# 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**: v1.0

---

## 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 | 成本降低 | 推荐指数 |
|------|--------|------|---------|---------|
| **RouteLLM BERT** | 85-92% | 1-5ms | 85% | ⭐⭐⭐⭐⭐ |
| **Arch-Router 1.5B** | 93% | 50-100ms | - | ⭐⭐⭐⭐ |
| **RoRF (Random Forest)** | - | - | - | ⭐⭐⭐ |

**关键洞察**: RouteLLM BERT 是现阶段最成熟的方案，已在生产环境验证，社区支持完善。

---

## 1. 主流开源路由方案详解

### 1.1 RouteLLM (LMSYS/UC Berkeley)

**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

**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 ⭐ 推荐                             │
│     - 基于 BERT 的二分类器                              │
│     - 预测强模型 vs 弱模型                              │
│     - 延迟: 1-5ms (CPU)                                │
└─────────────────────────────────────────────────────────┘
```

**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% |

**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)

**优势**
- ✅ 完全开源 (代码 + 模型 + 数据集)
- ✅ 轻量级，适合边缘部署
- ✅ 基于 Chatbot Arena 真实偏好数据训练
- ✅ 支持数据增强提升性能
- ✅ 可泛化到未训练的模型对

**劣势**
- ⚠️ 仅支持二分类路由（强 vs 弱）
- ⚠️ 需要针对特定模型对微调以获得最佳效果

**快速开始**
```python
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 加载 RouteLLM BERT Router
tokenizer = AutoTokenizer.from_pretrained("lm-sys/routellm-bert")
model = AutoModelForSequenceClassification.from_pretrained("lm-sys/routellm-bert")
model.eval()

def route_query(query: str) -> str:
    inputs = tokenizer(query, return_tensors="pt", truncation=True, max_length=512)
    with torch.no_grad():
        outputs = model(**inputs)
        probs = torch.softmax(outputs.logits, dim=-1)
        prediction = torch.argmax(probs, dim=-1).item()
    
    return "gpt-4" if prediction == 1 else "mixtral-8x7b"
```

---

### 1.2 Arch-Router (Katanemo Labs)

**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

**技术架构**

Arch-Router 采用生成式模型架构：

```
┌─────────────────────────────────────────────────────────┐
│                  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）                   │
└─────────────────────────────────────────────────────────┘
```

**性能指标**
- **准确率**: 93%（对比 GPT-4 的 85%）
- **优势**: 比顶级专有 LLM 平均高 7.71%

**模型规格**
- **参数量**: 1.5B
- **架构**: Generative Language Model (类似 Llama)
- **推理延迟**: 50-100ms (GPU)
- **训练数据**: 43K 样本

**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
- ✅ 处理多轮对话和复杂意图能力强

**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

**快速开始**
```python
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("katanemo/Arch-Router-1.5B")
model = AutoModelForCausalLM.from_pretrained("katanemo/Arch-Router-1.5B")

# 定义路由策略
policies = [
    {"id": "code", "description": "Programming and code generation tasks"},
    {"id": "math", "description": "Mathematical reasoning and calculations"},
    {"id": "creative", "description": "Creative writing and content generation"},
]

