当下，AI大模型技术快速发展，银行在进行AI布局时也会部署多个厂商、不同参数或类别的模型。因此，在面对各项任务时如何选择合适的模型，也是一个问题。近期，平安银行自研的大模型路由算法在评测中取得较好成绩，受到关注。

平安银行自研大模型路由算法Paix2，已在数字员工“小派同学”应用落地

据媒体近日报道，平安银行自主研发的大模型路由算法Paix2近期登顶RouterArena，以77.63分位列第一。

《智探AI应用》获悉，截至9月24日下午，Paix2仍在榜首。

据悉，大模型路由的思路为，把现成的各个LLM当作“专家”，由一个Router先判断请求的难度与类型，再分发给合适的模型——简单问题走小而快的模型，复杂推理走旗舰模型，从而在效果、成本、延迟之间取得更好平衡。

但过去该领域缺乏统一标准：各家自搭模型池、自选用例和指标，“我比你高2%”往往无法直接比较。

RouterArena正是一个面向“大模型路由”的公开评测平台。它不测模型本身的能力，而是测“路由器”能否为每条提问挑到最合适、最划算的模型。该平台由美国莱斯大学（Rice University）计算机科学系团队推出，评测框架相关论文已被ICLR 2026收录。

RouterArena的做法是提供标准化数据集+统一评测框架+自动化接入流程，让不同方案能在同一套规则下打分。

在银行加速AI大模型布局的当下，行内一般部署了多个大模型。毕竟“一个大模型通吃”，既存在算力浪费的情况，也可能增加相关成本或影响体验等。为了更好地让各个大模型完成对应的任务，大模型路由的重要性凸显。

据介绍，Paix2的优势在于几个方面。一方面，准确率较高：在同样的测评框架下，Paix2的准确率为79.7%，与榜单上准确率最高的算法相差0.07个百分点；另一方面，调用成本较低：每千次查询成本为0.27美元，较榜单上准确率最高的算法降低约61%。

此外，Paix2的最优模型选择得分为89.67，最优准确率得分100。这表明，在不同任务之下，Paix2可较好地匹配合适的模型。

在此次RouterArena评测中，Paix2配置了4个候选模型，为MiniMax-M3、Agnes 2.0 Flash、DeepSeek-R1-0528-Qwen3-8B和GLM-4-9B-0414。

针对大模型路由问题，在平安银行数字金融发展办公室总经理兼总工程师周仁丹与团队工程师的探索下，最终形成“BERT+专家规则+经典推荐模型”的三位一体架构。先用BERT理解用户查询的语义和意图；再通过专家规则，守住业务的硬约束和边界条件；最后由推荐模型综合考虑性能与成本，完成全局最优匹配，选出合适的大模型。

目前，Paix2已在数字员工“小派同学”应用落地，并将逐步拓展至更多AI场景。

近两年大模型应用场景增长较快，近期启动多个AI岗位招聘

可见，Paix2可解决平安银行内部模型调用与算力资源配置问题。这对于“AI in All”的平安银行来说，算是解决了一个棘手难题。

据《智探AI应用》了解，平安银行目前正加速AI布局，包括底层基础设施、上层应用方面。

在AI大模型应用场景上，该行从2024年末上线超200个应用场景，到2025年6月末落地大模型应用场景超330个，到2025年末落地大模型应用场景超390个，再到2026年6月末累计落地大模型应用场景超450个，覆盖精准营销、智能投顾、合规风控、办公辅助等重点领域。

除了大模型应用场景数量增长外，平安银行也在算力、模型等方面进行强化。

该行完善算力底座平台，实现多种算力资源的统一调度和高效管理，2026年上半年，该行大模型日均词元（Token）消耗量超过53亿，同比增长约130%。

同时，推进高性能推理及多模态模型的技术迭代，加速实现主流大模型生态产品的规模化部署，部署周期缩短至一周，提升对大模型应用需求的响应效率与支持能力。

此前信息显示，平安银行规划并建设了“1+1+1+N”的AI能力支撑体系，通过统一的算力基座、算法模型基座、数据知识基座，以及N个业务场景应用，构建全方位、多层次、一体化的人工智能应用生态。

如今，Paix2也成为了平安银行AI能力支撑体系中的重要一环。

值得一提的是，为了推进AI应用，平安银行近期也在加大多个岗位AI人才引进，包括AI治理岗、AI产品专家岗、AI智能体评测工程师、AI智能体运营、AI产品运营经理等。

还有一些名称中未带有“AI”字眼的岗位也与AI有关。例如，“智慧风控管理岗”需要负责制定智慧风控智能体（Agent）应用的整体规划，构建统一的AI能力中台，推动大模型、知识图谱等前沿技术向可落地的风控决策能力转化等；数据开发工程师需要积极探索并引入AI工具，优化数据治理流程（如自动化元数据管理、智能血缘分析、数据质量检测等），提升智能化水平与效率等。