开源模型路由与后训练：兼顾准确、快速与低成本的AI系统构建路径
TL;DR · AI 摘要
对开源模型进行路由与后训练能显著提升AI系统的准确性、速度和成本效益。Harvey与Fireworks AI的实测表明，采用GLM 5.1作为主Worker并选择性调用前沿模型的混合架构，在法律领域实现了质量与成本的双重优化，证明开源微调加智能路由是替代纯前沿模型的高性价比工程路径。
核心要点
- Harvey实测显示混合法律Agent在质量和成本上均优于单一前沿模型。
- 采用GLM 5.1为主Worker并选择性路由至前沿Advisor可平衡性能与开销。
- 开源模型后训练结合路由机制能同时提升系统速度、隐私和控制力。
结构提纲
按章节快速跳转。
对开源模型实施路由和后训练不仅提高准确性，还能显著降低延迟与成本并增强数据隐私控制。
Harvey联合Fireworks AI构建混合Agent，以GLM 5.1处理常规任务并仅在必要时调用前沿模型。
测试结果表明该混合架构在法律专业任务中的质量超越纯前沿模型且运营成本更低。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- 开源模型路由与后训练
- 核心收益
- 更高准确性
- 更低成本与延迟
- 增强隐私与控制
- Harvey实践案例
- GLM 5.1主Worker
- 选择性路由前沿Advisor
- 法律领域质量成本双优
金句 / Highlights
值得收藏与分享的关键句。
对开源模型进行路由和后训练，不仅能获得更准确的系统，还能显著提速降本。
通过选择性路由至前沿顾问模型，混合型法律Agent在质量和成本上均可击败前沿模型。
我们测试了一种混合架构，其中GLM 5.1作为主要执行模型。
标题：clem 🤗 在 X 上表示：“对开源模型进行路由和后训练，不仅能提升系统准确性，还能显著提高速度并降低成本——这正是目前许多公司正在验证的事实（此外还能增强控制力和隐私保护）。认为‘前沿’模型（所谓前沿我们” / X
URL 来源：https://x.com/ClementDelangue/status/2062248714945630632
发布时间：2026年6月5日 星期五 05:21:15 GMT
Markdown 内容： 不要错过最新动态
对开源模型进行路由和后训练，不仅能提升系统准确性，还能显著提高速度并降低成本——这正是目前许多公司正在验证的事实（此外还能增强控制力和隐私保护）。认为“前沿”模型（所谓前沿我们
引用
Harvey
@harvey
6月3日
我们与 @FireworksAI_HQ 合作，针对法律领域训练了开源模型。以下是我们的发现：1）通过选择性地将任务路由给前沿模型作为顾问，混合型法律智能体在质量和成本上均可优于前沿模型。我们测试了一种混合架构，其中 GLM 5.1 作为主要工作模型，
