OpenRouter 上線 Fusion API：一次呼叫組合多模型，半價追平頂級表現

平常用大模型查點硬核資料，很多人都有過這種體驗：先開個視窗問一個模型，覺得不夠穩再複製給第二個，甚至拉來第三個對比，最後自己人工挑出最靠譜的說法。

6 月 13 日，大模型聚合平臺 OpenRouter 正式把這種「人肉比對」做成了自動化工具，上線了 Fusion API。它把一整套模型協作流程，打包成了一次普通的介面呼叫。

組一個小型 AI 研究班子

這項功能最早在 2026 年 3 月 31 日作為實驗功能公開，現在完全接入了正式 API。它的核心邏輯並不複雜，說白了就是不再逼你在多個聰明大腦裡做單選題，而是把它們湊在一起開會。

當你向 Fusion 傳送一條提示詞時，系統預設會並行分發給 3 到 5 個模型。這些模型會先各自進行聯網搜尋和網頁內容抓取，蒐集足夠資訊並給出各自的解答。

接著，系統會派出專門的「裁判模型」對所有答案進行交叉對比、消除分歧，最後合成出一份綜合輸出。使用者也可以在 Quality 和 Budget 預設之間切換，或者手動指定自己信得過的分析模型和裁判模型。

平價組合跑出旗艦戰力

這種集思廣益的效果，比單打獨鬥強出不少。在 DRACO 基準測試中，Anthropic 家目前最頂級的 Fable 5 單獨得分是 65.3%，GPT-5.5 單獨得分是 60.0%。而把這兩個模型融合在一起後，得分直接衝到了 69.0%，明顯打破了單個最強模型的上限。

更亮眼的是平價方案。OpenRouter 用 Gemini 3 Flash、Kimi K2.6 和 DeepSeek V4 Pro 搭了一個預算版面板，在 DRACO 上拿下了 64.7% 的分數。

這個表現不僅擊敗了單獨執行的 GPT-5.5 和 Claude Opus 4.8，距離頂級的 Fable 5 也只差約 1 個百分點。在 6 月 12 日進行的一組 100 項複雜深度推理任務測試中，Fusion 同樣全面壓過了 GPT-5.5 和 Claude Opus 4.8 單模。

在費用方面，Fusion 採用的是透傳累加模式：呼叫了四個模型就結算四份呼叫的錢。但 OpenRouter 算了一筆賬，即便算上多個模型的開銷，前面那套三款平價模型的預算組合，綜合成本也只有 Fable 5 的一半左右。

為什麼重要

對開發者和重度使用者來說，Fusion 最大的價值是省掉了自己搭建多智慧體投票系統的髒活累活。以往要做到這一步，得自己寫併發請求、處理聯網搜尋異常、還要寫提示詞讓大模型做仲裁裁決，現在直接呼叫 openrouter/fusion 別名就能解決，接入成本極低。

在商業策略上，OpenRouter 這一步走得相當精明。它平臺本身就接入了 60 多家供應商和 400 多個模型，之前使用者只是拿它當切換渠道的路由器；現在做成融合層，不僅直接拉動了底層長尾小模型的呼叫量，還把單一模型廠商的護城河給拆平了。

不過這種做法也有顯而易見的代價。一次請求要等 3 到 5 個模型全部跑完並完成二次裁判，端到端延遲必然會拉長，幾乎不可能用在對即時性要求高的對話場景中。同時，裁判模型本身的偏好和判斷水準，也會成為最終答案質量的隱形瓶頸。我們認為，它目前最合適的位置，依然是後臺那些不急於秒回的深度調研和長文本分析任務。