国产开源模型越多，模型路由的机会越大

国产开源模型越多，模型本身越容易商品化；模型越商品化，价值就越向Routing、Eval、Workflow和算力调度层转移。

中国大模型市场有一个非常鲜明的特征：模型越来越多，能力越来越接近，价格越来越低，而且相当一部分模型采用开放权重或开源路线。

这就带来了一个看似矛盾的结果。

一方面，开发者拥有了前所未有的选择权；另一方面，企业选择模型的难度反而越来越高：

面对DeepSeek、Qwen、GLM、Kimi、MiniMax等模型，企业不仅要判断哪个模型能力更强，还要考虑价格、速度、上下文长度、工具调用、数据安全和服务稳定性。

而且，当同一个开源模型还能由不同云厂商、推理平台和企业自建集群部署时，问题就变得更加复杂。

因此，我的判断是：

国产开源模型越多，模型本身越容易商品化；模型越商品化，价值就越向Routing、Eval、Workflow和算力调度层转移。

中国真正值得关注的机会，可能不是再做一个模型，而是建立一套能够决定“任务交给哪个模型、在哪里运行、花多少钱、失败后怎么办”的智能调度系统。

开源改变了产业结构

在闭源模型时代，模型和推理服务通常绑定在一起。

使用Claude，基本意味着使用Anthropic提供的服务；使用GPT，也通常意味着通过OpenAI或者其云合作伙伴调用。模型能力和服务能力虽然不是完全相同的概念，但在产品层面很难真正分开。

开源模型改变了这种结构。

一套Qwen或者DeepSeek模型权重，可以由模型厂商自己提供API，也可以部署在阿里云、火山引擎等云平台上，还可以交给第三方推理平台运行，甚至直接部署在企业自己的GPU集群中。

于是，一次模型调用实际上包含了至少三个决策：

第一，选择哪个模型。是使用DeepSeek、Qwen、GLM，还是其他模型？

第二，选择哪个版本。是Thinking、Instruct、Coder，还是长上下文或量化版本？

第三，选择在哪里运行。是调用官方API、公有云、第三方Provider，还是使用企业自己的算力？

开源并没有消除复杂性，而是把原本由模型厂商内部处理的复杂性释放到了市场中。

这正是Routing业务产生价值的地方。

Routing不只是选模型

很多人提到Model Routing时，会把它理解成一个简单的分类器：先判断用户在做什么，再把任务分配给合适的模型。

例如，代码任务交给Coder模型，普通问答交给小模型，复杂推理交给大模型。

但真正的Routing远比这复杂。它至少包含Model Routing、Provider Routing、Hybrid Routing和Eval-based Routing四个层次：

• Model Routing解决的是“使用哪个模型”。

• Provider Routing解决的是“同一个模型由哪个服务商运行”。

• Hybrid Routing解决的是“公有API、私有集群和本地模型之间如何分配任务”。

• Eval-based Routing解决的则是“如何根据真实执行结果持续改进路由策略”。

这四层结合起来，Routing才不只是一个模型选择器，而是企业AI工作负载的控制平面。

Provider Routing先落地

在中国市场，最容易落地和商业化的可能不是Model Routing，而是Provider Routing。