如今，追求高性能的大型模型通常需要大量投资。像Claude Opus和GPT这样的前沿模型在性能上表现优异，但同样成本高昂。然而，最近一项颠覆性的方案浮出水面，不仅在九项基准测试中表现优异，平均每次调用成本仅为0.06元，远低于竞争对手的2%。这一突破由南芥智能（SinapisAI.com）提出，推出的Mio 1.0 Lite就像武林盟主，将多款相对专一的国产高性价比模型整合在一起，形成了远超高价模型的整体实力。

在一项针对九项公开基准的评测中，Mio 1.0 Lite以平均得分77.15的优异表现排名第一，且其每次请求的平均成本为0.062元，居所有参评方案之最。该报告名为《Toward Collective Model Intelligence: Characterizing and Coordinating Models》，其相关代码和数据集已在GitHub上公开。这份报告首次提出“模型群体智能”（Collective Model Intelligence）的新概念，并在相关评测中比较了多个国际及国内模型，包括主流的GPT-6.1 Sol和Claude Opus 5.5等。

在九项测试中，Mio 1.0 Lite的性价比显著提升。虽然GPT-6.1 Sol得分最高，但Mio 1.0 Lite在得分上超出6.35分，成本却下降了94%。另外，虽然Qwen 3.8 Flash得分稍低，Mio的得分仍高14分，并且成本更低。相比之下，Claude Opus每次请求的平均成本达3.93元，是Mio 1.0 Lite的六十多倍。 球友会

在多个基准测试中，Mio 1.0 Lite均展现出卓越的能力，例如在AutomationBench、PinchBench等多个领域取得最高分，并且成本显著低于其他高分模型。特别是在函数调用能力测试中，Mio 1.0 Lite以77.50分领先，成本却仅为Claude Opus的四十分之一。

这项评测揭示了模型间的协同作用，尽管单个参与模型的表现并不突出，但它们实现联合运作后，综合实力远超单个高价模型。这显现了“模型群体智能”的价值，展示了如何合理利用不同模型的优势，从而更有效地完成复杂任务，节省预算并提升整体表现。