Sakana AI推出TreeQuest：多模型协作性能提升30%，开源工具助力企业AI升级

Sakana AI最新发布的TreeQuest技术通过创新的多模型协作框架（Multi-LLM AB-MCTS），实现了比单一大型语言模型（LLM）性能提升30%的突破。该技术采用自适应分支蒙特卡洛树搜索（Adaptive Branching Monte Carlo Tree Search）算法，动态分析不同模型的特长，为每项子任务智能分配最优模型。这种机制不仅显著提升复杂问题解决能力，还能有效降低AI幻觉风险。作为开源项目，TreeQuest允许企业免费集成该技术栈，特别适用于需要高精度决策的金融分析、医疗诊断等场景。其技术突破点在于：1）首创多模型协同推理框架；2）开发动态负载均衡算法；3）建立模型能力量化评估体系。该成果可能重塑当前AI服务部署范式，推动行业从单一模型向模型生态协作转型。