在 Claude Fable 5 发布后，访问权限立即被暂停。
就在那一刻，OpenRouter 宣布了 Fusion API，这是一个将多个模型打包以生成单一答案的系统。
在一篇 X 帖子中，OpenRouter 将 Fusion 介绍为“一种复合模型，以一半的价格实现 Fable 级别的智能”。
这是一个非常大胆的说法。
然而，这次公告的有趣之处不仅仅在于新 API 的发布。
Fable 访问权限的暂停立即揭示了 依赖单一最强模型的风险。
Fusion 应运而生，成为这种脆弱性的替代解决方案。
换句话说，这条消息可以解读为：
AI 的主战场正在从
“哪个单一模型最强？”
转向
“如何组合、评判和整合多个模型？”
这是一个重要的转折点。
发生了什么
作为背景，Claude Fable 5 是 Anthropic 于 2026 年 6 月 9 日发布的下一代模型。
在 Anthropic 的公告中，Fable 5 被描述为在长时间自主任务、软件工程、知识工作、视觉和科学研究方面非常强大的模型。
然而，情况在 6 月 12 日突然改变。
Anthropic 宣布，根据美国政府的出口管制指令，将暂停对 Fable 5 和 Mythos 5 的访问权限。
这暴露了单一模型依赖的风险。
无论一个模型有多强，如果你无法访问它，它就毫无用处。
无论性能有多高，它都可能因为法规、供应问题、定价、过滤器或供应商故障而突然从你的工作流程中消失。
对于那些将 AI 融入工作的人来说，这是一个非常现实的问题。
仅仅“选择最强的模型”已经不够了。
“如何设计一个在最强模型不可用时不会崩溃的系统”
突然变得至关重要。
什么是 OpenRouter Fusion？
OpenRouter Fusion 不是一个由单个模型提供答案的系统。
它是一个将单个提示转化为多个模型进行小型审议的系统。
根据 OpenRouter 的官方博客和 X 帖子，Fusion 将用户的提示发送给多个模型，通过一个评判模型进行组织，然后综合生成最终回复。
- 用户发送一个提示。
- Fusion 并行将其发送给多个模型。
- 每个模型创建自己的回复。
- 评判模型比较所有回复。
- 它提取一致点、矛盾点、部分遗漏、独特视角和盲点。
- 基于这些分析，生成最终回复。
这里的关键点是：Fusion 不仅仅是简单的多数投票。
它不是“因为 3 个模型中有 2 个这么说，所以就是正确的。”
它分解每个模型的回复，组织重叠部分、冲突部分、仅一方提及的点以及无人触及的盲点，最后整合它们。
OpenRouter 的 X 帖子将这个概念描述为“模型的神经多样性”。
与其把所有事情交给一个天才，不如召集具有不同优势的成员，以团队方式创建答案。
这就是 Fusion 的精髓。
OpenRouter 通过 Fusion API 公告传达的信息
OpenRouter 的公告不仅仅是在说“你可以调用多个模型”。
他们的主张相当明确：
- 在深度研究任务中，模型小组始终优于单个模型。
- 结合高性能模型的结果超过了单个前沿模型。
- 即使是廉价模型小组也超过了单个前沿模型，并且非常接近 Fable 5。
OpenRouter 通过一个名为 DRACO 的深度研究基准来展示这一点。
看这张图，Fusion 配置排在最前面。
列出官方博客中显示的主要分数，会发现显著差异：
- 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 自融合：65.5%
- Claude Fable 5（单个）：65.3%
- Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro Fusion：64.7%
- GPT-5.5（单个）：60.0%
- Claude Opus 4.8（单个）：58.8%
这里有两点特别令人震惊：
- Fable 5 + GPT-5.5 的 Fusion 超过了单独的 Fable 5。
- Gemini 3 Flash、Kimi K2.6 和 DeepSeek V4 Pro 的经济型小组超过了单独的 GPT-5.5 和 Opus 4.8，非常接近单独的 Fable 5。
OpenRouter 的 X 帖子也强调了这个经济型小组。
廉价模型的组合超过单个高端模型，在实践中非常有效。
什么是 DRACO 基准？
这一点也很重要。
OpenRouter 使用的 DRACO 不仅仅是知识问答。
