一句话看懂：Guillermo Rauch 披露 fx.sh 已支持用不同模型和不同推理强度编排子代理，例如让 Fable 负责规划、Grok 负责执行。这意味着多模型分工不再依赖服务端复杂路由，而是由模型自己承担调度。
事件核心：发生了什么
2026 年 9 月 12 日，Vercel CEO Guillermo Rauch 在 X 上表示，fx.sh 现在可以用不同模型、不同推理强度来编排子代理（subagent）。他给出的典型组合是 Fable 做规划、Grok 做执行——“Fable 是天才，Grok 是快速干活的马力”。相关帖子还提到 fx v0.0.9 的几项能力：每个子代理可单独指定模型和 reasoning effort；子代理在你介入引导时继续运行；任务进行中也能向子代理发送反馈；用 Ctrl+P 切换模型而不丢失上下文。配置方式很轻，一个 AGENTS.md 文件或提示词即可表达这种偏好。Rauch 特别强调，这套机制适用于任何模型、任何网关，不需要花哨的服务端路由，靠的是模型自身的智能与编排能力。
为什么重要
过去的多模型协作，通常要在应用层写路由逻辑：判断任务类型、分发请求、拼接结果，工程成本不低。fx.sh 的思路是把调度权交还给模型，让它自己决定何时调用哪个子代理。这带来两点变化：一是“强模型规划 + 快模型执行”的分工可以低成本落地，规划用高推理强度、执行用低延迟模型，理论上能同时压低成本和等待时间；二是它与模型、网关解耦，开源与闭源模型都能混用，这削弱了单一厂商绑定，也让推理算力的分配更灵活。目前公开信息显示，这一能力还处于早期版本，具体调度质量的稳定性有待验证。
对用户/开发者/创作者的影响
对开发者，最直接的价值是省掉了自己写编排层的工作：不用维护复杂的 agent 调度代码，用 AGENTS.md 声明偏好即可，适合快速搭原型或内部工具。对创作者和普通用户，全程用自然语言对话、可随时打断纠偏，交互门槛比配置工作流低。需要注意的是，多模型混用会带来额外的 token 消耗和调用计费，实际成本取决于任务拆分是否合理；同时“模型自己编排”也意味着可观测性更弱，出问题时排查链路会比显式路由更麻烦。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是这种编排模式在长任务、多步骤场景下的成功率，是否能稳定优于单模型；二是成本结构是否真的下降，尤其是规划模型反复调用执行模型时的开销；三是其他 AI 编程工具与 Agent 框架会不会跟进类似“任意模型 + 任意网关”的子代理机制，形成新的默认范式。
