SpecEvo 是一种多模型进化搜索框架，利用轻量模型和前沿模型的协同来降低科学发现的算力成本。轻量模型承担两类角色：Speculators 并行生成并细化候选程序；Advisor 汇总所有成功、失败和已饱和的搜索轨迹，形成持久的指导信息。
在稀疏的检查点，前沿模型 Navigator 检视种群状态，根据停滞程度执行合成、外科式改进或重新表述等干预。该“推测‑再整合”流程让日常探索和证据整合由低成本模型完成，仅在需要跨多次评估的战略性提升时调用昂贵的前沿模型。
在 176 项任务（覆盖四个科学与算法发现领域）的实验中，SpecEvo 在保持或超越前沿模型基线性能的同时，将 API 成本降低最高 80%。在方程发现任务上，其评估效率比成本高效基线提升至 1.5 倍，并在 CO‑Bench 最强基线上提升 3.8%。这些结果表明，基于轨迹条件的模型协同是实现成本高效科学发现的有效途径。
点评：SpecEvo 通过层次化模型分工，实现了探索效率与算力开支的平衡，为大语言模型在科研中的实际落地提供了可复制的范式。