摘要： 面板層:使用者挑選的多個模型,各自帶著 openrouter:web_search、openrouter:web_fetch(走 Exa)與 openrouter:bash,把任務完整跑一遍。 代價是延遲:一旦觸發 Fusion,「通常是標準呼叫的 2 到 3 倍長」,因為得等所有面板成員跑完;價格尚未公布,目前只看得到相對成本的比較。 官方把限制也攤在陽光下:DRACO 只考純文字、只出英文、題庫是靜態的;裁判模型一換,絕對分數會浮動 10 到 25 分(排名則維持不變);長程任務完全沒測——那恰恰是 Fable 5 最擅長的場域;它也頂替不了 coding model,官方的建議用法是讓 coding model 在關鍵決策點視需要呼叫 Fusion。
OpenRouter 在 2026 年 6 月 12 日上線了名為 Fusion 的功能。從呼叫端看,它就是一次再普通不過的模型呼叫:整條處理流程全在伺服器端完成。內部發生的事則熱鬧得多——同一個 prompt 被同時送往一組「面板模型」,每位成員都帶著網路搜尋與網頁抓取工具,把任務從頭跑到尾;接著裁判模型逐一讀完所有回覆,整理出彼此一致的結論、互相牴觸之處、無人覆蓋的缺口與個別模型的盲點,再把這份分析交回當初接下呼叫的模型,由它寫出對外的最終答案。
真正的賣點是成績單:在深度研究基準 DRACO 上,融合出擊的面板把同場受測的每一個單一模型都比了下去。
Fusion 的運作方式
整套架構由三層組成。面板層:使用者挑選的多個模型,各自帶著 openrouter:web_search、openrouter:web_fetch(走 Exa)與 openrouter:bash,把任務完整跑一遍。裁判層:通讀所有面板回覆,標出哪裡一致、哪裡相牴、哪些面向沒人講到。合成層:由發起呼叫的模型依據裁判的分析執筆,寫出最終回答。換句話說,Fusion 並非把各家輸出攪成一團,而是讓多個模型各自擔任獨立的論證來源,最後把判斷匯進單一出口。
DRACO 成績:面板全勝單一模型
DRACO 由 Perplexity AI 提出(arXiv 2602.11685),收錄 100 道深度研究題目,橫跨 10 個領域,評分依據約 39 項加權標準,歸入事實準確、廣度深度、呈現、引用四大類,每項標準都評三次。OpenRouter 這回請 Gemini 3.1 Pro Preview 擔任裁判,並用 Claude Sonnet 4.6 做 sanity check。
成績單上:榜首是 Claude Fable 5 + GPT-5.5 組合(合成模型為 Opus 4.8),拿下 69.0%;Opus 4.8、GPT-5.5、Gemini 3.1 Pro 三模型面板以 68.3% 緊追在後;單一模型的最高分由 Claude Fable 5 以 65.3% 保持——而且這分數是在 100 題裡只交卷 93 題的情況下寫下,其餘 7 題被內容過濾器攔下(這個模型後來的遭遇,見我們先前的追蹤報導)。省錢面板的表現同樣搶眼:Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro(合成同樣用 Opus 4.8)拿到 64.7%,花費約為 Fable 5 的一半,分數落後不到 1 分,卻已贏過單獨上陣的 GPT-5.5(60.0%)、DeepSeek V4 Pro(60.3%)與 Opus 4.8(58.8%);至於 Gemini 3.1 Pro 單獨應考,只有 45.4%。
自融合的啟示與污染防護
有兩個細節值得記住。其一是自融合實驗:讓 Opus 4.8 和自己的另一個實例組隊(兩個實例、一次合成),得分 65.5%,比它單獨作答的 58.8% 多出 6.7 分——可見 Fusion 的增益有相當比例來自「合成」這道工序本身,模型多樣性並非唯一功臣。其二發生在測試期間:面板模型靠網路搜尋挖到了 DRACO 評分標準的原始文件;OpenRouter 隨即以 excluded_domains(web_search)搭配 blocked_domains(web_fetch)封鎖 rubric 來源,因此對外公布的每一個數字,都是去除污染之後的成績。
四種整合途徑,加上延遲與限制
對接管道共四條:瀏覽器裡的 chatroom(openrouter.ai/fusion);模型代號 “openrouter/fusion”,掛上即自動配置預設的前沿面板;server tool——把 openrouter:fusion 加進 tools 陣列,交給基底模型自行判斷何時動用;以及 plugin,可自訂面板與合成模型。代價是延遲:一旦觸發 Fusion,「通常是標準呼叫的 2 到 3 倍長」,因為得等所有面板成員跑完;價格尚未公布,目前只看得到相對成本的比較。官方把限制也攤在陽光下:DRACO 只考純文字、只出英文、題庫是靜態的;裁判模型一換,絕對分數會浮動 10 到 25 分(排名則維持不變);長程任務完全沒測——那恰恰是 Fable 5 最擅長的場域;它也頂替不了 coding model,官方的建議用法是讓 coding model 在關鍵決策點視需要呼叫 Fusion。