OpenRouter Fusion：很适合深度研究，但还不足以证明普遍领先

在我看来，Fusion 是 OpenRouter 最近几个月里最值得关注的发布之一，原因很简单：它说明了编排层的重要性，几乎可以和模型本身一样关键。与此同时，它也暴露了另一面限制：DRACO 上的好成绩，确实能说明深度研究能力，但对编码、智能体、多模态以及高交互任务，说明得还远远不够。

2026 年 6 月 12 日的发布，以及 2026 年 6 月 14 日补充的 FAQ，正好把这两点都呈现出来。一方面，这是一个技术上说得通的产品。另一方面，它当前的叙事范围，仍然大于基准测试真正证明的范围。OpenRouter 发布文章

Fusion 实际上是怎么工作的

理解 Fusion 最有用的方式，不是把它当成一个新模型，而是把它看作一个运行在服务端的多模型编排层。

当你向 openrouter/fusion 发送请求时，OpenRouter 会：

• 并行地把提示词分发给一个模型面板
• 为这些模型开启网页搜索和网页抓取
• 收集不同模型的回答
• 把所有结果交给一个“裁判”模型，比较共识、分歧与空白
• 返回一份综合后的最终回答

这个细节会改变整个视角。问题不再只是“模型本身有多强”，而是“这个协调多个模型的系统到底额外创造了多少价值”。Fusion 真正有意思的地方就在这里：它首先是一种组合模式。

这些分数真正说明了什么

在 DRACO 基准上，OpenRouter 公布了几组值得认真看的结果：

• Fable 5 + GPT-5.5，由 Opus 4.8 综合，达到 69.0%
• Fable 5 单独运行达到 65.3%
• Opus 4.8 + Opus 4.8，同样由 Opus 4.8 综合，达到 65.5%
• 一个预算型面板 Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro 达到 64.7%
• GPT-5.5 单独为 60.0%，Opus 4.8 为 58.8%

最值得注意的点，不只是多模型面板让分数更高，而是它们是如何把分数抬高的。

其中最有启发性的，其实是 Opus 4.8 + Opus 4.8 这一组结果：同一个模型运行两次，再把两次输出做综合，依然比单次运行明显更强。这说明收益的重要来源，不只是模型之间的多样性，也来自第二轮综合与对照本身的价值。Fusion 基准结果说明

为什么 DRACO 是一个合理的选择

OpenRouter 选择 DRACO 作为评测基准，这本身是合理的。它就是为深度研究任务设计的：100 个任务、10 个领域、细粒度评分规则，并且重点衡量事实准确性、分析深度、引用质量和综合能力。对于 Fusion 想要成为的那类产品，这样的选择是匹配的。DRACO 论文

这也确实强化了发布中最核心的信息：在复杂研究任务上，协调多个模型，有可能比单次调用一个模型得到更好的结果。

这个基准应当如何谨慎解读

正因为 DRACO 选得合理，它也必须被严格地解读。

• 它主要评测的是文本型深度研究，不是端到端编码，不是长程智能体，也不是视觉推理
• Fable 5 实际只完成了 100 个任务中的 93 个，因为其中 7 个任务被模型自身的过滤机制拦截
• OpenRouter 还解释说，为了避免基准污染，它必须屏蔽那些在线暴露 DRACO 评分细则的域名

这些限制不会抹掉结果，但会明确结果的边界。说 Fusion 在 DRACO 上表现很好，是合理的；但如果说这就等于它已经全面超越主流 frontier 模型，那还需要更多证据。

我会在什么场景认真考虑 Fusion

如果从实践者角度评估，我会主要在下面这些场景认真考虑它：

• 对厂商或技术路线做对比研究
• 需要多角度交叉验证的法律或监管分析
• 需要整合大量来源且可能存在冲突的信息
• 值得为“第二次审阅”付费的架构决策

在这些场景里，额外成本和更高延迟是有可能说得通的，因为目标不是速度，而是降低信息判断风险。

预算型面板也是一个有意思的信号：如果用更便宜的模型也能逼近 frontier 水平分数，那它在高吞吐研究类工作负载里就可能很有吸引力。

当 Fusion 没那么适合时

如果任务更看重速度、交互性和持续运行能力，我会认为 Fusion 没那么适合：

• 结对编程和快速迭代
• 带有工具调用和持久状态的循环型智能体
• 用户对延迟感知比完整性更敏感的流程
• 一个强单模型已经足够胜任的任务

在 2026 年 6 月 14 日的 FAQ 中，OpenRouter 其实也明确了两点：

• Fusion 更适合被理解为一个定向工具，而不是 Fable 的自动替代品
• 在编码场景里，它更适合作为复杂研究问题的选择性支持，而不是整个工作流的主引擎

FAQ 还提到，Fusion 一旦被调用，整体过程通常会比标准调用慢 2 到 3 倍。对于强交互场景，这一点会显著改变使用体验。Fusion FAQ

这次发布最有价值的启发

对于设计 AI 系统的人来说，最值得关注的其实不是营销口号，而是背后的架构启发：好的编排层，的确可以实质性地抬高结果上限。

这次发布最重要的 takeaway 是：

• 价值并不只存在于基础模型本身
• 路由、组合和综合可以带来可测量的提升
• 真正有意义的基准，越来越多地在评估整个系统，而不只是单个端点

也正因为这样，Fusion 更适合被理解成一种平台能力。而在这个位置上，OpenRouter 的确站得很对：它做的是模型之间的路由层。

我的结论

在我看来，Fusion 对一类非常明确的任务是可信的：成本高、速度慢、但价值也高的深度研究任务。在这些场景里，多视角输入加上最终综合，确实可能带来实际收益。

但我还不会把它当作“已经普遍优于最佳单模型”的证据。要支持那样的判断，至少还需要并行的编码基准、长程智能体基准、更长上下文检索，以及多模态推理评测。

所以对我来说，重点是：

• 产品本身是有意义的
• 架构模式是聪明的
• DRACO 上的结果值得认真看
• 当前叙事仍然大于基准真正证明的内容

也正是这种“产品成立，但叙事超前”的张力，让 Fusion 值得继续观察。

来源

• OpenRouter，《Surpassing Frontier Performance with Fusion》
• OpenRouter Fusion Router 文档
• DRACO: a Cross-Domain Benchmark for Deep Research Accuracy, Completeness, and Objectivity