它是 Perplexity 的一个深度研究基准，包含 10 个领域的 100 个复杂研究任务：
- 学术研究
- 金融
- 法律
- 医学
- 技术
- UX 设计
- 常识
- 大海捞针搜索
- 个人助理
- 产品比较
换句话说，它不是测试模型是否记住了事实。它测试模型是否能够研究、比较信息、整合多个来源，并针对复杂问题准确且可读地回答。
此外，每个任务根据大约 39 个加权标准进行评估，包括：
- 事实准确性
- 深度和广度
- 展示质量
- 引用质量
此外，错误答案会得到负面评价。OpenRouter 的 X 帖子解释说，仅仅写出冗长、具有欺骗性的答案无法获得高分。这非常适合评估 Fusion，因为 Fusion 的目标是研究、比较和专业判断等任务，遗漏可能是致命的。
关于 Fable 比较的注意事项
有一个不可忽视的点。
OpenRouter 的官方博客包含一个关于 Fable 5 的说明。
在 100 个 DRACO 任务中，有 7 个任务因 Fable 5 的内容过滤器而未完成。
OpenRouter 解释说，他们没有对这 7 个任务回退到 Opus 4.8，而是基于 Fable 5 完成的 93 个任务进行评估。因此，Fable 5 的 65.3% 与完成所有 100 个问题的模型相比，是一个略微不平衡的比较。
这个注意事项很重要。尽管如此，Fable 在其可完成的范围内非常强大，这使得 Fusion 接近或超过它的事实更具冲击力。
更有趣的是：“自融合”
Fusion 的优势不仅仅来自混合不同模型。
OpenRouter 还尝试了自融合，即运行 Opus 4.8 两次，然后与 Opus 4.8 自身整合。结果是 65.5%。而单个 Opus 4.8 是 58.8%，提升了 6.7 个百分点。
这很迷人。即使是同一个模型，多次处理同一个问题会改变推理路径、工具调用、来源选择和重点。之后整合这些结果使其比单个回复更强。OpenRouter 的 X 帖子提到，Fusion 的大部分改进来自“整合”本身，部分来自“模型多样性”。
简而言之，Fusion 不仅仅是模型的集合。创建多个答案、结构化并整合它们的过程本身就有价值。
有趣的防作弊措施
OpenRouter 官方博客的可信度在于，他们甚至提到了基准污染。当他们给 Fusion 小组模型提供网络搜索时，模型有时会在线找到 DRACO 的评分标准。这不是故意的作弊行为，而是由于搜索词偶然发生的。
然而，这带来了污染风险。OpenRouter 解释说，他们排除了托管评分结果的地点，从网络搜索和检索中排除，然后重新运行测试。他们也在 X 上明确说明了这一点。本质上，Fusion 之所以强大是因为它可以利用网络搜索，但也正因为可以使用网络搜索，在评估时需要设计防作弊措施。
如何使用 Fusion
OpenRouter 以多种形式提供 Fusion。最简单的方法是将其作为模型 slug 调用：openrouter/fusion。
只需在 model 字段中指定它，类似于标准的 OpenAI 兼容 API。
1{2 "model": "openrouter/fusion",3 "messages": [4 {5 "role": "user",6 "content": "写入你想要研究的主题"7 }8 ]9}
在 OpenAI 兼容的 SDK 中：
1const completion = await client.chat.completions.create({2 model: "openrouter/fusion",3 messages: [4 {5 role: "user",6 content: "比较在编码 Agent 中使用 Fusion 的最强支持论点和反对论点。"7 }8 ]9});
另一种方法是将其用作服务器工具：{"type": "openrouter:fusion"}。
在这种情况下，当外部模型判断“此任务需要多个视角”时，它可以调用 Fusion。
OpenRouter 文档指出，Fusion 服务器工具处于测试阶段，行为可能会发生变化。然而，其理念是强大的。不必将每个任务都发送给 Fusion，而只在以下情况下切换到 Fusion：
- “需要多个模型视角”
- “这是一个研究或比较任务，错误成本很高”
- “需要审查或反驳”
小组和评判模型可自定义
Fusion 不是固定配置。在 OpenRouter Fusion 模型页面上，默认是 Quality 预设。你可以切换到 Budget 以获得更便宜的配置。
