# 开源 LLM 路由模型调研报告

> **调研日期**: 2026-04-17  
> **调研目的**: 寻找可替代 tx402 BERT 路由器的开源方案  
> **报告版本**: v2.0  
> **最新更新**: 技术选型已从 RouteLLM BERT 切换至 NVIDIA 多头分类器

---

## 执行摘要

### 核心发现

当前开源 LLM 路由模型生态已较为成熟，主要方案包括：

| 方案 | 准确率 | 延迟 | 路由能力 | 推荐指数 |
|------|--------|------|---------|---------|
| **NVIDIA Multi-Head Classifier** ⭐ 已采用 | ~90% | 5-15ms | 多维度 3-tier | ⭐⭐⭐⭐⭐ |
| **RouteLLM BERT** (已弃用) | 85-92% | 1-5ms | 二分类 (强/弱) | ⭐⭐⭐ |
| **Arch-Router 1.5B** | 93% | 50-100ms | 动态多策略 | ⭐⭐⭐⭐ |
| **RoRF (Random Forest)** | - | - | Pairwise | ⭐⭐⭐ |

**关键决策**: NVIDIA `prompt-task-and-complexity-classifier` 是最终选型方案。相比 RouteLLM BERT 的二分类局限，NVIDIA 多头分类器提供 8 个维度的分析能力，支持 3-tier 路由（simple/medium/complex），更接近 tx402.ai 的生产实现。

### 选型变更记录

| 版本 | 日期 | 选型 | 变更原因 |
|------|------|------|---------|
| v0.1 | 2026-04-17 | Token 长度规则路由 | 初始 MVP |
| v0.2 | 2026-04-17 | RouteLLM BERT | 引入 ML 路由 |
| **v0.3** | **2026-04-17** | **NVIDIA Multi-Head** | **支持 3-tier，多维度分析** |

---

## 1. 当前选型: NVIDIA Multi-Head Classifier

### 1.1 项目信息

- **模型**: [nvidia/prompt-task-and-complexity-classifier](https://huggingface.co/nvidia/prompt-task-and-complexity-classifier)
- **机构**: NVIDIA
- **参数量**: 184M
- **架构**: DeBERTa-v3-base backbone + 8 个独立分类头
- **许可**: Apache 2.0

### 1.2 技术架构

```
┌─────────────────────────────────────────────────────────┐
│          NVIDIA Multi-Head Classifier (184M)            │
├─────────────────────────────────────────────────────────┤
│  Backbone: DeBERTa-v3-base (768维隐层)                  │
├─────────────────────────────────────────────────────────┤
│  8 个分类头:                                            │
│  ├─ head_0: task_type         (12类)                    │
│  ├─ head_1: creativity_scope  (3类: High/Low/No)        │
│  ├─ head_2: reasoning         (2类: Yes/No)             │
│  ├─ head_3: contextual_knowledge (2类)                  │
│  ├─ head_4: number_of_few_shots  (6类)                  │
│  ├─ head_5: domain_knowledge  (4类: High/Medium/Low/No) │
│  ├─ head_6: no_label_reason   (1类)                     │
│  └─ head_7: constraint_ct     (2类)                     │
├─────────────────────────────────────────────────────────┤
│  综合评分 → 3-Tier 路由:                                │
│  simple (<0.35) → qwen-flash                            │
│  medium (0.35-0.65) → qwen-plus                         │
│  complex (>0.65) → qwen-max                             │
└─────────────────────────────────────────────────────────┘
```

### 1.3 复杂度评分公式

```python
score = (
    0.4 * domain_knowledge  +  # High=1.0, Medium=0.6, Low=0.3, No=0.0
    0.3 * reasoning         +  # Yes=1.0, No=0.0
    0.2 * creativity        +  # High=1.0, Low=0.4, No=0.0
    0.1 * task_type            # Code=0.8, QA=0.5, Chatbot=0.2, ...
)
```

### 1.4 Task Type 分类 (12类)

| ID | 类型 | 复杂度权重 |
|----|------|-----------|
| 0 | Brainstorming | 0.6 |
| 1 | Chatbot | 0.2 |
| 2 | Classification | 0.3 |
| 3 | Closed QA | 0.4 |
| 4 | Code Generation | 0.8 |
| 5 | Extraction | 0.3 |
| 6 | Open QA | 0.5 |
| 7 | Other | 0.5 |
| 8 | Rewrite | 0.5 |
| 9 | Summarization | 0.6 |
| 10 | Text Generation | 0.7 |
| 11 | Unknown | 0.5 |

### 1.5 测试结果

| 查询 | Tier | Score | Task | Model |
|------|------|-------|------|-------|
| "你好" | simple | 0.17 | Chatbot | qwen-flash |
| "What is 2+2?" | simple | 0.17 | Chatbot | qwen-flash |
| "Write quicksort in Python" | medium | 0.45 | Code Generation | qwen-plus |
| "Analyze 10-page paper" | medium | 0.47 | Summarization | qwen-plus |

