Claude Fable 5が登場した直後に、アクセス停止。
そのタイミングでOpenRouterが発表したのが、複数モデルを束ねて1つの答えを作る「Fusion API」です。
OpenRouterのX投稿では、Fusionを「Fable級の知能を半額で実現する compound model」として紹介しています。
かなり強い言い方です。
ただ、この発表が面白いのは、単に「新しいAPIが出た」という話ではありません。
Fableのアクセス停止によって、最強モデル1体に依存する危うさが一気に見えました。
そしてFusionは、その危うさに対する別解として出てきた。
つまり、今回のニュースはこう読めます。
AIの主戦場が、
「どの単体モデルが最強か」
から、
「複数モデルをどう組ませ、どう審査し、どう統合するか」
へ移り始めている。
これは、かなり大きな転換点です。
まず何が起きたのか
前提として、Claude Fable 5はAnthropicが2026年6月9日に発表した新世代モデルです。
Anthropicの発表では、Fable 5は長時間の自律作業、ソフトウェアエンジニアリング、知識労働、視覚、科学研究などで非常に強いモデルとして説明されていました。
ところが、6月12日に状況が急変します。
Anthropicは、米政府の輸出管理指令を受け、Fable 5とMythos 5へのアクセスを停止すると発表しました。
ここで露呈したのは、単体モデル依存のリスクです。
どれだけ強いモデルでも、アクセスできなければ使えません。
どれだけ性能が高くても、規制、供給、価格、フィルター、provider障害によって、ある日突然ワークフローから消える可能性があります。
これはAI活用を仕事に組み込む人にとって、かなり現実的な問題です。
「最強モデルを選ぶ」だけでは足りない。
「最強モデルが使えないとき、どう崩れない設計にするか」
ここが一気に重要になりました。
OpenRouter Fusionとは何か
OpenRouter Fusionは、1つのモデルに答えさせる仕組みではありません。
1つのプロンプトを、複数モデルによる小さな審議に変える仕組みです。
OpenRouterの公式ブログとX投稿を見ると、Fusionは利用者のプロンプトを複数モデルに投げ、judgeで整理してから最終回答へまとめる仕組みです。
- 利用者が1つのプロンプトを送る
- Fusionが複数のモデルへ並列に投げる
- 各モデルがそれぞれ回答を作る
- judgeモデルが全回答を読み比べる
- 合意点、矛盾、部分的な抜け、独自視点、盲点を抽出する
- その分析をもとに、最終回答を生成する
ここで重要なのは、Fusionが単なる多数決ではない点です。
「3モデル中2モデルが言ったから正しい」ではありません。
各モデルの回答を分解し、重なっている部分、食い違っている部分、片方だけが拾った論点、誰も触れていない盲点を整理したうえで、最後に統合します。
OpenRouterのX投稿では、この考え方を「モデル版のneurodiversity」と表現しています。
1人の天才に全部任せるのではなく、異なる強みを持つメンバーを集めて、チームとして答えを作る。
これがFusionの本質です。
Fusion APIの発表でOpenRouterが伝えていること
OpenRouterの発表は、単に「複数モデルを呼べます」ではありません。
主張はかなりはっきりしています。
**・深いリサーチ系タスクでは、モデルのパネルが単体モデルを継続的に上回った
・高性能モデル同士を組ませると、単体のfrontier modelを超える結果が出た
・安価なモデルのパネルでも、単体のfrontier modelを超え、Fable 5にかなり近づいた**
OpenRouterはこれを、DRACOという深いリサーチ系ベンチマークで示しています。
この画像を見ると、Fusion構成が上位に並んでいます。
公式ブログで示された主なスコアを並べると、かなり差が見えます。
**・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 self-fusion: 65.5%
・Claude Fable 5単体: 65.3%
・Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro Fusion: 64.7%
・GPT-5.5単体: 60.0%
・Claude Opus 4.8単体: 58.8%**
この中で特に衝撃的なのは、2つあります。
・Fable 5 + GPT-5.5のFusionが、Fable 5単体を超えていること
・Gemini 3 Flash、Kimi K2.6、DeepSeek V4 ProのBudget系パネルが、GPT-5.5単体やOpus 4.8単体を上回り、Fable 5単体にかなり近づいていること
OpenRouterのX投稿でも、このBudget panelについてかなり強調されています。
