如果你最近在写 AI 应用，你一定经历过这个场景：你的代码里硬编码了一个模型名——比如 gpt-4o 或者 claude-opus-5——然后每个月发版时，你都要手动评估一下「这个月有没有更便宜/更好/更快的新模型可以替换？」

Cursor 的 Field CTO David Pan 说得更狠：「我们一度疯到要求每个软件工程师都成为模型 Benchmark 专家、思维链专家和缓存命中率专家。」

这不是一个段子，这是 2026 年 AI 工程团队的集体困境。模型发布速度快过任何人的跟进速度——仅过去 30 天，就有 36 个新模型上线，来自 20 家供应商。每个模型有自己的定价、延迟、擅长领域。手动选模型这件事，已经从一个「锦上添花」变成了「工程瓶颈」。

而一周之内，三家公司给出了同一个答案：让路由器来选，不要让人来选。

Cursor Router：医院分诊台，代码专用

7 月 22 日，被 SpaceX 以 $600 亿收购的 Cursor 打响了第一枪。

Cursor Router 的核心理念是一个「医院分诊系统」：每次编码请求进来后，路由器先评估它的难度——是一个简单的代码补全，还是一个复杂的跨文件重构？然后决定送哪个模型处理。

• 简单的修复（重命名变量、自动补全）→ 用便宜的模型，毫秒级响应
• 中等难度（写单元测试、小功能）→ 用中等成本的模型
• 高难度（架构设计、跨文件重构）→ 用最强的推理模型

开发者还可以选择三种优化模式：速度优先、成本优先、质量优先，让路由器在「贵但准」和「快且省」之间做权衡。

Cursor 声称早期用户在 Cursor Router 上节省了 30-50% 的模型成本，同时输出质量没有下降。这个数字来自 Cursor 自己的博客，虽然没有第三方验证，但逻辑上说得通——如果你的代码请求中 70% 是简单任务，把它们送到 Opus 级别的模型就是浪费钱。

Cursor Router 目前只对 Teams 和 Enterprise 用户开放，暂未下放到个人计划。

Ramp Router：从账本到路由器，金融公司杀入 AI 基础设施

如果说 Cursor 做路由器是「编译器公司做优化器」——自然延伸，那 Ramp 做路由器就有点「会计公司突然开始卖服务器」的感觉。

Ramp 是估值 $440 亿的企业支出管理平台，主营业务是公司卡、费用报销、供应商付款。但它在内部管理了超过 100 个 AI 用例，今年早些时候还推出了 AI Spend Intelligence 来追踪公司的 AI 支出。

7 月 20 日，Ramp 的 CTO Rahul Sengottuvelu 宣布 Ramp Router 开放公测，CTO 说 Ramp 内部用它省了 30% 的 LLM 成本。

Ramp Router 的技术核心是 Thompson 采样——一种强化学习算法。简单说：路由器把每个模型当成一个「赌注」，根据实时流量追踪哪个模型在哪个任务上表现最好，然后自动把更多请求转向胜出的模型。不需要人工写规则，不需要每次新模型发布时手动更新。

最关键的是：Ramp Router 免费使用，不需要 Ramp 账户，提供一个 OpenAI 兼容的 API 端点。开发者只需要改一行 base URL 就能接入。它支持 OpenAI、Gemini、Kimi 等模型，Claude 支持即将到来。

Ramp 这步棋非常聪明。它已经在追踪企业 AI 支出（AI Spend Intelligence），现在有了 Router，就能在费用产生之前进行控制——把「事后记账」变成「事前控制」。这是从「观察成本」到「控制成本」的战略升级。

Meta Switchboard：内部孵化，瞄准自研模型生态

这波浪潮中最神秘的一位来自 Meta。

据 The Information 报道，Meta 内部有一个名为 AAI Labs 的孵化器，正在开发一个叫 Switchboard 的模型路由器。原理和 Cursor Router 类似：对每个请求进行难度评分，简单的请求送到小模型，复杂的送到大模型。