### 1.6 依赖版本 (已验证可用)

```
torch==2.2.2
transformers==4.44.2
tokenizers==0.19.1
safetensors==0.4.3
numpy==1.26.4
sentencepiece==0.2.1
```

> **注意**: 该模型使用自定义多头架构，无法通过 `AutoModelForSequenceClassification` 直接加载，需手动构建模型并用 `safetensors.torch.load_file` 加载权重。Tokenizer 需使用 slow 模式 (`use_fast=False`)。

### 1.7 优势

- ✅ 多维度分析（task_type/reasoning/creativity/domain 等 8 个维度）
- ✅ 原生支持 3-tier 路由，不限于二分类
- ✅ DeBERTa 架构，语义理解能力优于 BERT
- ✅ NVIDIA 出品，模型质量有保障
- ✅ CPU 可运行，延迟 5-15ms

### 1.8 劣势

- ⚠️ 自定义架构，不能直接用 HuggingFace AutoModel 加载
- ⚠️ 依赖版本要求较严格（transformers/tokenizers/torch 需要特定组合）
- ⚠️ 对 reasoning/creativity 判断偏保守，评分权重可能需要根据业务调优
- ⚠️ 与 LiteLLM 存在依赖冲突（tokenizers 版本），已移除 LiteLLM

---

## 2. 已弃用方案: RouteLLM BERT

### 2.1 弃用原因

1. **仅支持二分类** (strong/weak)，无法实现 3-tier 路由
2. 中间模型（如 qwen-plus）永远不会被选中
3. 无法提供查询的多维度分析（task type/domain/reasoning 等）
4. 与 tx402.ai 的三层架构差距过大

### 2.2 项目信息

- **论文**: [RouteLLM: Learning to Route LLMs with Preference Data](https://arxiv.org/abs/2406.18665)
- **代码**: https://github.com/lm-sys/RouteLLM
- **机构**: LMSYS, UC Berkeley
- **发布时间**: 2024年7月

### 2.3 技术架构

RouteLLM 提供三种路由器实现：

```
┌─────────────────────────────────────────────────────────┐
│                    RouteLLM Framework                    │
├─────────────────────────────────────────────────────────┤
│  1. Similarity-Weighted (SW) Ranking                   │
│     - 基于向量相似度的加权 Elo 计算                      │
│     - 无需训练，冷启动友好                               │
├─────────────────────────────────────────────────────────┤
│  2. Matrix Factorization (MF)                          │
│     - 矩阵分解学习查询-模型评分函数                      │
│     - 论文报告最佳性能                                   │
├─────────────────────────────────────────────────────────┤
│  3. BERT Classifier                                    │
│     - 基于 BERT 的二分类器                              │
│     - 预测强模型 vs 弱模型                              │
│     - 延迟: 1-5ms (CPU)                                │
└─────────────────────────────────────────────────────────┘
```

### 2.4 模型规格

- **基础模型**: BERT-base-uncased
- **参数量**: ~110M
- **输入长度**: 512 tokens
- **输出**: 二分类 (0=弱模型, 1=强模型)
- **推理延迟**: 1-5ms (CPU)

### 2.5 性能指标

| 基准测试 | 达到 95% GPT-4 性能所需 GPT-4 调用比例 | 成本降低 |
|---------|--------------------------------------|---------|
| MT Bench | 14% (使用 LLM Judge 增强数据) | 85% |
| MMLU | 54% (使用 Golden Label 增强数据) | 14% |
| GSM8K | 35% | 35% |

---

## 3. 备选方案: Arch-Router 1.5B

### 3.1 项目信息

- **论文**: [Arch-Router: Aligning LLM Routing with Human Preferences](https://arxiv.org/abs/2506.16655)
- **模型**: https://huggingface.co/katanemo/Arch-Router-1.5B
- **机构**: Katanemo Labs
- **发布时间**: 2025年6月

### 3.2 技术架构

```
┌─────────────────────────────────────────────────────────┐
│                  Arch-Router Framework                   │
├─────────────────────────────────────────────────────────┤
│  核心创新: Domain-Action Taxonomy                       │
│  - 使用自然语言定义路由策略                             │
│  - 支持多维度人类偏好对齐                               │
├─────────────────────────────────────────────────────────┤
│  模型架构: 1.5B Generative Language Model               │
│  - 输入: 用户查询 + 策略描述列表                        │
│  - 输出: 最佳匹配的策略标识符                           │
│  - 支持动态添加新策略（无需重新训练）                   │
└─────────────────────────────────────────────────────────┘
```

### 3.3 模型规格

- **参数量**: 1.5B
- **架构**: Generative Language Model (类似 Llama)
- **推理延迟**: 50-100ms (GPU)
- **准确率**: 93%（对比 GPT-4 的 85%）

