返回首页

ARC / Rayline ARC

x+web 0.93
访问原文

介绍

ARC / Rayline ARC 是 Rayline 于 2026 年 11 月 11 日宣布的路由决策模型。创始人 David Valerio Gilmore 在 宣布帖（2026-11-11T18:26:29Z）中写道：“Today, we’re introducing ARC by Rayline: the world’s first unified model for routing AI.” 官方把它称为 Adaptive Routing Controller：读取智能体已有的对话，为下一步选择哪个模型、使用多少推理量给出信号。产品页为 rayline.ai/arc，站点为 rayline.ai，技术报告为 ARC: Learned Model Routing for Long-Horizon Agentic Workflows，文档为 docs.rayline.ai/arc，权重在 huggingface.co/rayline-ai/ARC-1.0。

官方说明，ARC 把预测和政策分开：模型预测成功概率和 token 用量，由应用提供价格和策略，再在质量、成本与是否本地执行之间做权衡。更新价格不必在模型和部署配置不变时重新训练这些预测头。模型卡片列出的信号包括：各模型完成任务的预测成功概率、未缓存输入 / 缓存读写 / 输出的用量估计、同一模型内不同推理设置的收益与成本比较、输入中的 PII 检测、请求操作与领域的分类，以及可自定义问题与选项的通用问题头（例如“这条请求是否需要更强的模型？”）。

使用方式上，官方提供两条路径。Generation API：由 Rayline 完成路由并生成回复；Routes API：只返回路由结果，由你在自己的推理端点上执行。Generation API 的预置策略来自同一路由模型：官方在后续帖中写到，ARC Sage 更看重高要求任务的质量，ARC Swift 更看重日常任务的效率，二者都按模型那样收取固定的输入、输出和缓存价格；ARC Dynamic 可自行调节质量/成本权衡，按被选中模型的推理价格计费，官方称加成为 0%。Hugging Face 模型卡片给出效用公式 Utility = V × predicted success − expected cost，其中 Sage 的 V = 4.5，Swift 的 V = 0.1，另有 prefer-local 策略：本地模型达到设定的预测成功阈值就走本地，否则回退。官方称可把 ARC 当作可替换模型，用在 Claude Code、OpenCode、Cursor、OpenClaw 等智能体工具中。

关于模型本身，官方后续帖写到：ARC 专门为多轮对话中的路由而训练，会利用已有对话、可用算力和已缓存上下文，选择下一个模型与推理级别，也可以换模型、调整推理量、继续用当前模型，或在同一次会话里混用云端与本地模型；官方会随新模型发布更新 ARC。路由模型为 8 亿参数，可本地运行，权重以 Apache 2.0 开放，基于 Qwen3.5-0.8B 微调。本轮扫描时，Hugging Face 上的 rayline-ai/ARC-1.0 为公开仓库。文档的 Availability 页仍把“模型权重与针对各模型的自托管说明”列为即将提供，引用时请以模型卡片和该页的最新状态为准。

质量与成本数字全部来自官方材料，不是本站独立评测。宣布帖写的是“97.5% of Opus 5.5 quality”和“Up to 1/10th of the cost”。技术报告与模型卡片写到，在其混合端云配置下，于六项基准上保留 Opus 5.5 质量的 97.5%，成本低 92.9%；该配置使用 DeepSeek V4.1 Flash 与多机 DGX Spark，prefer-local 阈值为 0.85。官网首页同时展示另一组对照：质量 97.4%，ARC 成本为 14.3%，ARC + local 为 7.1%。模型卡片还给出若干分项例子（均为官方数字）：在 DeepSWE 上，Opus 5.5 成功率为 69.9%、ARC Sage 为 68.7%、相对成本为 7%；在 Terminal-Bench 2.1 上，Opus 5.5 为 91.0%、ARC Sage 为 92.4%、相对成本为 58%。

要点：

解释

为什么值得关注

这是 Rayline 创始人在 2026 年 11 月 11 日用官方账号宣布的正式产品名，并配有产品页、技术报告、文档和公开的 Hugging Face 权重，不是传闻。它要解决的是智能体工作流里“每一步都用最贵前沿模型”的路由问题，并给出可本地运行的 8 亿参数开源路由模型，以及托管的 Generation / Routes API。对跟踪模型路由、智能体成本和开放权重决策模型的人来说，这是一个可以单独建条的新名字。上一轮 04:32 扫描未收录该宣布，本轮补入。

本页只复述官方公开材料。宣布帖中的“世界上第一个”、97.5% 质量与最高降至约十分之一成本，以及报告、模型卡片和首页上不完全相同的对照数字，都来自官方，本页不作独立评测。

局限

质量与成本数字是官方在其选定基准、模型池和混合端云配置下的自报结果，首页与报告上的对照数字并不完全一致。文档 Availability 页把部分自托管说明列为即将提供；请以官方文档和模型卡片的最新状态为准。不要把本词条写成已在所有智能体工具里默认可用，或把官方广告语当成第三方评测结论。

用法

  1. 阅读产品页 https://rayline.ai/arc ，并对照站点 https://rayline.ai/ 、技术报告 https://rayline.ai/research/report 、文档 https://docs.rayline.ai/arc 、权重 https://huggingface.co/rayline-ai/ARC-1.0 ，以及宣布帖 https://x.com/davidvgilmore/status/2120583960447029699 ；
  2. 按官方说明选择 Generation API（预置 ARC Sage / ARC Swift，或可调的 ARC Dynamic）或 Routes API（自行执行推理）；自托管请以模型卡片和文档 Availability 页的最新说明为准；
  3. 引用 97.5% 质量、成本下降幅度、“世界上第一个”或分项基准数字时，请写明来源是 2026-11-11 官方宣布帖、技术报告、官网或模型卡片，并再对一次上游；注意首页与报告上的对照数字并不完全相同；
  4. 不要把 ARC / Rayline ARC 写成某一家前沿模型的新版本，或与其他也叫 ARC 的项目混为一谈；本页只复述官方材料，对外引用前请再对一次上游。

广告