行业大模型矩阵

智能内核层不依赖单一模型，而是维护一个行业大模型矩阵：若干个针对不同任务训练或微调的垂类模型，配上通用大模型兜底。调用方按任务难度和模态选模型，可以单独用，也可以组合用——比如先用轻量模型做初筛，难的场景再调更强的模型。

这个设计带来两个好处：

• 迭代解耦——某个垂类模型升级、替换，不需要改动 DLA 本体、治理逻辑或应用智能体，架构其余部分感知不到
• 泛化能力兜底——垂类模型在训练数据覆盖的工况下表现好，一旦「换个工况」就容易失效；通用大模型的泛化推理能力可以补上这个缺口，处理没见过的组合情况

矩阵里具体是哪些模型、参数量多大，属于工程实现细节；架构层面只关心「按难度路由」这条规则本身。