模型编排

模型路由系统根据任务类型、复杂度、成本或延迟要求动态选择最合适的底层模型，可避免单一模型供应商锁定，但带来模型行为一致性、输出格式差异及跨模型安全合规等管理问题。

模型编排（Model Orchestration）是一种将不同专业模型组合协作的系统级架构，用路由模型分析任务需求后将子任务分发给专业模型处理

Copilot Fusion 的多模型协作与 effort 档位，本质上是在路由层之上叠加了编排能力。

模型编排的关键挑战在于控制轮次与成本，避免陷入无限自我修正的循环，同时保证各模型之间的上下文传递不丢失关键信息。

模型编排的经济学基础是不同模型每百万Token的价格可相差一个数量级以上，而多数编程请求并不需要顶级推理能力。

在多模型组合架构中，不同环节可路由到不同模型（如视觉理解调用VLM，长文本推理调用通用语言模型），以在延迟、成本和准确率之间取得平衡。

不同模型的token定价差异巨大，选错模型可能导致批量任务产生数倍开销

模型编排是混合专家系统的实际应用形态，用路由模型分析任务需求后将子任务分发给专业模型处理

模型编排的核心价值在于利用异构模型生态，将简单任务交给轻量便宜的模型，只在关键环节调用强模型

多模型协作可能通过评审环节提升产出质量，形成互相制衡机制，使成本降低不以牺牲质量为代价

合作方在 Particle 正式发布前已与其团队有过合作，并对后续在搜索和模型编排工具上的协作抱有期待。