型處理更重的任務，Cursor 在常規的外部提供商之外，也有了自家模型可供選擇。這正是 Cursor 構建 Router 的核心原因：大多數開發者無論任務如何都只選擇一種模型，導致簡單工作也支付了前沿模型的價格。如果將所有請求都導向自家模型，雖然可以輕鬆將錢留在內部，但意味着某些任務上的輸出質量會下降。因此，Router 會將每個請求發送給最適合的模型，無論是否是 Cursor 自家的。

模型路由本身並非全新概念。OpenRouter 自 2023 年起就提供了類似服務：一個單一 API 位於 400 多個模型和 60 多個提供商之前，包括 OpenAI、Anthropic 和 Google。其自動路由功能大致類似於 Cursor Router——對請求進行分類，然後將其發送給適合任務且符合用户成本與質量偏好的模型。最近，OpenRouter 推出了 Fusion，它採用不同的方法：不是選擇一個模型，而是將提示發送給多個模型，並使用一個評判模型綜合出最強的答案。本月，日本的 Sakana AI 在 6 月發佈了 Fugu，它將單個任務分解為子任務，並將每個部分路由給不同的模型，Sakana 將其定位為對抗依賴單一 AI 提供商的策略。

然而，並非所有人都看好這些嘗試。週三，Nethermind 的 AI 產品負責人 Kirill Balakhonov 在 LinkedIn 上表示，Cursor 的版本之所以成功，正是因為它專注於編碼，而不是試圖成為通用路由器。他寫道：“這是一個技術革新立即轉化為產品改進的絕佳例子……而不是像 Sakana Fugu 或 OpenRouter Fusion 那樣抽象的想法。”他預測這兩個更廣泛的路由努力將逐漸被遺忘。

或許新的變化在於，一些知名企業也開始涉足模型多樣性。7 月初，微軟成立了一個名為 Microsoft Frontier Company 的 25 億美元服務部門，在客户現場嵌入數千名工程師，幫助他們使用多種 AI 模型進行構建。微軟商業業務 CEO Judson Althoff 當時告訴路透社，此舉部分源於觀察到 DeepSeek 和 Google 的 Gemini 等競爭對手正在縮小與 OpenAI 的差距。他承認：“我們犯了一個錯誤，將 Copilot 與 OpenAI 模型綁定。”

如果行業中與單一模型關係最深的公司都在後退，那麼模型靈活性的理念顯然已成為主流——至少從本週的情況來看確實如此。

週二，價值 440 億美元的支出管理巨頭 Ramp 開放了 Ramp Router 的早期公開版本，這是它內部用於管理 AI 賬單的模型路由器，據稱可將 LLM 成本降低約 30%。該工具免費使用，無需 Ramp 賬户，可通過 OpenAI 兼容端點跨 OpenAI、Gemini 和包括 Kimi 在內的精選開源模型進行路由。同一天，The Information 的 Jyoti Mann 報道稱，Meta 也在開發模型路由器。根據報道中引用的內部文件，Meta 內部的一個孵化器 AAI Labs 正在開發一款名為 Switchboard 的新產品，該產品會對每個請求進行難度評分，並將簡單請求發送給更小、更便宜的模型——最初旨在降低 Meta 自身的 AI 代理成本，但據報道最終可能公開推出。

Meta 有特別的理由需要這款產品。來自 Runpod 的《AI 現狀報告》數據顯示，Meta 的開放式 Llama 模型在生產中的部署率很低：Llama 4 幾乎零實際部署，而阿里巴巴的 Qwen 已取代它成為最廣泛部署的自託管 LLM。Meta 也在構建專有模型作為回應。Muse Spark 是其新成立的 Meta Superintelligence Labs 推出的首個模型，於 4 月發佈。隨後在 7 月，Meta 發佈了 Muse Spark 1.1，這是 Meta 首個具有公開付費 API 的模型，定價約為 OpenAI 和 Anthropic 類似模型價格的四分之一。Meta 正在積極瞄準現有企業，Switchboard 符合這一模式：一種讓用户更容易降低成本、自由切換模型的方法，並在合適的情況下將請求導向 Meta 自家模型。

然而，在所有這些關於模型路由的熱議中，或許存在一個更廣泛的開放性問題。不是模型本身的開放（這本身就是一個激烈的爭論），而是路由決策本身——決定哪個模型處理哪個請求的邏輯——是否應該放在供應商的封閉產品中。DAIR.AI 聯合創始人、前 Meta AI 技術產品營銷經理 Elvis Saravia 在 X 上表示不應該，因為團隊對成本和質量的權衡不同。他問道：“有人以開源方式構建這個嗎？感覺這是你不應該交由 API 處理的事情。我們都在進行不同的權衡，因此需要實現自定義路由的能力。”

至於 Cursor 的版本，Router 目前僅面向 Teams 和 Enterprise 客户，覆蓋桌面、網頁、iOS、CLI 和 Cursor SDK。目前尚不清楚最終是否會登陸個人計劃。