01
直接做推理
Creative Reasoning Model
作为可直接调用或部署的模型能力，将开放商业问题拆解为多条差异化路径，在目标、证据、约束与风险中比较并动态收敛。
输入｜开放问题、相关材料与必要约束
输出｜候选路径、比较依据、未决问题与收敛建议
开放问题 · 扩展并收敛路径
商业任务 · 选择并组合模型
生产运行 · 评测、成本与治理
两个核心
一个模型，把开放问题想得更完整。一套编排，为任务匹配合适模型。
价值不在于每次调用更多模型，而在于为问题选择足够且合适的能力。
了解发散推理模型
02
为任务做编排
Model Orchestration
理解商业任务的难度、模态和质量要求，同时评估成本、时延、部署与数据边界，动态选择单一模型，或组合、切换多个模型。
输入｜业务任务、候选模型与运行边界
输出｜模型调用路径、路由记录与任务级表现
采用方式
两项能力都可独立采购和部署，并接入现有应用、工作流或智能体；需要协同时，发散推理先拆解问题与候选路径，再为不同子任务匹配模型。
Creative Trajectory
不只保留答案，也保留可验证的判断工件。
Creative Trajectory 组织任务、候选、证据、评价、剪枝与人工决定。它不是模型隐藏思维过程的展示，而是可被比较、复盘和继续验证的结构化记录。
任务定义
目标、输入、成功标准、约束与人工确认点。
路径探索
彼此有实质差异的候选、假设、证据与反例。
评价与剪枝
记录哪些路径被保留、合并或淘汰，以及为什么。
人工决定
保留专家修改、未决分歧与正式选择，进入后续验证。
人机边界
平台负责组织探索、调用、评价与记录；人决定什么值得优化、何时正式收敛，并对高影响业务决定及其后果负责。
Enterprise Model Operations
让两项核心，稳定进入企业生产。
把模型连接、质量、资源与权限放进同一套运行口径，做到可接入、可衡量、可治理。
多模型统一接入
连接特赞自研、商业、开源、企业自有与私有化模型，降低试用、替换和扩展模型对业务系统的改造成本。
质量评估与可观测
在相同任务条件下比较模型与编排路径，定位质量变化来自模型、输入、路由还是工具。
任务级成本运营
关联一次业务任务中的多次调用，按模型、应用、智能体、团队与任务观察总 Token、成本、时延、重试与模型错配；结合集中采购、统一调度和预算策略优化整体投入，而不只比较单次调用价格。
权限与合规治理
按组织、应用与角色管理模型目录、使用权限、数据边界、预算、策略、版本和审计记录。
采购与政策支持
特赞发散推理模型已完成相关大模型备案。符合具体地区政策、申报主体与采购条件时，可为企业申请相关政策支持或采购补贴提供基础；实际适用范围以当地政策及具体项目条件为准。
备案对象为特赞发散推理模型，不代表 Model Hub、每种部署方式或客户应用自动完成合规；具体要求需按项目核验。
产品边界
连接已有系统，但不模糊彼此责任。
Context System
可选的企业信息与状态来源，提供对象、关系、证据、权限和历史判断；不是 Model Hub 独立运行的前提。
Tezign GEA
可以调用 Model Hub 完成推理与模型任务；GEA 和长程智能体负责持续推进完整业务闭环。
AI Gateway / Router
承担接口、鉴权、限流与转发等基础能力；Model Hub 在其上补充直接发散推理与商业任务级模型编排。
关键问题
投入业务之前，先把它说清楚。
01
哪些任务适合使用 Model Hub？
适合需要探索多条路径、权衡多项目标，或需要在不同模型能力之间动态选择的任务，例如机会识别、产品策略、研究分析和复杂 AI 应用。规则固定、结果确定的步骤通常更适合传统程序或工作流。
02
什么时候不需要启用完整的发散推理或多模型编排？
如果任务边界清楚、单一模型已经稳定满足质量与成本要求，或只需要简单 API 转发，就不必增加额外复杂度。Model Hub 的目标是改善任务结果，而不是让每次运行都调用更多模型。
03
Model Hub 可以连接哪些模型？
可以连接特赞自研专业模型，以及商业、开源、企业自有和私有化部署模型。实际接入范围取决于企业的系统环境、模型授权、数据区域与安全边界。
04
如何验证 Model Hub 是否真正有效？
应先建立固定任务、质量门槛和对照基线，再比较任务通过率、总成本、时延、失败恢复、人工评价和后续业务结果，而不是只统计模型数量、候选数量或 Token 节省。