此外，你可以用 analysis_models 指定参与的模型，用 model 指定评判模型。Fusion 服务器工具文档指出，你可以在 analysis_models 中指定 1 到 8 个模型。每个小组模型并行运行，使用网络搜索和检索，评判模型创建一个结构化的分析 JSON。
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 是小组侧并行运行的模型。model 是读取并结构化这些回复的评判模型。max_tool_calls 决定小组模型或评判模型可以使用多少次网络搜索/检索。
返回的分析包括一致点、矛盾点、仅部分提及的点、单个模型的独特见解以及盲点。这个设计很有趣，因为你不仅得到最终答案，还得到了“为什么得出那个答案”的材料。对于单个模型，优美文字背后的遗漏很难看到。而对于 Fusion，多个模型之间的差异是可见的。
针对失败的设计很实用
由于 Fusion 使用多个模型，其中一个可能会失败。OpenRouter 文档解释说，即使某些小组模型出错，只要至少有一个成功，Fusion 就会返回结果。如果评判模型失败，小组回复仍然会返回，外部模型可以据此回答。只有当所有小组模型都失败时才会发生硬性失败。这对生产环境至关重要。
成本不是魔法
OpenRouter 的 Fusion 页面清楚地解释了定价。Fusion 的计费是所有小组成员调用的总和加上评判模型的调用。并不是以单个模型的价格运行多个模型。所谓“Fable 级别一半价格”的说法取决于所选的小组和比较目标。
然而，Budget 小组产生了接近 Fable 5 的分数，这一点意义重大。它使得以下情况变得现实：
- 组合多个廉价模型
- 只在必要时使用评判模型
- 根据任务在 Quality 和 Budget 之间切换
与 OpenCode 的集成
OpenRouter 还发布了与 OpenCode 集成的文档。
OpenCode 是一个开源 AI 编码 Agent，可作为终端 UI 和桌面应用使用。它支持包括 OpenRouter 在内的超过 75 个 LLM 提供商。你可以通过在 OpenCode 中选择 openrouter/fusion 作为模型来使用 Fusion。
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}
在编码 Agent 的未来中，“模型团队设计”——分配模型用于实现、审查、规格确认、反驳和最终整合——将变得至关重要。
联系 Fable 暂停与 Fusion 的到来
Fable 5 的暂停可视化地展示了“单一最强模型依赖”的风险。与此同时，Fusion 展示了“捆绑多个模型”的替代设计。
OpenRouter 在 X 上解释说，他们在 Fable 暂停之前就运行了基准测试。所以，并不是因为 Fable 停止才创造了 Fusion。相反，Fable 的暂停使得 Fusion 所展示方向的重要性更容易理解。
最强模型仍然需要，但仅仅依赖它们是危险的。现在重要的是模型组合：
- 使用哪些模型
- 组合哪些模型
- 由哪个模型评判
- 在哪里使用网络搜索
- 在哪里使用 Budget 与 Quality
这种设计能力将成为 AI 利用中的区分因素。
我认为最重要的
Fusion 不仅仅是一个“方便的新的 API”。它是对我们使用 AI 方式的思维转变。不再依赖一个天才包办一切，而是像一个团队。它特别适用于研究、投资、法律、医疗和代码审查等高风险的领域。相反，对于轻松的文字生成，你不需要每次都使用 Fusion。知道何时使用是关键。
总结
OpenRouter Fusion 通过捆绑多个模型提供独特优势，为单一模型依赖提供了解决方案。竞争正在从“单个模型性能”转向“模型团队设计”。
最后：千万日元生意背后的秘密工具
大多数人停留在“Fusion 很酷”。但真正的问题是如何将 AI 转化为成果。我利用 AI 在内容和销售方面建立了多个千万日元的生意。现在，我将内部开发的秘密 AI 工具公之于众，用于处理从钩子到销售漏斗的一切。如果你想从只是看 AI 新闻转向创收，请在此注册：
https://utage-system.com/r/nh3MOFZg0eYg/register
来源/参考：
- OpenRouter Fusion 博客
- OpenRouter X 帖子
- Anthropic 关于 Fable 5 的官方声明
