针对高频使用 Claude 等 SOTA 模型成本高昂的问题，有开发者基于 Mixture-of-Agents 论文，在 Cloudflare Workers 上发布了一套开源的多模型编排系统。该系统并非简单拼接结果，而是通过“提案-评判-聚合”的四层架构，将多个边缘或低价模型组队协作，引入“判官”角色进行交叉审稿、共识修正及冲突分析。实测显示，利用 Kimi、DeepSeek 等模型组合，在 DRACO 深度研究基准上得分逼近 Claude Fable 5，且单任务成本降低约 50%。项目兼容 Anthropic Messages API 及 MCP 协议，允许开发者灵活替换底层模型供应商与路由策略。
事件分析
该项目标志着 AI 应用开发正从依赖单一“超级模型”向多模型协作编排转变。技术上，MoA 架构将复杂的推理任务解耦为并行提案与二次审稿，通过引入冲突检测机制，有效弥补了单个轻量级模型在逻辑严密性和事实准确性上的短板。产业层面，这种模式打破了顶尖模型的能力垄断，证明通过工程化手段整合多源算力，可以在大幅降低推理成本的同时维持高性能，为解决大模型落地成本难题提供了可行的替代路径，预示着未来 AI 基础设施将更加注重工作流的优化与模型的组合管理。
💡 核心观点：大模型的竞争终将从单体算力的“大力出奇迹”转向多模型协作的工程化编排能力。
原文链接：V2EX 分享发现
