Fable 5 的下架让很多开发者措手不及，但 OpenRouter 提供了一个替代方案：Fusion 多模型融合。通过将多个大模型组队协作，一套平价模型阵容就能实现接近 Fable 5 的综合能力，而成本只有一半。本文带你了解 Fusion 的工作原理和具体使用方法。

Fusion 是什么

Fusion 是 OpenRouter 推出的多模型融合方案。当你向 Fusion 发送指令后，系统会：

1. 将任务并行分发到多个模型（所有模型都支持网页检索与内容抓取）
2. 由判定模型逐一分析各家回复，梳理出共识观点、矛盾之处、信息缺口和独到见解
3. 基于这份分析生成最终答案

整套流程在服务端完成，调用体验和使用单个模型基本一致。

任务并行分发到多个模型，再由判定模型整合分析后输出最终答案。

性能数据

在 Perplexity AI 打造的 DRACO 深度研究基准测试集上（100 道实战题，覆盖学术、金融、法律、医疗、技术等十大领域），测试结果显示：

平价组合与 Fable 5 仅差 0.6 个百分点，性能基本持平。

Kimi K2.6+DeepSeek V4 Pro+Gemini 3 Flash组合得分64.7%，几乎追平Fable 5的65.3%。

成本对比

Fable 5 定价

• 每百万输入 Token：10 美元
• 每百万输出 Token：50 美元
• 是 Opus 4.8 的两倍

平价组合定价

三者组合后，综合调用成本相比 Fable 5 降幅接近 80%。算上平台调度、内容融合等附加成本，单任务总花费依旧只有 Fable 5 的约 50%。

三人组单任务总花费依旧低于Fable 5，是全场性价比最优方案。

如何使用

方式一：网页端

OpenRouter 网页端提供预设组合一键启用，也可以按需自由搭配模型。

在网页端直接选择预设组合或自由搭配。

方式二：API 调用

通过 API 接口自动化调用，在参数里指定模型组合即可。

在API参数中指定模型组合即可完成调用。

额外发现：自我融合也能提升性能

测试中一个有趣的发现：即使是同一模型进行自我融合（同一指令多次运行后整合），也能实现性能提升。例如 Opus 4.8 自身组合后，得分从单体 58.8% 提升至 65.5%。

这说明 Fusion 的性能增益不仅来自不同模型的能力互补，答案整合和逻辑梳理这一流程本身就能优化输出质量。

参考链接

• Fusion 官方公告：https://openrouter.ai/blog/announcements/fusion-beats-frontier/
• OpenRouter Twitter：https://x.com/OpenRouter/status/2065856860435988482