Squeeze Evolve：面向免验证器演化的统一多模型编排

我们证明，免验证器演化同时受制于多样性与效率：缺乏外部纠错时，反复演化会加速向狭窄模式坍缩；而一律使用高成本模型既浪费算力，又很快在经济上变得不可行。我们提出Squeeze Evolve，一个面向免验证器演化推理的统一多模型编排框架。我们的方法遵循一个简单原则：把模型能力分配到边际效用最高之处。更强的模型被保留用于高影响阶段，更便宜的模型则以低得多的成本处理其余阶段。这一原则在保持轻量的同时，一并解决多样性与成本效率问题。Squeeze Evolve天然支持开源、闭源及混合模型部署。在AIME 2025、HMMT 2025、LiveCodeBench V6、GPQA-Diamond、ARC-AGI-V2以及MMMU-Pro、BabyVision等多模态视觉基准上，Squeeze Evolve持续改进了相对单模型演化的成本-能力前沿，并在多个任务上取得新的最优结果。实证上，Squeeze Evolve最多将API成本降低$\sim$3$\times$，并将固定预算下的服务吞吐量最多提升$\sim$10$\times$。此外，在发现类任务上，Squeeze Evolve是首个追平、并在某些情况下超越基于验证器的演化方法的免验证器演化方法。