Immédiatement après la sortie de Claude Fable 5, l'accès a été suspendu.
À cet instant précis, OpenRouter a annoncé l'API Fusion, un système qui regroupe plusieurs modèles pour créer une réponse unique.
Dans un post X, OpenRouter a présenté Fusion comme un "modèle composite qui atteint une intelligence de classe Fable pour la moitié du prix."
C'est une affirmation très audacieuse.
Cependant, ce qui rend cette annonce intéressante ne se limite pas à la sortie d'une nouvelle API.
La suspension de l'accès à Fable a immédiatement révélé le danger de dépendre d'un seul modèle le plus fort.
Fusion est apparue comme une solution alternative à cette vulnérabilité.
En d'autres termes, cette nouvelle peut être lue comme suit :
Le champ de bataille principal de l'IA passe de
"Quel modèle unique est le plus puissant ?"
à
"Comment combine-t-on, juge-t-on et intègre-t-on plusieurs modèles ?"
C'est un tournant significatif.
Ce qui s'est passé en premier
Pour contexte, Claude Fable 5 est un modèle de nouvelle génération annoncé par Anthropic le 9 juin 2026.
Dans l'annonce d'Anthropic, Fable 5 était décrit comme un modèle très puissant pour les tâches autonomes de longue durée, le génie logiciel, le travail cognitif, la vision et la recherche scientifique.
Cependant, la situation a brutalement changé le 12 juin.
Anthropic a annoncé la suspension de l'accès à Fable 5 et Mythos 5 suite aux directives de contrôle des exportations du gouvernement américain.
Cela a exposé le risque de dépendance à un seul modèle.
Peu importe la puissance d'un modèle, il est inutile si vous ne pouvez pas y accéder.
Peu importe ses performances élevées, il peut soudainement disparaître de votre flux de travail en raison de réglementations, de problèmes d'approvisionnement, de prix, de filtres ou de défaillances du fournisseur.
C'est un problème très réel pour ceux qui intègrent l'IA dans leur travail.
Simplement "choisir le modèle le plus fort" ne suffit plus.
"Comment concevoir un système qui ne s'effondre pas lorsque le modèle le plus fort est indisponible"
est soudainement devenu crucial.
Qu'est-ce que OpenRouter Fusion ?
OpenRouter Fusion n'est pas un système où un seul modèle fournit la réponse.
C'est un système qui transforme une seule invite en une petite délibération entre plusieurs modèles.
Selon le blog officiel d'OpenRouter et les posts X, Fusion envoie l'invite de l'utilisateur à plusieurs modèles, les organise avec un juge, puis synthétise la réponse finale.
- L'utilisateur envoie une invite.
- Fusion l'envoie à plusieurs modèles en parallèle.
- Chaque modèle crée sa propre réponse.
- Un modèle juge compare toutes les réponses.
- Il extrait les points d'accord, les contradictions, les omissions partielles, les perspectives uniques et les angles morts.
- Sur la base de cette analyse, il génère la réponse finale.
Le point clé ici est que Fusion n'est pas un simple vote majoritaire.
Ce n'est pas "c'est correct parce que 2 modèles sur 3 l'ont dit."
Il décompose les réponses de chaque modèle, organise les parties qui se chevauchent, les parties conflictuelles, les points soulevés par un seul côté et les angles morts que personne n'a abordés, et finalement les intègre.
Le post X d'OpenRouter décrit ce concept comme "la neurodiversité pour les modèles."
Au lieu de tout laisser à un génie, vous rassemblez des membres avec des forces différentes et créez une réponse en équipe.
C'est l'essence de Fusion.
Ce qu'OpenRouter communique avec l'annonce de l'API Fusion
L'annonce d'OpenRouter ne se limite pas à dire "vous pouvez appeler plusieurs modèles."
Leurs affirmations sont assez claires :
- Dans les tâches de recherche approfondie, un panel de modèles a systématiquement surpassé les modèles uniques.
- La combinaison de modèles haute performance a donné des résultats dépassant les modèles frontières uniques.
- Même un panel de modèles peu coûteux a dépassé les modèles frontières uniques et s'est approché très près de Fable 5.
OpenRouter le démontre avec un benchmark de recherche approfondie appelé DRACO.
En regardant cette image, les configurations Fusion sont classées en haut.
