El experimento TRINITY-Router evaluó sistemáticamente 8 grandes modelos de lenguaje en 316 tareas diversas para probar hipótesis comunes de enrutamiento. Los hallazgos revelan que muchas suposiciones ampliamente sostenidas sobre la especialización de modelos—como que ciertos modelos son universalmente mejores para codificación o razonamiento—no se sostienen bajo pruebas rigurosas. En cambio, los datos sugieren que el enrutamiento óptimo depende en gran medida de la tarea y a menudo es contraintuitivo. Para los desarrolladores que construyen aplicaciones basadas en LLM, este estudio proporciona una base empírica valiosa para diseñar estrategias de selección de modelos más efectivas, yendo más allá de enfoques anecdóticos o basados en heurísticas.
Un experimento a gran escala desafía las suposiciones comunes de enrutamiento de LLM, proporcionando evidencia empírica para una mejor selección de modelos.