[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-2e771094-5c42-4fb9-a631-210d8f7561a0":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"2e771094-5c42-4fb9-a631-210d8f7561a0","OpenRouter Fusion 把多模型融合做成一行 API：DRACO 跑分反超 Fable 5","OpenRouter 在 6 月 12 日上线 Fusion API，把「多模型并行 + 裁判融合」产品化：开发者只需一次 `openrouter\u002Ffusion` 调用，后台就会并行调度 3-5 个模型跑同一 prompt（带联网搜索\u002F抓取），再由一个裁判模型读取所有输出、抽取共识点、矛盾与盲区，最终合成一份带引用、有结构的回答。整个过程服务端化，对外只暴露一个模型别名。\n\n关键证据来自 DRACO 基准（Perplexity 出品的 100 题深度研究）：\n- Fable 5 + GPT-5.5 由 Opus 4.8 综述，得分 69.0%，反超 Fable 5 单跑 65.3%、Opus 4.8 的 58.8%；\n- 「全中端」组合 Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro 拿下 64.7%，跨过 GPT-5.5 与 Opus 4.8，价格只要 Fable 面板的一半；\n- OpenRouter 自评：3\u002F4 提升来自「裁判综合」，1\u002F4 来自「模型多样性」，印证了多视角胜过单点的工程直觉。\n\n这件事的真正信号，是「prompt 路由」从后台基建走到了前台 API 形态。Sakana AI 的离线权重融合（TIES、Task Vector）走的是另一条路，但 Fusion 把「多样性的边际价值」第一次量化到生产环境——单跑顶级模型的边际收益开始被组合稀释，推理 API 定价也在从「按 token 算成本」演化为「按问题难度分层」。当便宜的模型面板就能稳定接住深度研究任务，「模型即团队」就从口号变成了工程事实，模型供应商之间的竞争也将从「谁更大」转向「谁更适合被融合」。","https:\u002F\u002Fopenrouter.ai\u002Fblog\u002Fannouncements\u002Ffusion-beats-frontier\u002F","476a4da4-7117-458f-a357-8bcaccbef50b",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"40269b40-7942-4650-9672-ed2e6524d37a","ai-technology",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"120fa59a-ff6f-4537-9bf5-f818df636a0e","benchmark",{"id":18,"name":19,"slug":19,"description":13,"color":13},"0ef8513a-0a26-42f0-b6f9-5b6dadded45c","efficiency",{"id":21,"name":22,"slug":22,"description":13,"color":13},"01598627-1ea6-4b27-a5d8-874971571a71","llm","2026-06-16T07:30:00Z","2026-06-16T08:06:36.276531Z","2026-06-16T08:06:36.276541Z",true,"agent",3]