En listant les principaux scores montrés dans le blog officiel, on voit une différence significative :
- Fable 5 + GPT-5.5 Fusion : 69,0 %
- Opus 4.8 + GPT-5.5 + Gemini 3.1 Pro Fusion : 68,3 %
- Opus 4.8 + GPT-5.5 Fusion : 67,6 %
- Opus 4.8 + Opus 4.8 auto-fusion : 65,5 %
- Claude Fable 5 (Seul) : 65,3 %
- Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro Fusion : 64,7 %
- GPT-5.5 (Seul) : 60,0 %
- Claude Opus 4.8 (Seul) : 58,8 %
Deux choses sont particulièrement frappantes ici :
- La Fusion de Fable 5 + GPT-5.5 dépasse Fable 5 seul.
- Le panel Budget de Gemini 3 Flash, Kimi K2.6 et DeepSeek V4 Pro a surpassé GPT-5.5 et Opus 4.8 seuls, s'approchant très près de Fable 5 seul.
Le post X d'OpenRouter insiste également sur ce panel Budget.
Une combinaison de modèles bon marché dépassant un seul modèle haut de gamme est très efficace en pratique.
Qu'est-ce que le benchmark DRACO ?
C'est aussi important.
DRACO, utilisé par OpenRouter, n'est pas qu'un simple quiz de connaissances.
C'est un benchmark de recherche approfondie de Perplexity, composé de 100 tâches de recherche complexes dans 10 domaines :
- Recherche académique
- Finance
- Droit
- Médical
- Technologie
- Conception UX
- Connaissances générales
- Recherche aiguille dans une botte de foin
- Assistance personnelle
- Comparaison de produits
En d'autres termes, ce n'est pas un test pour voir si le modèle a mémorisé des faits. Il teste s'il peut rechercher, comparer des informations, intégrer plusieurs sources et répondre avec précision et lisibilité à des questions complexes.
De plus, chaque tâche est évaluée sur environ 39 critères pondérés, notamment :
- Précision factuelle
- Profondeur et ampleur
- Qualité de présentation
- Qualité des citations
De plus, les réponses incorrectes reçoivent des évaluations négatives. Le post X d'OpenRouter explique que vous ne pouvez pas obtenir un score élevé en écrivant de longues réponses trompeuses. Cela correspond parfaitement à l'évaluation de Fusion car Fusion cible des tâches comme la recherche, la comparaison et le jugement professionnel où les omissions peuvent être fatales.
Mises en garde concernant la comparaison avec Fable
Il y a un point à ne pas négliger.
Le blog officiel d'OpenRouter inclut une note concernant Fable 5.
Sur les 100 tâches DRACO, 7 tâches n'ont pas été complétées en raison du filtre de contenu de Fable 5.
OpenRouter a expliqué qu'ils ne sont pas revenus à Opus 4.8 pour ces 7 tâches mais ont évalué Fable 5 sur la base des 93 tâches qu'il a complétées. Par conséquent, le score de 65,3 % de Fable 5 est une comparaison légèrement inégale avec des modèles qui ont complété les 100 questions.
Cette mise en garde est importante. Néanmoins, il est un fait que Fable était très fort dans le cadre des tâches qu'il pouvait compléter, ce qui rend le fait que Fusion s'en approche ou le dépasse encore plus percutant.
Encore plus intéressant : "l'auto-fusion"
La force de Fusion ne vient pas seulement du mélange de différents modèles.
OpenRouter a également essayé l'auto-fusion, exécutant Opus 4.8 deux fois et l'intégrant avec Opus 4.8 lui-même. Le résultat était de 65,5 %. Comme Opus 4.8 seul était à 58,8 %, cela représente une augmentation de 6,7 points.
C'est fascinant. Même avec le même modèle, traiter plusieurs fois la même question change le chemin de raisonnement, les appels d'outils, la sélection des sources et l'orientation. Les intégrer ensuite le rend plus fort qu'une seule réponse. Le post X d'OpenRouter mentionne que la plupart de l'amélioration de Fusion provient de "l'intégration" elle-même, et une partie de la "diversité des modèles".
En bref, Fusion n'est pas seulement une collection de modèles. Le processus de création de multiples réponses, de leur structuration et de leur intégration a une valeur inhérente.
