结论：路由机制可行，生产经济不可结算。模型路由和 adaptive thinking 已证明能按任务差异分配资源；但公开证据没有给出生产混淆矩阵、错误路由后的重试/事故成本与每成功任务全成本。Q2 总判断维持 68%，经济瓶颈维持 78%。
四类证据
RouteLLM 用偏好数据在强弱模型之间动态选择；论文报告某些测试中，在不牺牲回答质量的条件下成本降低超过 2 倍，并观察到更换强弱模型后的迁移能力。它证明路由器可以学，不证明生产分布漂移下仍然校准。
FrugalGPT · 级联潜力成立FrugalGPT 在其数据集与当时价格条件下，报告最多 98% 成本下降而匹配最佳单模型，或在相同成本下比 GPT-4 高 4% 准确率。结果高度依赖任务集、评分器、模型组合和历史价格，不能直接外推到当前生产系统。
厂商机制 · 自适应已产品化Anthropic adaptive thinking 让模型按请求复杂度决定是否思考及思考量；OpenAI reasoning effort 也允许低到高的推理强度，并说明模型会对简单任务少用 token、复杂任务多思考。机制可用，不等于难度判断准确率已公开。
关键缺口 · 误判账本缺失没有公开材料同时披露：简单/困难任务真值、路由选择、假阴性与假阳性、质量损失、额外延迟、重试、人工接管、线上事故和每成功任务全成本。
两类误判必须分开
- 假阴性：困难任务被送到弱模型或低推理预算。表面省 token，可能增加错误、返工、人工复核与事故损失。
- 假阳性：简单任务被送到强模型或高推理预算。质量可能不变，却增加延迟和账单。
判断修正
022 的“按题目分配算力”从研究策略升级为可产品化机制，但经济结论仍不能升级。真正的优化目标不是平均 token 最少，而是在质量门槛和失败损失约束下，让每成功任务全成本最低。路由器本身还会引入分类、监控、回退和校准成本。
唯一允许改变判断的数据包
至少三个连续运行的真实流程，按任务类别公开路由混淆矩阵、质量门槛、P50/P95 延迟、token/费用、重试、接管、事故损失和每成功任务全成本，并与固定高推理基线对照。只有总体成本下降且假阴性风险不恶化，经济瓶颈才允许下调。