Rayline meluncurkan ARC, model berbobot terbuka yang mengarahkan langkah agen ke model-model berbeda

Rayline, yang didirikan David Gilmore, telah merilis ARC, yang disebutnya sebagai model terpadu untuk perutean AI. Pada setiap langkah kerja agen, ARC memilih model dan tingkat penalaran yang akan digunakan berdasarkan percakapan sejauh ini, komputasi yang tersedia, dan konteks yang tersimpan dalam cache. ARC dapat beralih model, mengubah tingkat penalaran, atau tetap menggunakan pilihan yang sama, serta memadukan model cloud dan lokal dalam satu sesi.

Rayline mengklaim ARC mencapai 97,5% kualitas Claude Opus 5.5 dengan biaya hingga sepersepuluhnya. Dalam demo Hermes, perusahaan menyebut bahwa tugas yang sama menggunakan 49% lebih sedikit token dibandingkan menjalankan Opus 5.5 pada setiap langkah. Ringkasan laporan teknisnya menyebut DeepSWE meraih skor 68,7%, dibandingkan 69,9% untuk Opus 5.5, dengan biaya per tugas sebesar 7% dari biaya Opus 5.5. Angka-angka ini berasal dari Rayline.

Model perutean dengan 800 juta parameter ini berbobot terbuka di bawah Apache 2.0 di Hugging Face (rayline-ai/ARC-1.0) dan dapat dijalankan secara lokal. Rayline menawarkannya melalui tiga cara:

• Generation API: Rayline menangani perutean dan pembuatan keluaran. Preset ARC Sage mengutamakan kualitas, sedangkan ARC Swift mengutamakan efisiensi; harga masing-masing mengikuti harga sebuah model. ARC Dynamic memungkinkan Anda mengatur kompromi antara biaya dan kualitas, dengan tarif sesuai model yang dipilih tanpa markup. Fitur ini dapat digunakan sebagai model pengganti langsung di Claude Code, OpenCode, Cursor, OpenClaw, dan kerangka kerja agen lainnya.
• Routes API: mengembalikan model dan tingkat penalaran, lalu aplikasi menjalankan inferensi di infrastrukturnya sendiri.
• Decisions API: mengembalikan pilihan, probabilitas, dan skor untuk masukan apa pun, yang dapat digunakan untuk menjalankan kebijakan perutean, membatasi panggilan yang mahal, atau memprioritaskan antrean.