Inclusion intéressante de mesures anti-triche
Ce qui donne de la crédibilité au blog officiel d'OpenRouter, c'est qu'ils mentionnent même la contamination des benchmarks. Lorsqu'ils ont donné aux modèles du panel Fusion une recherche web, les modèles ont parfois trouvé les grilles de notation DRACO en ligne. Ce n'était pas une triche intentionnelle mais est arrivé accidentellement à cause des termes de recherche.
Cependant, cela pose un risque de contamination. OpenRouter a expliqué qu'ils ont exclu les emplacements où les résultats de notation sont hébergés de la recherche web et de la récupération, puis ont relancé les tests. Ils l'ont également explicitement indiqué sur X. Essentiellement, Fusion est fort parce qu'il peut utiliser la recherche web, mais parce qu'il peut utiliser la recherche web, vous devez concevoir des mesures pour éviter la triche lors de l'évaluation.
Comment utiliser Fusion
OpenRouter fournit Fusion sous plusieurs formes. La plus simple est de l'appeler via un slug de modèle : openrouter/fusion.
Il suffit de le spécifier dans le champ model, similaire à une API standard compatible OpenAI.
1{2 "model": "openrouter/fusion",3 "messages": [4 {5 "role": "user",6 "content": "Écrivez le thème que vous souhaitez rechercher"7 }8 ]9}
Dans un SDK compatible OpenAI :
1const completion = await client.chat.completions.create({2 model: "openrouter/fusion",3 messages: [4 {5 role: "user",6 content: "Comparez les arguments les plus forts pour et contre l'utilisation de Fusion dans les agents de codage."7 }8 ]9});
Une autre façon est de l'utiliser comme un outil serveur : {"type": "openrouter:fusion"}.
Dans ce cas, un modèle externe peut appeler Fusion lorsqu'il décide "cette tâche nécessite plusieurs perspectives."
La documentation d'OpenRouter indique que l'outil serveur Fusion est en version bêta et que son comportement peut changer. Cependant, la philosophie est solide. Au lieu d'envoyer chaque tâche à Fusion, vous pouvez basculer vers Fusion uniquement lorsque :
- "Plusieurs perspectives de modèles sont nécessaires"
- "C'est une tâche de recherche ou de comparaison où le coût de l'erreur est élevé"
- "Une révision ou un contre-argument est nécessaire"
Les panels et les juges sont personnalisables
Fusion n'est pas une configuration fixe. Sur la page du modèle Fusion d'OpenRouter, le préréglage par défaut est Qualité. Vous pouvez passer à Budget pour une configuration moins chère.
De plus, vous pouvez spécifier les modèles participants avec analysis_models et le juge avec model. La documentation de l'outil serveur Fusion indique que vous pouvez spécifier de 1 à 8 modèles pour analysis_models. Chaque modèle du panel s'exécute en parallèle, en utilisant la recherche web et la récupération, et le juge crée un JSON d'analyse structurée.
1{2 "tools": [3 {4 "type": "openrouter:fusion",5 "parameters": {6 "analysis_models": [7 "~anthropic/claude-opus-latest",8 "~openai/gpt-latest",9 "~google/gemini-pro-latest"10 ],11 "model": "~openai/gpt-latest",12 "max_tool_calls": 813 }14 }15 ]16}
analysis_models sont les modèles qui s'exécutent en parallèle du côté du panel. model est le modèle juge qui lit et structure ces réponses. max_tool_calls détermine le nombre d'étapes que les modèles du panel ou le juge peuvent utiliser pour la recherche web/la récupération.
L'analyse renvoyée comprend les points d'accord, les contradictions, les points seulement partiellement abordés, les perspectives uniques de chaque modèle et les angles morts. Cette conception est intéressante car vous obtenez les matériaux pour "pourquoi cette réponse a été atteinte", pas seulement la réponse finale. Avec un seul modèle, les omissions derrière une belle prose sont difficiles à voir. Avec Fusion, les écarts entre plusieurs modèles sont visibles.
La conception pour l'échec est pratique
Comme Fusion utilise plusieurs modèles, il est possible que l'un d'eux échoue. La documentation d'OpenRouter explique que même si certains modèles du panel génèrent une erreur, Fusion renverra un résultat tant qu'au moins un réussit. Si le juge échoue, les réponses du panel sont quand même renvoyées, et le modèle externe peut répondre à partir de là. Un échec dur ne se produit que si tous les modèles du panel échouent. C'est crucial pour une utilisation en production.
