Route Anything把路由扩到图像、视频、语音与机器人：学习型路由器在16个基准上比最佳固定候选高0.3分

路由的价值不再只按语言模型衡量，而是放在文本问答、图像-文本问答、图像生成、视频生成、语音生成、代码与办公智能体、机器人操作七类任务上统一比较。 此前的路由研究集中在语言模型，包括逐级升级到更强模型的级联、从偏好数据学习的路由器，以及把质量与成本联系起来的表述；路由能否跨模态带来收益仍是开放问题。 在19,814个所有候选都被评分的测试输入上，按基准选出的最佳固定候选得82.60分，逐输入oracle得87.98分，差距5.38分；语音生成差距0.68分，视频生成与机器人操作各约18–19分。

路由器能拿到的收益取决于它观察到什么：只看到基准或任务类型时，大部分潜在增益拿不到。 按基准事后挑选最佳候选只把82.60分抬到82.62分；在18个基准的能力树上，按107个能力叶子事后挑选最佳候选得77.89分，固定候选为77.03分，oracle为87.44分。 在RoboTwin上，按任务与场景条件事后挑选策略可回收18.4分差距中的23%；在GenEval2上，其余五个生成器各自在76–100个训练提示上比固定生成器高出两分以上，同时又在更多提示上落后。

一个在全部基准上同时训练的4B路由器，在16个基准上把分数从79.68分提到79.98分，并在候选互补的地方偏离固定候选。 固定候选按训练输入为每个基准选出最佳候选；能力树路由器用Qwen3.5-4B分类器预测157个叶子之一，再由训练输入拟合的全局表把叶子映射到候选。 叶子分类器准确率86–89%，但83–86%的输入仍被送往固定候选；提升集中在Terminal-Bench、VBench-2.0、OneIG与GDP.pdf，最大损失出现在AA-LCR；在GenEval2与Qwen-Image-Bench的31种路由器设计、124个配置中，没有一个以高于零的区间胜过固定生成器。

在机器人操作上，路由器读取三帧相机图像与机器人状态，按场景条件在策略之间切换，用更少的策略时间取得更高成功率。 ME-Dex在训练场景与测试场景上都是最佳单一策略，测试成功率70.45%，PatchWAM以63.65%居次；最佳策略在干净场景与域随机化场景之间发生翻转。 路由器把1,000个干净场景中的929个送给PatchWAM、把1,000个随机化场景中的842个送给ME-Dex，总体成功率71.55%对70.45%，每场景策略时间11.05秒对14.51秒，少24%。

结论建立在25个基准、452个候选配置、374,401次评分运行的轨迹矩阵上，测试比较使用19,814个所有候选都被评分的输入；机器人结果来自RoboTwin 2.0的2,000个测试场景，其中一半为干净场景、一半为域随机化场景，且来自路由器训练时未见过的10个任务。理论把状态分布视为给定，因此不覆盖依赖路由器自身先前选择的状态，例如包含模型先前代码的SciCode步骤；认证还需要参考策略在每个认证输入上的结果。

在11个文本、智能体与图像基准上，结果路由器与匹配的固定候选的差异落在噪声范围内；68类型路由器虽然准确率75%，却有93%的预测映射到与真实类型相同的候选，得分比固定候选低1.32分。在机器人上，获胜者标签分类器只达到42.8%成功率，而逐策略结果回归为71.6%，原因是延迟平局规则决定了94%的标签。图像生成中31种路由器设计、124个配置没有一个以高于零的区间胜过固定生成器，44个显著更差。