### 3.4 优劣势

**优势**
- ✅ 人类偏好对齐，更符合实际使用场景
- ✅ 支持自然语言策略定义，灵活性高
- ✅ 添加新模型无需重新训练

**劣势**
- ⚠️ 模型较大 (1.5B)，推理延迟较高
- ⚠️ 2025年新发布，生产验证较少
- ⚠️ 需要 GPU 才能达到可接受延迟

---

## 4. 其他方案

### 4.1 RoRF (Not Diamond)
- **类型**: Random Forest 分类器
- **特点**: Pairwise 路由决策
- **状态**: 开源，但文档较少

### 4.2 LLMRouter (UIUC)
- **项目**: https://github.com/ulab-uiuc/LLMRouter
- **特点**: 智能路由系统
- **状态**: 部分开源，细节待验证

### 4.3 DeBERTa 3-class Classifier
- **参数量**: 163M
- **分类**: easy/medium/hard 三分类
- **评估**: 功能较简单，不如 NVIDIA 多头方案丰富

---

## 5. 方案对比总表

| 维度 | NVIDIA Multi-Head ⭐ | RouteLLM BERT | Arch-Router 1.5B | RoRF |
|------|---------------------|---------------|-------------------|------|
| **模型类型** | DeBERTa Multi-Head | BERT Classifier | Generative LM | Random Forest |
| **参数量** | 184M | 110M | 1.5B | - |
| **推理延迟** | 5-15ms | 1-5ms | 50-100ms | - |
| **路由能力** | 3-tier + 多维度 | 2-class (强/弱) | 动态策略 | Pairwise |
| **分析维度** | 8 维 | 1 维 | 策略匹配 | - |
| **硬件要求** | CPU 即可 | CPU 即可 | 需要 GPU | CPU |
| **开源程度** | 完全开源 | 完全开源 | 模型开源 | 开源 |
| **生产验证** | NVIDIA 内部 | LMSYS 验证 | 较少 | 未知 |
| **自定义难度** | 中（需手动加载） | 低 | 低 | 中 |

---

## 6. 与 tx402.ai 技术对比

| 技术点 | tx402.ai (商业) | NVIDIA Multi-Head (当前) | 差距分析 |
|--------|----------------|------------------------|---------|
| **Layer 1 分类器** | BERT 三分类 (3ms) | DeBERTa 多头 8维 (5-15ms) | ✅ 维度更丰富 |
| **Layer 2 选择** | 多臂老虎机 (2-5ms) | 静态评分公式 | ⚠️ 缺少在线学习 |
| **Layer 3 执行** | 语义缓存 + 批量优化 | 直接调用 | ⚠️ 需实现 |
| **路由层级** | 3层: 分类→MAB→执行 | 1层: 多头分类→评分 | ⚠️ 需扩展 |
| **模型覆盖** | 40+ | 3 (flash/plus/max) | ⚠️ 需扩展 |
| **在线学习** | 支持 (MAB) | 不支持 | ⚠️ 需实现 |
| **语义缓存** | 支持 | 不支持 | ⚠️ 需实现 |
| **总延迟** | 10-18ms | 5-15ms | ✅ 更优 |

**当前已缩小的差距**（相比 RouteLLM BERT）:
1. ✅ 支持 3-tier 路由（simple/medium/complex）
2. ✅ 多维度查询分析（task_type/reasoning/creativity/domain）
3. ✅ 更接近 tx402 Layer 1 的分类能力

**仍需实现的功能**:
1. Layer 2: 多臂老虎机在线学习（Thompson Sampling）
2. Layer 3: 语义缓存 + 批量优化
3. 扩展模型池覆盖（当前仅 3 个 Qwen 模型）

---

## 7. 演进路线

```
Phase 1 (已完成): NVIDIA 多头分类器 3-tier 路由
    ↓
Phase 2 (下一步): 添加多臂老虎机在线学习 (Layer 2)
    ↓
Phase 3: 语义缓存 + 批量优化 (Layer 3)
    ↓
Phase 4: 扩展模型池 (40+ 模型支持)
    ↓
Phase 5: 基于业务数据微调 NVIDIA 分类器
```

---

## 8. 参考文献

### 学术论文
1. **RouteLLM**: Ong et al. "RouteLLM: Learning to Route LLMs with Preference Data". arXiv:2406.18665, 2024.
2. **Arch-Router**: Tran et al. "Arch-Router: Aligning LLM Routing with Human Preferences". arXiv:2506.16655, 2025.
3. **RouterArena**: Lu et al. "RouterArena: An Open Platform for Comprehensive Comparison of LLM Routers". arXiv:2510.00202, 2025.
4. **RouterBench**: Hu et al. "RouterBench: A Benchmark for Multi-LLM Routing System". ICML 2024.

### 开源项目
- NVIDIA Classifier: https://huggingface.co/nvidia/prompt-task-and-complexity-classifier
- RouteLLM: https://github.com/lm-sys/RouteLLM
- Arch-Router: https://huggingface.co/katanemo/Arch-Router-1.5B
- LLMRouter: https://github.com/ulab-uiuc/LLMRouter
- Awesome AI Model Routing: https://github.com/Not-Diamond/awesome-ai-model-routing

### 相关调研
- X402 生态竞品技术架构深度调研 (本文档同目录)

---

**报告结束**

> 本报告基于 arXiv 论文、GitHub 开源项目和技术博客整理。  
> 数据截至 2026-04-17。  
> 如需更新或补充，请参考原始文献。