Rayline 推出 ARC：一款在不同模型间路由智能体步骤的开放权重模型

Rayline 由 David Gilmore 创立，现已发布 ARC，并称其为统一的 AI 路由模型。对于智能体工作的每一步，ARC 都会根据截至目前的对话、可用算力和缓存上下文，选择模型以及思考深度。它可以切换模型、调整推理级别或保持不变，也可以在同一会话中混用云端和本地模型。

Rayline 声称，ARC 的质量可达到 Claude Opus 5.5 的 97.5%，成本最高可降低至十分之一。在 Hermes 演示中，Rayline 表示，与每一步都运行 Opus 5.5 相比，完成同一任务的 token 数减少了 49%。其技术报告摘要称，DeepSWE 的表现为 68.7%，Opus 5.5 为 69.9%，而每项任务的成本仅为后者的 7%。这些数据均来自 Rayline。

这款 8 亿参数的路由模型以 Apache 2.0 许可在 Hugging Face 上开放权重（rayline-ai/ARC-1.0），并可在本地运行。Rayline 提供三种使用方式：

• Generation API：由 Rayline 负责路由和生成。ARC Sage 预设侧重质量，ARC Swift 侧重效率，两者均按模型定价。ARC Dynamic 可让你调整成本与质量之间的取舍，并按所选模型的费率收费，不加价。它可作为即插即用模型，用于 Claude Code、OpenCode、Cursor、OpenClaw 及其他智能体框架。
• Routes API：返回模型和推理级别，由应用在自己的基础设施上调用模型进行推理。
• Decisions API：为任意输入返回选项、概率和评分，可用于构建路由策略、限制高成本调用或调整队列优先级。