Paul и Nandy представили AgentRouter — классификатор на 12M параметров, который на каждом шаге решает, какая модель нужна. Результат: 72% экономии и деградация качества менее 3%. Главное: • 91% точности на задачах минимальной сложности • 85% — на задачах категории efficient • 76–82% — на mid-range и frontier-шагах • <5 мс накладных расходов на A100 • 50 000 размеченных шагов в обучающей выборке На сложных шагах маршрутизация ошибается чаще — это может бросить задачу на слишком дорогую или слишком слабую модель. Охвачены только четыре домена: планирование, код, исследования, анализ данных. Что это значит: если enterprise-агенты сейчас тратят 60–80% inference-бюджета впустую, AgentRouter даёт способ перестать это делать. Без замены самих моделей — просто за счёт правильного выбора на каждом шаге.