AI编程工具Cursor近期推出了一款模型路由器，能够将每一个编程请求自动分配给最适合处理它的模型，从而避免为不需要顶级算力的任务支付高昂的前沿模型费用。
Cursor Router的核心机制类似医院急诊室的分诊系统：它会分析请求的实际需求——难度级别、用途类型以及上下文代码——然后匹配最合适的模型。简单修复任务交由低成本模型处理，真正复杂的问题则会被升级至接近前沿水准的模型。此外，开发者和管理员还可以在三种模式之间切换，分别侧重速度与成本、或更强的原始算力。
Cursor现场CTO潘大卫在社交媒体上阐述了推出该功能的理由："我们一度失去理性，认为每位软件工程师都应该精通模型基准测试、推理层级和缓存命中率。"他认为，开发者不应该为了写代码而成为模型性能专家。
PlanetScale软件工程师Fatih Arslan对此表示认同，他指出工程师目前已在手动权衡成本与能力之间的取舍——日常工作默认使用便宜快速的模型，遇到"重要任务"才切换到昂贵的慢速模型，"为什么不把这个过程自动化？Cursor Router正是做了这件事。"
Cursor在博客文章中透露，早期用户与全程使用Opus 4.8相比节省了30%至50%的成本，且输出质量没有下降。
此次发布是Cursor持续掌控自身AI技术栈的最新举措。今年5月，该公司发布了Composer 2.5——基于中国月之暗面旗下开源模型Kimi K2.5构建的内部编程模型，其成本低于Anthropic和OpenAI的前沿产品。如今在SpaceX（今年6月上市，市值已达1.5万亿美元）的支持下，Cursor也在打造自己的前沿模型。
7月8日，Cursor与SpaceX AI联合发布了Grok 4.5——一个基于名为V9新架构构建的混合专家模型，马斯克此前披露其参数规模约为1.5万亿。该模型基于大量真实Cursor使用数据训练而成，向所有Cursor用户开放，定价为每百万输入Token 2美元、每百万输出Token 6美元。
有了Composer负责低成本快速任务，加上Grok品牌的前沿模型处理高强度需求，Cursor已将自研模型纳入其供应体系。建立路由器的逻辑也由此清晰：大多数开发者会选定一个模型一用到底，哪怕是把简单任务也按前沿价格计费。把所有请求都引导至自家模型虽然省事，却意味着在某些任务上交付质量打折，因此Router的策略是将每个请求发送给真正适合它的模型，无论是否为自家产品。
模型路由本身并非新鲜事物。OpenRouter自2023年起已提供类似服务——一个统一API对接逾60家供应商的400多个模型，其自动路由功能与Cursor Router的逻辑相似：判断请求类型，再根据用户在成本与质量之间的偏好发送至合适的模型。OpenRouter还推出了Fusion功能，将提示词同时发送给多个模型，再由一个裁判模型综合各方结果给出最优答案。
今年6月，日本Sakana AI发布了Fugu，其思路略有不同：将单一任务拆解为多个子任务，分别路由至不同模型，旨在降低对单一AI供应商的依赖。
Nethermind AI产品负责人Kirill Balakhonov认为，Cursor的版本之所以成功，正在于其专注于编程这一垂直领域，而非试图成为通用路由器。"这是技术创新直接转化为产品改进的绝佳案例……而非像Sakana Fugu或OpenRouter Fusion那样的抽象概念。"他预测后两者的路由尝试最终将走向没落。
与此同时，更多大型玩家正在入场。7月初，微软成立了一支规模达25亿美元的服务部门——微软前沿公司，派遣数千名工程师驻场客户，协助其构建多模型AI应用。微软商业业务CEO贾德森·奥尔托夫坦言，推出多模型策略的部分原因在于看到DeepSeek和谷歌Gemini正在缩小与OpenAI的差距，并承认"我们犯了一个错误，把Copilot只绑定在OpenAI模型上。"
就在本周，Ramp——估值440亿美元的企业支出管理平台——开放了Ramp Router的早期访问版本。该路由器最初是Ramp为控制自身AI账单而内部构建的，据称将大语言模型成本降低了约30%。它面向公众免费开放，无需Ramp账户，可通过兼容OpenAI的接口在OpenAI、Gemini及包括Kimi在内的部分开源模型之间进行路由。
同日，据The Information报道，Meta也在开发一款模型路由器。据内部文件显示，Meta旗下孵化器AAI Labs正在开发一款名为Switchboard的产品，将按难度对请求评分并将较简单的请求分配至更小、更廉价的模型，初期目标是削减Meta自身的AI智能体运营成本，未来或将对外公开发布。
Meta有充分理由推进这一项目。Runpod今年3月发布的《AI现状报告》显示，Meta的开源Llama模型在生产环境中的存在感已大幅萎缩：Llama 4的实际部署量接近于零，阿里巴巴的Qwen已超越它成为部署最广泛的自托管大语言模型。
Meta也在大力发展自有专有模型。今年4月，其新成立的Meta超级智能实验室推出了首款模型Muse Spark；7月，Muse Spark 1.1发布，这是Meta首个提供公开付费API的模型，定价约为OpenAI和Anthropic同类产品的四分之一。
Meta正积极向现有头部厂商发起冲击，而Switchboard正符合同一逻辑：让用户更容易降低成本、灵活切换模型，并在合适时机将请求引导至Meta自家模型。
然而，在模型路由热潮之下，一个更根本的问题或许值得关注：路由决策本身——即决定哪个模型处理哪类请求的逻辑——是否适合被封装在某个厂商的封闭产品中？
DAIR.AI联合创始人、Meta AI前技术产品营销经理Elvis Saravia在社交媒体上对此提出质疑，认为这一决策不应被外包给API，因为不同团队在成本与质量之间的权衡各不相同。"有没有人在做开源版本？这种事感觉不该外包给API。我们各自面临不同的取舍，所以需要实现自定义路由的能力。"
目前，Cursor Router仅面向Teams和Enterprise用户开放，支持桌面端、Web端、iOS、命令行及Cursor SDK，暂不清楚是否会在未来向个人用户推出。
Q&A
Q1：Cursor Router是如何决定将请求发送给哪个模型的？
A：Cursor Router采用类似医院急诊室分诊的机制，会分析每个请求的难度、用途和上下文代码，然后匹配最合适的模型。简单任务交由低成本模型处理，复杂问题则升级至前沿模型。开发者还可通过三种模式手动调整偏好，在速度/成本与性能之间灵活切换。早期用户数据显示，使用路由器后成本降低了30%至50%，且输出质量没有下降。
Q2：Ramp Router和Cursor Router有什么区别？
A：两者逻辑相似，都是按任务难度将请求路由至不同模型以降低成本，但定位不同。Cursor Router专为编程场景设计，集成了Cursor自研模型（Composer 2.5和Grok 4.5）；Ramp Router则源于企业财务平台Ramp内部降本实践，支持OpenAI、Gemini及Kimi等开源模型，向公众免费开放且无需Ramp账户，据称帮助Ramp将大语言模型成本降低约30%。
Q3：Meta的Switchboard项目进展如何？会对外开放吗？
A：根据The Information的报道，Meta内部孵化器AAI Labs正在开发Switchboard，核心功能是对请求按难度评分，将简单请求路由至更小、更便宜的模型，初期目标是降低Meta自身AI智能体的运营成本。目前该产品尚处于内部研发阶段，据报道未来存在对外公开发布的可能性，但具体时间表尚未披露。