Meta 做路由器有特别的原因。根据 Runpod 的 State of AI 报告，Meta 的 Llama 4 在生产环境中的实际部署率「近乎为零」，而阿里 Qwen 系列已经成为自托管 LLM 中使用最广泛的模型。Meta 刚推出的 Muse Spark 1.1 定价只有 OpenAI 和 Anthropic 的 1/4，但如果没有路由器帮助用户「无痛切换」，再便宜也没人用。

Switchboard 目前是 Meta 内部项目，但有可能作为公开产品发布。如果成真，Meta 将拥有一个完美的分发渠道——先让用户通过路由器试用所有模型，然后在路由决策中「推荐」Meta 自家的模型。

模型路由的「旧世界」与「新玩家」

在 Cursor 和 Ramp 之前，模型路由这个领域并不空白。

OpenRouter 从 2023 年就开始做这件事——一个统一的 API 前置 400+ 模型，自动故障转移和成本感知路由。它刚被 Stripe 以 $70 亿收购，说明这个赛道的价值已经得到主流认可。

日本的 Sakana AI 在 6 月发布了 Fugu，走的是完全不同的路线：不是选一个模型，而是把任务拆成子任务，每个子任务路由到不同模型。Sakana 称这是「不把所有鸡蛋放在一个 AI 供应商篮子里」的防御策略。

LiteLLM 等开源方案则提供了另一种选择：你自己部署路由逻辑，完全控制数据流和决策规则。

但这一轮新玩家的入场，标志着模型路由从「可选工具」变成了「基础设施标配」。当一家编译器公司、一家金融科技公司和一家社交巨头都在同一周内推出路由器，这就不再是巧合，而是行业趋势。

一图看懂：三大路由器的对比

安全隐忧：路由决策该不该交给第三方？

在这个欢呼「不用手动选模型」的浪潮中，有一个问题被很多人忽略了：路由决策的开放性问题。

DAIR.AI 联合创始人 Elvis Saravia 在 X 上提出了一个尖锐的问题：「有人在做开源版本吗？我觉得路由决策不应该外包给 API。每家公司对成本和质量有不同的权衡，我们需要自定义路由能力。」

这是一个值得深思的点。当你的请求经过 Cursor Router 或 Ramp Router 时，路由逻辑是黑盒——你不知道它为什么选这个模型而不是那个，你不知道它用了什么标准来判断「质量」。如果路由逻辑是闭源的，它就变成了一个你需要信任的第三方决策层。

更关键的是：如果你用 Ramp Router，Ramp 能看到你的所有 AI 请求模式——你用哪个模型、什么 prompt、花多少钱。对于一个金融公司来说，这是极具战略价值的数据，但对于开发者来说，这是隐私问题。

写在最后

模型路由器正在从一个「锦上添花」的优化工具，变成 AI 基础设施的「必选层」。

背后的逻辑很简单：模型太多了，人追不上，让机器来选。 当每个月有 36 个新模型上线，20 家供应商在竞争，手动选模型已经不是一个 scaling 的选择。路由器把「模型选择」这个决策从应用代码中抽离出来，变成了一个独立的基础设施层——就像负载均衡器让开发者不用关心后端服务器选择一样。

Cursor 的 David Pan 说：「我们曾一度疯到要求每个工程师都成为模型 Benchmark 专家。」路由器就是那个让团队不用再疯下去的解决方案。

但问题是——这个路由器本身，应该由谁来控制？ 是像 Ramp 和 Cursor 这样的商业公司，还是开源社区？路由决策是黑盒还是白盒？这些问题的答案，将决定模型路由这个基础设施层在 2027 年的最终形态。

📌 延伸阅读：《Stripe 豪掷 $70 亿收购 OpenRouter！AI 模型路由的「水电煤」正式改姓 Stripe！》 — 模型路由赛道的最大并购案，Stripe 赌的是什么？