像餐厅按菜的难度分配厨师：简单菜交给便宜人手，难菜才请主厨。动态 LLM 路由器也是这个思路——它根据每次提问临时挑选语言模型，希望少花推理成本，也就是模型生成答案所消耗的计算与费用，同时不牺牲质量。
但这项研究评测六种商业路由器、14 种设置，并在涵盖八类任务的 800 道评测题上统一计算成本与准确率。作者发现，没有一种路由器胜过“在两个选得好的模型之间随机分配”的简单方案；比较时双方成本相当，部分路由器的准确率还低了超过 10 个百分点。
反直觉之处在于，常用评分方式可能正鼓励路由器“选错”：最难的问题往往连强模型也答不好，升级模型带来的分数收益有限；短答案升级起来更便宜，于是系统反而偏爱把更强模型派给答案短、未必更难的问题。作者还发现，两三个模型已能接近大模型名单的最佳准确率。换句话说，模型选得合适后，留给动态调度发挥的空间可能本来就很小；这些结论来自论文作者的统一评测。