国产AI联手超越Claude和GPT，成本仅对手2%

如今大模型追求性能往往耗费巨资，Claude Opus或GPT等前沿模型虽好用但价格昂贵。近日，AI基础设施公司南芥智能发布技术报告，其推出的Mio 1.0 Lite在九项涵盖科学推理、业务自动化、工具调用、Agent能力等基准测试中排名第一，平均得分77.15，每次请求平均成本仅约0.062元，在参评方案中最低。

该方案将多款国产高性价比大模型集结协作，单打独斗时并非全能，调度协作后却爆发出远超高价单体模型的战斗力。评测比较了八款单体模型和四款路由产品，国际模型包括GPT-6.1 Sol和Claude Opus 5.5，国内包括Kimi K3、GLM 5.3、Qwen 3.8 Max、DeepSeek V4.1 Flash等，OpenRouter Auto Router及其Beta版、Jev Router和vLLM Router也参与竞技。

结果显示，Mio 1.0 Lite比单体模型最高分GPT-6.1 Sol高6.35分，平均成本暴降94.0%；比成本最低的Qwen 3.8 Flash得分高14分，成本还低16.4%。Claude Opus 5.5每次请求平均成本3.93元，约为Mio 1.0 Lite的六十余倍。Mio 1.0 Lite在AutomationBench、PinchBench、BFCL V3、IFBench和GPQA Diamond五项基准上取得最高分，成本比其他方案中得分最高者低73.7%至97.5%。BFCL V3中Mio 1.0 Lite得分77.50，第二名Claude Opus 5.5为66.00，前者单次成本约为后者四十分之一；IFBench中Mio 1.0 Lite得分92.00，第二名82.80。其余四项基准中，QwenClawBench和AA-OmniScience与第一名差距不到1个百分点，成本分别低95.1%和85.3%；MT-Bench满分10分，Mio 1.0 Lite低0.223分，成本低89.7%；Humanity's Last Exam低7.97个百分点，成本低97.5%。九项基准中，没有参评方案能在得分和成本两方面同时优于Mio 1.0 Lite。

报告首次系统提出“模型群体智能”方向，即理解、复用和协调不同开发者独立训练的模型所积累的能力，提升任务完成质量和资源利用效率。支撑协作的三个组件为：Model Eval负责能力评估，通过少量题目估计模型领域得分并推断其他领域表现；Mio负责模型组织与调度，维护精简、能力互补的候选模型池，根据任务进展和预算为每一步选择模型；Mos负责模型运行与调度，统一管理外部接口和自主部署模型，通过共享缓存提升分发效率，实验中模型文件读取速度最高提升23.3倍。

该理论可追溯至南京大学周志华教授十年前提出的“学件”范式，报告将其应用到大模型，为每个模型建立“能力画像”，并借鉴基于能力覆盖度的筛选方法保留具有独特优势的模型。报告指出，模型数量将持续增长、差异加大，评价模型将不仅看自身强弱，还要看其为群体带来什么，这有利于形成多元共存、分工协作的模型生态。