OpenRouter Fusion：让一堆大模型先开个会，再把答案半价卖给你

昨天晚上刷到 OpenRouter 的一条推，就一句话，Fusion achieves Fable-level intelligence at half the price。翻译过来就是，新出的这个 Fusion，能打到 Fable 级别的智能，价格只要一半。

我第一反应是皱眉。

更聪明、还更便宜，这种话术在 AI 圈听了两年，十有八九是营销在放烟雾弹。便宜往往意味着背后偷偷换了个小模型，聪明往往是挑了几个樱桃 case 给你看。两个好处叠一块儿，通常就是智商税反过来朝你收。

但 OpenRouter 不太一样。这家是做模型路由的，手里攥着 400 多个模型和供应商的接口，平时不太会为了一句口号砸自己招牌。于是我点进去看了它的文档，看完愣了一下，跟你唠唠。

这玩意压根不是一个新模型。

它是让好几个顶级模型，先凑一块儿开个会。

先说清楚 Fusion 到底是个啥

我们平时调 API，逻辑特别朴素，一个问题进去，一个模型出来答案。你用 GPT 就是 GPT 答，用 Claude 就是 Claude 答。模型之间是竞争关系，你二选一。

Fusion 干的事是把这个二选一改成了「都来」。

OpenRouter 给它起的名字叫 compound model，复合模型。你可以把它想象成，你不是雇了一个专家，而是雇了一个专家小组外加一个主持人。你把问题丢进去，它内部会拆成这么几步走。

第一步，一个叫 panel 的专家小组并行作答。默认配置下这个小组里坐着三个人，Claude Opus、GPT、Gemini Pro，全是各家最新的旗舰。它们不是排队回答，是同时开工，各写各的，互相还看不见对方写了啥。而且每个模型手里都开着联网搜索和网页抓取的权限，能现查资料，不是闭着眼睛凭记忆瞎答。这个 panel 最多能塞 8 个模型进去。

第二步，也是我觉得最有意思的一步，来了个叫 judge 的裁判模型。它把小组里每个人的答案收上来，但它干的事不是把几份答案揉成一团。

文档里有句话我盯着看了好几秒，judge「compares their responses and returns structured analysis — it doesn’t merge them」。

它对比，但不合并。

这俩字差别可大了。合并是和稀泥，三个人说的我各取一点拼一篇，听着面面俱到其实糊成一锅。对比是真较真，judge 会输出一份结构化的分析，里头分了好几个维度。

哪些点是几个模型都同意的，这部分叫 consensus，共识，会被当成高置信度的结论。哪些地方几个模型互相打架，叫 contradictions，矛盾点。哪些只有部分模型覆盖到了。哪些是某个模型单独看到的独到见解，unique insights。

还有最后一项，叫 blind spots，盲区，意思是这几个模型集体没想到的地方。

第三步，你那个真正干活的模型，拿着这份对比分析报告，去写最终答案。

让我没绷住的是那个「盲区」

我做的工作是给 AI 搭脚手架的，说人话就是让模型能在生产环境里真正干活的那层工程，agent 的工具链、调度、上下文这些。天天跟模型的输出打交道，所以对「模型会在哪翻车」这件事比较敏感。

单模型最大的问题从来不是它答错，是它答得特别自信地错。

你问一个问题，它给你一段流畅、笃定、结构工整的回答，你根本看不出来它哪句是真的哪句是它编的。它不会主动告诉你「这块我其实没把握」。它的盲区，对你也是盲区，因为你俩共享同一套无知。

Fusion 那个 blind spots 维度，其实就是在拿模型的多样性去补这个洞。三个不同家的模型，训练数据不一样、对齐策略不一样、脾气也不一样。A 模型的盲区，可能正好是 B 模型的强项。judge 把三份答案摊开一对，那些只有一两个模型提到、其他模型完全没碰的点，就被拎出来单独标记了。

这招在工程上其实不新鲜。我们做评测的时候早就在用类似的思路，同一个 prompt 喂给多个模型，看它们在哪儿分叉，分叉的地方往往就是这道题的难点或者陷阱所在。几个模型异口同声的地方你可以放心，几个模型各执一词的地方你就得多长个心眼。

Fusion 把这套「让模型互相照妖」的工程经验，直接产品化成了一个 API。你不用自己搭这套多模型对比的流水线了，调一次接口，背后那场会议自动开完，结论直接递到你手上。

好家伙，这个设计有点子牛逼了。

那「半价」到底是真便宜还是话术

聊到这儿你可能跟我一样，心里那个皱眉还没完全松开。开一场三五个旗舰模型的会，还每个都联网搜，这听着就烧钱，凭啥半价。

这块我得诚实跟你讲，别被那句标语忽悠了。

Fusion 的计费方式，文档写得很直白，你这一次请求的价格，是底下所有模型那几次调用加起来的总和。panel 里三个模型各跑一遍，judge 再跑一遍，外加它们联网搜索的开销，全都算你头上。所以单次调用 Fusion，绝对比你单独调一个模型要贵，这是物理事实，逃不掉。

那「half the price」是在跟谁比？

它比的是「达到同等智能水平」这个目标。OpenRouter 的意思是，你想拿到 Fable 那个级别的回答质量，要么你去买最贵的单模型硬扛，要么你用 Fusion 让几个中等偏上的模型开会凑出同等水平，而后一条路，综合成本只要前者的一半。

