モデル選択の自動化は、誰の振る舞いを読むかで決まる

Cursor公式サイトのトップページ（2026年9月12日取得）。フッターの著作権表示は「© 2026 Anysphere, Inc.」で、本文に「Trusted by over half of the Fortune 500 to accelerate development, securely and at scale.」とある。同社が自分で掲げる数字であり、外部の検証は無い。製品の立ち位置（開発元と採用の規模）を示すためだけに引く。https://cursor.com/ ↩

OpenRouter公式サイトのトップページとAboutページ（2026年9月12日取得）。トップページの見出し帯に「400T+ Monthly Tokens」「10M+ Global Users」「80+ Providers」「500+ Models」とあり、フッターの著作権表示は「© 2026 OpenRouter, Inc」。Aboutページは「Started in early 2023 as the first LLM marketplace, OpenRouter has grown to become the largest and most popular AI gateway.」と書く。「largest and most popular」は同社の自己評価で本稿は採らない。数字も同社が自分で掲げるものであり、外部の検証は無い。製品の立ち位置（運営元・開始時期・扱う規模）を示すためだけに引く。https://openrouter.ai/ https://openrouter.ai/about ↩

Cursor, “How Cursor Router works”（2026年8月6日公開、著者Connor O’Keefe・Yuri Volkov）。この記事は設計の考え方を「Cursor Routerは、モデル選択はベンチマークの点数から推し量るのではなく、実際の開発者の仕事でモデルがどう働くかから学ぶべきだ、という考えの上に作られている」と書く。第一段階のCompassが直接予測するのは複雑さではなく、その依頼への応答に利用者が満足するかどうかであり、著者はその予測を複雑さの代わりに使う理由を「利用者はコミットのような単純な作業のあとに訂正を求めることはまれで、作業が複雑であるほど追加の依頼を出す可能性が高い」からだとする。訓練の性能信号は利用者の次の一手（先へ進む＝強い正、訂正を求める＝強い負）から起こし、数十万ターンの記録が材料である。著者は本番でCompassを検証し、もっとも成功しそうだと判定したターンは96%が、もっとも成功しそうにないと判定したターンは71%が良い結果の信号を受け取ったと報告する。Compassはターンごとに0から1の点数を付け、著者が示す式では点数が閾値以上の依頼が価格を抑えたモデルへ、未満の依頼が強みで割り当てる次の段階へ回る。冒頭でAuto IntelligenceはFable比で68%、Auto BalanceはOpus 4.8比で41%低い費用で、いずれも満足度で上回ると書く（比較相手はそれぞれFableとOpus 4.8）。検証は二段階で、交差検証と検証用に取り分けた集合でのオフライン評価のあと、「オフラインの分析だけでは、方針が本番でどう振る舞うかを完全には捉えられない」「実際の開発者のトラフィックが、もっとも代表性のある試験であり続ける」として、方針を本番のトラフィックで試したと書く。いずれもCursor自身が自社のトラフィックで計測した値であり、外部の読者が同じ条件を再現して確かめることはできない。https://cursor.com/blog/how-cursor-router-works 先行する告知記事、Cursor, “Cursor Router”（2026年7月22日公開、署名はCursor Team。この記事に上記2名の名前はない）が、ルータを出す前の状態を「Cursorを使う開発者のおよそ60%が一つのモデルを日常の主力に選んでいる。その結果、定型の仕事がフロンティアの価格で処理され、AIへの支出が成果の質よりはるかに速く伸びる」と書く。同記事は、報告する節約率に、モデルを切り替えたときのキャッシュ失効の費用を含めているとも述べる。（2026年9月12日取得・HTTP 200）https://cursor.com/blog/router ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

OpenRouter, “Model Routing Powered by Wisdom of the Market”（2026年8月10日公開、著者はOpenRouterとして表記され個人名はない）。設計の考え方を冒頭で「市場の美点は、大きく多様な、独立した個人からなる集団が、どんな単独の専門家よりも良い判断と決定を集合的に下すという型にある」と述べ、この集合知を分かち合うことを新しいAutoルータの狙いに置く。ルータは依頼をおよそ30種類の細かい仕事の種類に分け、その種類で直近7日間にコミュニティが実際に支出した額の順にモデルを並べる。信号の規模はOpenRouter上の週あたり55兆を超えるトークン支出に基づくとし、7日という窓については、これを参照していれば新しいモデルが出てもつねに最新でいられるとする。「利用者があるモデルから別のモデルへ作業を移すと、ルータは数日のうちにそれへ追随する」とも書き、この順位は公開の順位表（model rankings by task spend）と同じデータであると明記する。公開前の検証としてMMLU Pro・τ³-bench Banking・WideSearch・DSQA・SWE-Atlas QnAの五つのベンチマークで旧ルータと比べ、既定の水準で性能を保ったまま費用を下げられているかを確かめたが、結果は「大半の領域で」であり、表ではMMLU Proの性能が85.2%対86.6%と1.4ポイント低く、DSQAの費用が276.00ドル対147.11ドルと旧ルータの1.9倍になっている（同じ行の性能は62.9%対43.2%で新ルータが19.7ポイント高い）。著者は例外を「旧ルータが現代の低価格モデルに劣っていた領域」と説明する。著者は限界を「これらの結果はある時点を切り取ったものであり、コミュニティの好みが変われば移り変わる」と書く。（2026年9月12日取得・HTTP 200）https://openrouter.ai/blog/announcements/introducing-the-new-auto-router/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

Cursor, “Cursor Router” ドキュメントページ（本稿が引く7月22日・8月6日の両記事が末尾でリンクする頁）。チーム設定のUnderlying modelで、Autoがどのモデルへ回したかを各応答の冒頭に表示するか隠すかを管理者が選ぶ。「非表示が既定であり推奨でもある。結果がモデル名ではなくそれ自体の良し悪しで判断されるようにするためだ」とし、Balance・Intelligenceの両モードに適用されると書く。「どのモデルが依頼を処理するかを手で選ぶことはできず、モデルの顔ぶれは新しいモデルが出るにつれて変わる」とも書く。Compassの点数や分類の結果を呼び出し側へ返す仕組みは、この頁に書かれていない。（2026年9月12日取得・HTTP 200）https://cursor.com/docs/cursor-router ↩

OpenRouter, “Auto Router” ドキュメントページ。設計の意図を語る発表記事とは別に、使う側が踏まえるべき挙動を記す。仕事の種類ごとの支出占有率を「生きた信号」と呼び、利用者が作業を新しいモデルへ移せばルータは数日のうちに追随し、そこに再訓練も手作業の選定も要らないと書く。費用の水準は安い順にlow・medium・high・xhigh・maxの五段階で、費用設定なしの依頼は「およそlowの帯を指定したのと同じように」扱われる。ここで「一つの水準は上限ではなく帯であり、その帯より安いモデルも上のモデルも同じく除かれる」と明記しており、水準を上げれば選べる幅が上へ広がるだけ、という読み方は成り立たない。分類やランキングが使えないときは既定のモデル集合へ落として応答を返し、ルーティングの仕組みの不調そのものでリクエストが失敗することはないとも書く。（2026年9月12日取得・HTTP 200）https://openrouter.ai/docs/guides/routing/routers/auto-router ↩ ↩²