Fireworks AI发布FireRouter，编码成本降57%

摘要：Fireworks AI于9月28日发布FireRouter with Opus，宣称是市场首个缓存感知路由器。经一个多月内部A/B测试，其编码任务准确率达单独使用Opus的98.1%，每会话成本从15.36美元降至6.63美元，降幅57%。路由池包含Claude Opus 5.5、GLM 5.3等，并支持Claude Code、Codex、Cursor工具链。

9月28日，Fireworks AI 正式发布 FireRouter with Opus，官方称其为市场首个缓存感知路由器，针对 Claude Opus 系列优化，并首次以独立路由模型形式作为 serverless 端点开放。经过一个多月内部 A/B 测试，该方案执行编码任务的准确率达到单独使用 Opus 的 98.1%，而成本降低 57%。

核心逻辑：按任务评估，在质量与成本间动态取舍

FireRouter 的核心逻辑是，在每次用户轮次中，评估模型集合中每个模型对当前任务的适合程度，估算每个模型的处理成本（包括提示缓存成本），并权衡切换模型带来的节省与丢失缓存是否值得，最终将请求路由到质量与成本之间取得最佳平衡的模型。

从路由思路上看，常规轮次交给开源模型处理，复杂轮次保留 Claude Opus 5.5，以质量换成本。官方同时公布缓存命中率数据：FireRouter 方案为 94.2%，低于单独使用 Opus 的 97.8%，属于有意取舍。

一个多月内部 A/B 测试：具体数据一览

据 Fireworks AI 官方博客，内部 A/B 测试持续一个多月。在评分轮次中，FireRouter 准确率为 78.7%，对比单独使用 Opus 的 80.2%，损失约 1.5 个百分点；每会话成本从 15.36 美元降至 6.63 美元，降幅 57%。

需要说明的是，上述准确率与成本数据均来自 Fireworks AI 自我报告的内部测试，截至搜索时尚未找到第三方独立验证或媒体实测。

模型路由池与工具链支持

目前路由池包含 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash，官方表示将随新模型发布持续调整。该方案已支持 Claude Code、Codex、Cursor IDE 等工具链，开发者通过 fireconnect login 与 fireconnect claude --model firerouter/opus 两行命令即可接入。对于希望进一步丰富 Claude 编码体验的开发者，UpClaude、claude-mem 等周边工具及 Claude Plugins & Codex Plugins 目录 可作为参考。

作者观点：路由策略值得关注，数据仍有待第三方验证

在笔者看来，模型路由并非新概念，但把提示缓存纳入路由决策，并以独立模型形态开放 serverless 端点，是 Fireworks AI 在降本方向上的一次具体尝试。该公司近期连续发文强调路由器策略，可见模型路由是其当前主推方向。不过需再次提醒，98.1% 准确率与 57% 成本降幅均出自厂商内部测试，官方博客之外暂无独立媒体实测，相关结论仍有待更多验证。

参考资料

1. Introducing FireRouter with Opus - Fireworks AI
2. Fireworks - Blog - Fireworks AI