听着挺玄对吧，我用大白话给你比划一下。这就好比你要请人解一道特别难的题。一个路子是花大价钱请一位顶级专家单独搞定。另一个路子是请三个还不错的研究生，让他们各自做一遍再互相批改，最后交叉验证出一个同样靠谱的答案，而三个研究生的总价反而比一位顶级专家便宜。

这个账算不算得过来，取决于你那道题值不值得。

OpenRouter 自己在文档里把话也说明白了，Fusion 不是让你拿来回答「今天几号」这种问题的。它的原话是，当一个模型不够用的时候才上 Fusion，比如做研究、要专家级的批判、或者那种「答错了代价很大」的场景。对短平快的小问题，它直接说了，overkill，杀鸡用牛刀。

我挺欣赏这种不藏着掖着的态度。它没跟你说「Fusion 包治百病，所有请求都给我走这条」，而是划清了边界，贵有贵的道理，但你得用在刀刃上。

真要上手，怎么调

说了半天原理，落到代码上其实简单得有点过分。OpenRouter 整个 API 是兼容 OpenAI 格式的，你现有的 OpenAI SDK 基本改个 base URL 就能用。

最偷懒的玩法，直接把 model 字段填成 openrouter/fusion，啥都不用配，它自动套上默认的 Quality 预设那三个旗舰模型，开会、裁判、出答案一条龙。

{
  "model": "openrouter/fusion",
  "messages": [
    { "role": "user", "content": "对比 ridge、lasso 和 elastic-net 回归，各自的强项在哪" }
  ]
}

就这么点东西，背后那场多模型会议就开起来了。

想自己捏一捏，OpenRouter 也给了旋钮。你可以在 plugins 里指定 analysis_models，也就是 panel 里坐哪几个模型，1 到 8 个随你排。再指定一个 model 当裁判。

{
  "model": "openrouter/fusion",
  "plugins": [
    {
      "id": "fusion",
      "analysis_models": [
        "~anthropic/claude-opus-latest",
        "~openai/gpt-latest",
        "~google/gemini-pro-latest"
      ],
      "model": "~openai/gpt-latest"
    }
  ]
}

预算紧张的话，默认那套 Quality 预设全是最贵的旗舰，你可以换成 Budget 预设，把小组成员换成便宜点的模型，省下不少。还有个 max_tool_calls 参数，控制每个模型联网搜索能折腾几轮，默认 8 轮，范围 1 到 16，搜得越狠越贵越慢，自己权衡。哪次不想开会了，单独把 enabled 设成 false 就绕过去了。

它还有另一种接入姿势，不走那个 model 别名，而是把 fusion 当成一个工具挂到你自己的模型上。这样你的模型自己决定啥时候要开会、啥时候直接答。简单问题它自己就答了，碰到硬骨头才去摇人。两种姿势底下其实是同一条流水线，殊途同归。

这种设计我个人是真喜欢。它没把开会做成一个非黑即白的开关，而是做成一个模型能自主判断的能力。模型自己评估这题难不难，难才开会，不难就别浪费那个钱。把决策权交还给模型，这才像那么回事。

我的几句真心话

写到这儿，开头那个皱眉，松开了大半。

倒不是说 Fusion 就完美无缺。它有它实打实的代价，慢和贵是写在脸上的，一场会开下来延迟和账单都不便宜。你要是图快图省，它不是你的菜。它甚至会让一些人不舒服，因为它某种程度上承认了一件事，单个模型，哪怕是最强的那个，也有它够不着的地方，得靠一群模型互相补台。

但我喜欢它背后那个朴素的判断，与其赌一个模型全知全能，不如让几个模型把各自的底牌摊开，让分歧本身成为信息。共识让你安心，矛盾让你警觉，盲区让你别太自信。这套东西，跟我们这些天天看模型在生产环境里翻车的人，踩了一年坑才悟出来的经验，是一模一样的。

我有时候觉得，AI 这两年最大的进步，未必是哪个单点模型又强了多少，而是大家终于开始认真琢磨怎么把模型组织起来干活。从 agent，到多模型协作，再到 Fusion 这种把对比和裁判流程化的东西，路子都是一个，别指望一个超级大脑，要学会搭一个能互相纠错的系统。

万能青年旅店有句词，是谁来自山川湖海，却囿于昼夜厨房与爱。模型也是这样，每一个都来自各自浩瀚的训练数据，却都囿于自己看不见的那片盲区。Fusion 没想着造一个无所不知的神，它只是让这些各有局限的脑子坐到一张桌子前，先开个会。

挺好。航海这件事，从来不是靠一座灯塔，是靠一整片能互相印证的星空。

如果你手上正好有那种「答错了代价很大」的活儿，研究类的、决策类的、要交叉验证的，可以去 OpenRouter 把 Fusion 试一把。记得先把那笔账算清楚，它不便宜，但有些题，本来就值这个价。

至于那句「半价达到 Fable 级智能」的标语，我现在的看法是，它没骗你，但它把后半句藏起来了。完整的版本应该是，在你确实需要那个级别智能的前提下，半价。

前提那几个字，才是重点。