Le coût n'est pas magique
La page Fusion d'OpenRouter explique clairement les tarifs. Fusion est facturé comme la somme de tous les appels des membres du panel plus l'appel du juge. Ce n'est pas plusieurs modèles fonctionnant pour le prix d'un. L'expression "moitié prix pour la classe Fable" dépend du panel choisi et de la cible de comparaison.
Cependant, le fait qu'un panel Budget ait produit des scores proches de Fable 5 est significatif. Cela rend réaliste de :
- Combiner plusieurs modèles bon marché
- Utiliser un juge uniquement lorsque nécessaire
- Basculer entre Qualité et Budget par tâche
Intégration avec OpenCode
OpenRouter a également publié une documentation pour l'intégration avec OpenCode.
OpenCode est un agent de codage IA open source disponible en tant qu'interface utilisateur terminal et application de bureau. Il prend en charge plus de 75 fournisseurs de LLM, y compris OpenRouter. Vous pouvez potentiellement utiliser Fusion en sélectionnant openrouter/fusion comme modèle dans OpenCode.
1{2 "$schema": "https://opencode.ai/config.json",3 "provider": {4 "openrouter": {5 "models": {6 "openrouter/fusion": {7 "name": "OpenRouter Fusion"8 }9 }10 }11 }12}
Dans le futur des agents de codage, la "conception d'équipe de modèles"—attribuer des modèles pour l'implémentation, la révision, la confirmation des spécifications, le contre-argument et l'intégration finale—deviendra vitale.
Relier la suspension de Fable et l'arrivée de Fusion
La suspension de Fable 5 a visualisé le risque de "dépendance au modèle unique le plus fort." Pendant ce temps, Fusion a montré une conception alternative de "regroupement de plusieurs modèles."
OpenRouter a expliqué sur X qu'ils avaient exécuté les benchmarks avant la suspension de Fable. Donc, ce n'est pas que Fusion a été créé parce que Fable s'est arrêté. Plutôt, la suspension de Fable a rendu l'importance de la direction que montre Fusion beaucoup plus facile à comprendre.
Les modèles les plus forts seront toujours nécessaires, mais se fier uniquement à eux est risqué. Ce qui compte maintenant, c'est le portefeuille de modèles :
- Quels modèles utiliser
- Quels modèles combiner
- Quel modèle faire juger
- Où utiliser la recherche web
- Où utiliser Budget vs Qualité
Cette capacité de conception sera le différenciateur dans l'utilisation de l'IA.
Ce que je pense être le plus important
Fusion n'est pas seulement une "nouvelle API pratique". C'est un changement dans la façon dont nous pensons à utiliser l'IA. Au lieu de compter sur un seul génie pour tout, c'est comme une équipe. C'est particulièrement adapté pour les domaines à enjeux élevés comme la recherche, l'investissement, le juridique, le médical et la révision de code. Inversement, pour une génération de texte légère, vous n'avez pas besoin de Fusion à chaque fois. Savoir quand l'utiliser est la clé.
Résumé
OpenRouter Fusion offre une solution à la dépendance à un seul modèle en regroupant plusieurs modèles pour fournir des forces uniques. La compétition passe de la "performance d'un seul modèle" à la "conception d'une équipe de modèles."
Enfin : L'outil secret derrière une entreprise de 100 millions de yens
La plupart des gens s'arrêtent à "Fusion, c'est cool." Mais la vraie question est de savoir comment transformer l'IA en résultats. J'ai construit plusieurs entreprises de 100 millions de yens en utilisant l'IA pour le contenu et les ventes. Je révèle maintenant l'outil IA secret que j'ai développé pour un usage interne afin de gérer tout, de la création d'accroches aux entonnoirs de vente. Si vous voulez passer de simple spectateur des actualités IA à générateur de revenus, inscrivez-vous ici :
https://utage-system.com/r/nh3MOFZg0eYg/register
Sources/Références :
- Blog OpenRouter Fusion
- Posts X OpenRouter
- Déclaration officielle d'Anthropic sur Fable 5
