平替 Claude？开源 MoA 编排方案用边缘模型实现顶级推理能力

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

💡 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。