安価なモデルの組み合わせが、単体の高級モデルを超える。
これは、実務でかなり効いてきます。
DRACOベンチマークとは何か
ここも重要です。
OpenRouterが使ったDRACOは、単なる知識クイズではありません。
Perplexityによる深いリサーチ系ベンチマークで、100の複雑な調査タスクから構成されています。
対象領域は10分野。
・学術研究
・金融
・法律
・医療
・テクノロジー
・UXデザイン
・一般知識
・needle-in-a-haystack型の検索
・パーソナルアシスタンス
・商品比較
つまり、ただ暗記しているかを見るテストではありません。
複雑な問いに対して、調査し、情報を比較し、複数ソースを統合し、正確かつ読みやすく答えられるかを見るテストです。
さらに、各タスクは約39個の重み付き基準で評価されます。
評価カテゴリは、
・事実正確性
・深さと広さ
・提示品質
・引用品質
しかも、誤答にはマイナス評価が入ります。
OpenRouterのX投稿でも、「長く書いてごまかしても高得点は取れない」という趣旨が説明されています。
これはFusionの評価としてかなり相性がいい。
なぜならFusionが狙っているのは、短い雑談ではなく、調査、比較、専門的な判断、抜け漏れが致命傷になるタスクだからです。
ただし、Fable比較には注意点もある
ここは見落とせない注意点です。
OpenRouter公式ブログでは、Fable 5に関する注記があります。
DRACOの100タスク中、7タスクはFable 5のcontent filterによって完了しなかった。
OpenRouterは、その7タスクをOpus 4.8にフォールバックせず、Fable 5自身の結果として93タスク分で評価したと説明しています。
つまり、Fable 5単体の65.3%は、100問すべてを完了したモデルとの直接比較としては少し不均等です。
この注意点は重要です。
とはいえ、Fableが完了できた範囲で非常に強かったことも事実。
だからこそ、そのFableに対してFusionが近づく、あるいは超えるという結果にインパクトがあります。
さらに面白いのは「self-fusion」
Fusionの強さは、単に違うモデルを混ぜたから出たわけではありません。
OpenRouterは、Opus 4.8を2回走らせ、Opus 4.8自身で統合するself-fusionも試しています。
結果は65.5%。
Opus 4.8単体は58.8%なので、6.7ポイントの上昇です。
これはかなり面白い。
同じモデルでも、同じ問いを複数回処理すると、推論経路、ツール呼び出し、ソース選択、着眼点が変わります。
それを後段で統合すると、単体の1回回答より強くなる。
OpenRouterのX投稿では、Fusionによる改善の大部分は「統合」そのものから来ており、一部が「モデル多様性」から来ている、という趣旨も説明されています。
つまりFusionは、単なるモデル寄せ集めではありません。
複数回答を作り、それを構造化して統合するプロセス自体が価値を持っている。
ここが重要です。
不正対策まで含めて公開しているのが面白い
OpenRouter公式ブログで個人的に信頼感があるのは、ベンチマーク汚染の話まで書いているところです。
FusionのパネルモデルにWeb検索を与えたところ、モデルがDRACOの採点ルーブリックをオンラインで見つけてしまうことがあった。
これは意図的な不正ではなく、検索語によって偶然見つかったものだと説明されています。
しかし、評価としては汚染リスクになります。
そこでOpenRouterは、採点結果がホストされている場所をWeb検索とWeb取得から除外し、そのうえで再実行したと説明しています。
X投稿でも、この点を明示しています。
要するに、FusionはWeb検索を使えるから強い。
でも、Web検索を使えるからこそ、評価時にはカンニングを防ぐ設計も必要になる。
このあたりは、今後のAI評価全体でも重要になりそうです。
Fusionはどう使うのか
OpenRouterは、Fusionを複数の形で提供しています。
一番シンプルなのは、モデルスラッグとして呼ぶ方法です。
openrouter/fusion
通常のOpenAI互換APIと同じように、modelにこれを指定すれば使える、という説明です。
まず試すなら、指定する値はこれです。
1{2 "model": "openrouter/fusion",3 "messages": [4 {5 "role": "user",6 "content": "調査したいテーマを書く"7 }8 ]9}
OpenAI互換SDKでは、modelに openrouter/fusion を指定します。
1const completion = await client.chat.completions.create({2 model: "openrouter/fusion",3 messages: [4 {5 role: "user",6 content: "Compare the strongest arguments for and against using Fusion in coding agents."7 }8 ]9});
