L'instradamento intelligente dei modelli è la pratica di inviare ogni richiesta IA al modello meno costoso che può comunque completare bene il compito. Un semplice classificatore, un motore di regole o un controllo di confidenza può scegliere tra un piccolo modello locale, un modello ospitato di fascia media o un modello frontier più grande. L'obiettivo è preservare una qualità dell'output utile riducendo al contempo i costi dei token, la latenza e il carico dell'infrastruttura.
Nella sicurezza informatica, l'instradamento è importante perché i sistemi IA sono servizi a consumo e ogni chiamata al modello non necessaria aumenta l'esposizione, i costi e la complessità operativa. I difensori usano l'instradamento per mantenere su sistemi più economici le ricerche di routine, la sintesi e la classificazione, riservando invece i modelli più potenti ai casi sensibili o ambigui. Gli aggressori possono cercare di ingannare il router aggiungendo rumore, formulazioni insolite o prompt avversari che spingono il traffico verso un modello più debole o attivano ripetute escalation. Una buona logica di instradamento richiede quindi monitoraggio, regole di fallback e politiche chiare per i contenuti ad alto rischio, così che il sistema resti efficiente senza creare punti ciechi.