# 构建提示
prompt = f"Query: {user_query}\nPolicies: {policies}\nBest policy:"
```

---

### 1.3 其他方案

#### 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

#### 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

---

## 2. 方案对比总表

| 维度 | RouteLLM BERT | Arch-Router 1.5B | RoRF |
|------|---------------|-------------------|------|
| **模型类型** | BERT Classifier | Generative LM | Random Forest |
| **参数量** | 110M | 1.5B | - |
| **推理延迟** | 1-5ms | 50-100ms | - |
| **准确率** | 85-92% | 93% | - |
| **支持模型数** | 2 (强/弱) | 动态添加 | 多模型 |
| **训练需求** | 需针对模型对微调 | 无需重新训练 | 需训练 |
| **硬件要求** | CPU 即可 | 需要 GPU | CPU |
| **开源程度** | 完全开源 | 模型开源 | 开源 |
| **社区活跃度** | 高 (LMSYS) | 中 (新兴) | 低 |
| **生产验证** | 已验证 | 较少 | 未知 |

---

## 3. 推荐方案

### 3.1 短期推荐: RouteLLM BERT

**适用场景**
- 需要快速替换现有规则路由
- 资源受限（CPU 部署）
- 对延迟敏感（<10ms）
- 二分类路由足够（强/弱模型）

**实施步骤**
1. 安装依赖: `pip install transformers torch`
2. 加载预训练模型
3. 替换现有 `select_model_by_length()` 函数
4. A/B 测试验证效果

**预期收益**
- 准确率从规则路由的 ~70% 提升到 85-92%
- 成本降低 50-85%
- 延迟增加 <5ms

### 3.2 中期备选: Arch-Router 1.5B

**适用场景**
- 需要多模型路由（>2个模型）
- 有 GPU 资源
- 重视人类偏好对齐
- 需要灵活的策略定义

**实施步骤**
1. 评估延迟是否可接受
2. 在业务数据上测试准确率
3. 设计自然语言路由策略
4. 渐进式替换

### 3.3 长期方向: 自定义训练

**建议路径**
```
Phase 1 (现在): 集成 RouteLLM BERT
    ↓
Phase 2 (1月后): 收集业务数据，评估效果
    ↓
Phase 3 (3月后): 基于业务数据微调 BERT
    ↓
Phase 4 (6月后): 训练专用路由模型
```

---

## 4. 与 tx402.ai 技术对比

| 技术点 | tx402.ai (商业) | RouteLLM BERT (开源) | 差距分析 |
|--------|----------------|---------------------|---------|
| **分类器** | BERT + 多臂老虎机 | BERT Classifier | 缺少在线学习 |
| **延迟** | 3ms (分类) + 5-10ms (路由) | 1-5ms | ✅ 更优 |
| **准确率** | ~90% | 85-92% | ✅ 相当 |
| **成本降低** | 70%+ | 85% | ✅ 更优 |
| **模型覆盖** | 40+ | 2 (强/弱) | ⚠️ 需扩展 |
| **在线学习** | 支持 | 不支持 | ⚠️ 需实现 |
| **语义缓存** | 支持 | 不支持 | ⚠️ 需实现 |

**关键差距**
1. **在线学习**: tx402 使用多臂老虎机动态优化，开源方案需要自行实现
2. **多模型支持**: 开源 BERT 仅支持二分类，需要扩展支持多模型
3. **语义缓存**: tx402 的缓存技术未在开源方案中体现

---

## 5. 实施建议

### 5.1 最小可行方案 (MVP)

**目标**: 用 RouteLLM BERT 替换现有 token 长度路由

**改动范围**
```python
# 当前实现
def select_model_by_length(messages):
    token_count = estimate_tokens(messages)
    if token_count < 100:
        return "qwen-flash"
    elif token_count < 500:
        return "qwen-plus"
    else:
        return "qwen-max"

# 新实现
def select_model_by_bert(query: str) -> str:
    prediction = bert_router.predict(query)
    return "qwen-max" if prediction == "strong" else "qwen-flash"
```

**验证标准**
- [ ] 短查询正确路由到 qwen-flash
- [ ] 复杂查询正确路由到 qwen-max
- [ ] 延迟增加 <5ms
- [ ] 准确率 >85%

### 5.2 扩展方案 (Advanced)

**添加多臂老虎机在线学习**
```python
class ThompsonSamplingRouter:
    """结合 BERT 预测 + 多臂老虎机优化"""
    
    def __init__(self):
        self.bert = BERTRouter()
        self.bandit = ThompsonSampling(n_models=3)
    
    def route(self, query: str) -> str:
        # BERT 提供先验
        bert_prediction = self.bert.predict(query)
        
        # 老虎机动态调整
        model = self.bandit.select(bert_prediction)
        return model
    
    def update(self, model: str, reward: float):
        # 根据实际效果更新
        self.bandit.update(model, reward)
```

---

## 6. 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
- 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)

---

## 7. 附录

### A. 模型下载命令

```bash
# RouteLLM BERT
huggingface-cli download lm-sys/routellm-bert

# Arch-Router 1.5B
huggingface-cli download katanemo/Arch-Router-1.5B
```

### B. 快速测试脚本

```python
# test_router.py
import time
from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("lm-sys/routellm-bert")
model = AutoModelForSequenceClassification.from_pretrained("lm-sys/routellm-bert")

test_queries = [
    "你好",  # 简单
    "解释量子计算",  # 中等
    "用 Python 实现一个分布式事务协调器",  # 复杂
]

for query in test_queries:
    start = time.time()
    inputs = tokenizer(query, return_tensors="pt", truncation=True)
    outputs = model(**inputs)
    prediction = outputs.logits.argmax(dim=-1).item()
    latency = (time.time() - start) * 1000
    
    print(f"Query: {query}")
    print(f"Prediction: {'strong' if prediction == 1 else 'weak'}")
    print(f"Latency: {latency:.2f}ms\n")
```

---

**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。