もう1つは、Server Toolとして使う方法です。
{"type": "openrouter:fusion"}
この場合、外側のモデルが「このタスクは複数視点が必要だ」と判断したときにFusionを呼び出せます。
OpenRouter docsでは、Fusion Server Toolはbetaであり、APIや挙動は変わる可能性があると明記されています。
ただ、思想としてはかなり強いです。
すべてのタスクをFusionに投げるのではなく、
「これは複数モデルの視点が必要」
「これはリサーチや比較で、間違いのコストが高い」
「これはレビューや反証が必要」
という場面だけ、Fusionに切り替える。
必要な場面だけFusionに切り替える運用ができます。
逆に、毎回Fusionを強制したい場合は、tool_choiceで必須化する方法もdocsにあります。
OpenRouter公式docsによると、Fusionには大きく3つの入口があります。
1つ目は、openrouter/fusion というモデルalias。
2つ目は、openrouter:fusion というServer Tool。
3つ目は、Fusion plugin。
どれも裏側では同じFusion pipelineに入ります。
違いは、どこまで制御したいかです。
とにかく試すなら、model: "openrouter/fusion"。
外側のモデルを自分で選び、必要なときだけFusionを呼ばせたいなら、tools配列に {"type": "openrouter:fusion"}。
参加モデルやjudgeを指定したいなら、Fusion pluginまたはtool parametersで analysis_models と model を指定する。
ここが実用上の分岐です。
パネルとjudgeはカスタムできる
Fusionは固定構成ではありません。
OpenRouterのFusionモデルページでは、デフォルトはQuality presetとされています。
安価な構成にしたい場合はBudgetへ切り替えられます。
さらに、analysis_models で参加モデルを指定し、model でjudgeを指定できます。
Fusion Server Tool docsでは、analysis_models は1から8モデルまで指定可能とされています。
各panel modelは並列に走り、Web検索やWeb取得を使いながら回答します。
judgeはその回答群を読み、構造化された分析JSONを作ります。
実際にカスタムするなら、入れるべき主な値はこれです。
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 は、並列に走らせるパネル側のモデル。
model は、それらの回答を読んで構造化するjudgeモデル。
max_tool_calls は、panel modelやjudgeがWeb検索/Web取得を何ステップまで使えるか。
max_completion_tokens、reasoning、temperature も指定できます。
OpenRouter docsでは、デフォルトのQuality presetとして、Claude Opus系、OpenAI GPT系、Gemini Pro系の組み合わせが説明されています。
実用上は、ここを押さえておきたい。
Fusionは「モデル名を1つ入れれば終わり」でも使える。
でも本当に使いこなすなら、analysis_models とjudgeの model を設計する必要がある。
ここが研究ポイントです。
ここで返ってくる分析には、合意点、矛盾、部分的にしか触れられていない論点、個別モデルだけが出した独自洞察、誰も触れていない盲点が含まれます。
この設計が面白いのは、最終回答だけでなく「なぜその回答になったか」の材料も得られることです。
単体モデルだと、きれいな文章の裏にある抜け漏れが見えにくい。
Fusionだと、複数モデルの食い違いが見える。
ここは、リサーチや意思決定ではかなり大きいです。
失敗時の設計も実務向き
Fusionは複数モデルを使うので、当然、どれかのモデルが落ちる可能性があります。
OpenRouter docsでは、ここも説明されています。
一部のpanel modelがエラーになっても、少なくとも1つが成功すれば、Fusionは結果を返します。
judgeが失敗した場合も、panel responseだけは返り、外側のモデルがそこから回答できます。
完全なhard failureになるのは、全panel modelが失敗した場合などです。
これも実務では重要です。
複数モデル化は、品質向上だけでなく、耐障害性の設計にも関わります。
もちろん、Fusion自体の呼び出しが増えるので、コストもレイテンシも増えます。
でも、間違いのコストが高いタスクでは、その追加コストに意味があります。
コストは魔法ではない
OpenRouterのFusionモデルページでは、価格についても明確に説明されています。
Fusionは、panel member全員の呼び出しとjudge呼び出しの合計で課金されます。
つまり、単体モデル1回分の価格で複数モデルが走るわけではありません。
ここは誤解しない方がいいです。
「半額でFable級」という表現は、選んだパネルや比較対象によって意味が変わります。
ただし、Budget panelがFable 5にかなり近いスコアを出したことは大きい。
高級モデル1体に全振りする以外に、
・安いモデルを複数組み合わせる
・必要なときだけjudgeを入れる
・タスクごとにQualityとBudgetを切り替える。
という設計が現実的になります。
これはAIのコスト設計としてかなり重要です。
OpenCodeとの連携はどう考えるか
OpenRouterは、OpenCodeとの連携ドキュメントも公開しています。
OpenRouterのOpenCode連携ドキュメントでは、OpenCodeの位置づけと接続手順が説明されています。
OpenCodeは、ターミナルUIとデスクトップアプリで使えるオープンソースのAIコーディングエージェント。
LSP連携、複数セッション、共有可能なセッションリンクを持ち、75以上のLLM providerに対応している。
その中にOpenRouterも含まれる。
連携手順はシンプルです。
- OpenRouterでAPIキーを作る
- OpenCodeで /connect を実行する
- OpenRouterを選ぶ
- APIキーを貼る
- /models でモデルを選ぶ
OpenRouter docsでは、configファイルでOpenRouter modelを追加する例も載っています。
例えば、OpenCodeの opencode.json にOpenRouter providerを設定し、使いたいモデルを追加する形です。
イメージとしては、OpenCode側のprovider設定に openrouter を置き、その中の models に使いたいモデルIDを追加する。
OpenRouter docsの例では、~anthropic/claude-sonnet-latest や ~google/gemini-flash-latest のようなモデルが入っています。
この考え方でいくと、OpenCode側から openrouter/fusion をモデルとして選ぶ、またはconfigに追加することで、Fusionを使える可能性があります。
ただし、ここは慎重に見た方がいいです。
openrouter/fusion を単体モデルスラッグとして呼ぶだけなら、OpenAI互換APIのモデル指定として扱える可能性が高い。
一方で、Fusion Server Toolの {"type": "openrouter:fusion"} や、analysis_models の細かい指定までOpenCode側でどう扱えるかは、OpenCodeの実装と設定方法に依存します。
確実に細かく制御したいなら、OpenRouter APIを直接叩くのが安全です。
OpenCodeでまず試すなら、こう書くのが安全です。
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}
ただし、これは「OpenCode上でFusionをモデルとして選ぶ」ための入口です。
細かいpanel制御までやるなら、OpenCodeの通常モデル選択だけではなく、OpenRouter API側でtool/plugin指定を試す必要があります。
また、OpenCode docsには、OpenRouterが /connect から使えるproviderとして載っています。
OpenRouterがOpenCode連携のメリットとして挙げているのは、モデル数だけではありません。
providerが使えない、またはrate limitに当たった場合に別providerへ回せること。
チームで予算や利用状況を管理しやすいこと。
モデル切り替えをAPIキー再設定なしで行えること。
そして、OpenRouterのドキュメントでは、明示的にopt inしない限り、ソースコードpromptはログしないとも説明されています。
コーディングエージェントで使うなら、この点はかなり重要です。
■OpenCode本体のGitHub
https://github.com/anomalyco/opencode
OpenCode連携を見ると、今後の方向性も見えてきます。
コーディングエージェントでも、今後は単体モデルを選ぶだけではなく、
・実装担当モデル
・レビュー担当モデル
・仕様確認モデル
・反証モデル
・最終統合モデル
この「モデルチーム設計」が重要になっていくはずです。
OpenRouterがOpenCode連携を公式に出しているのも、この流れと相性がいいからです。
Fable停止とFusion登場をつなげると何が見えるか
ここで最初の話に戻ります。
Fable 5のアクセス停止は、AI活用における「単体最強モデル依存」のリスクを可視化しました。
一方で、Fusionは「複数モデルを束ねる」という別の設計を見せました。
もちろん、FusionがFable停止を受けて急造されたという話ではありません。
OpenRouterのベンチマーク自体も、Fable停止前に走らせたとOpenRouterはX上で説明しています。
だから、因果関係としてはこうではありません。
Fableが止まったからFusionが作られた。
そうではなく、
Fableが止まったことで、Fusionが示している方向性の重要さが一気にわかりやすくなった。
これです。
最強モデルは今後も必要です。
でも、最強モデルだけに依存する設計は危うい。
これから重要になるのは、モデルのポートフォリオです。
・どのモデルを使うか
・どのモデルを組ませるか
・どのモデルに審査させるか
・どこでWeb検索させるか
・どこで止めるか
・どこでBudgetにするか
・どこでQualityにするか
この設計能力が、AI活用の差になります。
個人的に一番重要だと思うこと
Fusionは、単なる「便利な新API」ではありません。
AIの使い方そのものを変える発想です。
これまでは、多くの人が単体モデル中心で考えていました。
・一番強いモデルを選ぶ
・そのモデルに全部頼む
・ダメならプロンプトを直す
Fusion的な発想では、AIの使い方がチーム設計に近づきます。
・複数モデルに別々の視点で見させる
・食い違いを明示する
・盲点を拾う
・最後に統合する
この方が、人間のチーム作業に近い。
優秀な1人に丸投げするより、複数の専門家に見せて、最後に編集長がまとめるようなイメージです。
だから、リサーチ、投資判断、事業戦略、法務、医療、商品比較、コードレビューのように、間違いのコストが高い領域では特に相性がいい。
逆に、軽い文章生成や単純な変換では、毎回Fusionを使う必要はありません。
ここを使い分けるのが大事です。
まとめ
Fable 5の停止は、最強モデル依存の危うさを見せました。
OpenRouter Fusionは、複数モデルを束ねることで、その危うさに対する別解を見せました。
Fusionの要点は、複数モデルを走らせてからjudgeで整理し、単体モデルとは違う強みを出すところにあります。
・複数モデルを並列に走らせること
・judgeが合意点、矛盾、抜け漏れ、独自視点、盲点を整理すること
・単体モデルより強い結果が出る可能性があること
・Budget panelでもfrontier modelに迫れる可能性があること
・OpenCodeのようなコーディングエージェントにも応用余地があること
そして何より、
AIの競争軸が「単体モデルの性能」から「モデルチームの設計図」へ広がっていることです。
これは、かなり大きなブレイクスルーだと思います。
今後は、どのモデルが最強かだけでなく、
・どのモデルを組ませるか
・どのモデルに審査させるか
・どのタスクでFusionを使うか
・どのタスクでは使わないか
この判断が、AI活用の勝ち筋になっていくはずです。
最後に: 1億円事業の裏側で、一番お世話になった秘密のツール
ただ、ここで終わる人がほとんどです。
「Fusionすごい」
「Fableが止まったのは衝撃」
「次はどのモデルを使えばいいのか」
ここで止まると、ただの情報収集で終わります。
本当に大事なのは、AIをどう現実の成果に変えるかです。
私はAIを使って、コンテンツビジネスやnote販売に転用し、1億円規模の事業を何本も作ってきました。
その裏側で、一番お世話になったものがあります。
「こいつがいたから売れた」
そう言える、自社で開発した秘密のAIツールです。
これは、ただのチャットボットでも、プロンプト集でもありません。
・切り口づくり
・訴求づくり
・導入設計
・登録導線
・販売までの流れ
このあたりを支えるために、自社用に作ってきた門外不出のツールです。
今回、その全貌を公開します。
詳細を知りたい方は、このフォームから登録しておいてください。
https://utage-system.com/r/nh3MOFZg0eYg/register
・AIニュースを眺める側で終わるか
・AIを使って売上を作る側に回るか
ここが分岐点です。
出典・参考
■OpenRouter Fusion解説ページ
https://openrouter.ai/blog/announcements/fusion-beats-frontier/
■OpenRouter X投稿
https://x.com/OpenRouter/status/2065856853989270011
■Anthropic公式声明: Fable 5 / Mythos 5 access suspension
