Разборы · Статья: · Видео: · 5 мин 47 сек
OpenRouter Fusion: умеет ли «ансамбль моделей» обогнать одну сильную — и при чём тут маркетинг
Разбор обзора AICodeKing на Fusion API от OpenRouter: как устроена compound-модель из панели нейросетей с judge-моделью, почему громкая заявка «обходит Fable» вводит в заблуждение и стоит ли это денег и времени.
Коротко
OpenRouter выпустил Fusion — «compound-модель», которая рассылает промпт сразу нескольким нейросетям, а отдельная judge-модель сводит их ответы в один. Автор обзора показывает: заявку «дешевле и умнее Fable» доказывают одним узким бенчмарком на deep research, а на практике выходит дороже, медленнее и местами хуже одной сильной модели.
Объясни проще
Суть без жаргона
Простыми словами
Обычно вы спрашиваете одну нейросеть и получаете один ответ. Fusion от OpenRouter работает иначе: он задаёт ваш вопрос сразу нескольким моделям (например, Opus, GPT и Gemini), потом отдельная «модель-судья» читает все ответы, ищет, где они сходятся, где спорят и чего не хватает, и пишет итоговый ответ. Идея — «коллективный разум умнее одиночки». OpenRouter заявляет, что так можно получить качество дорогой топ-модели Fable за полцены. Автор обзора возражает: это доказано только на одном узком тесте (глубокий поиск информации), а в реальных задачах — игры, 3D-симуляторы, картинки, математика — Fusion выдаёт то же или хуже, чем одна модель, но платите вы за все вызовы сразу, ждёте дольше, и в рабочих инструментах-агентах это почти не поддерживается.
Как ребёнку
Представь, что вместо одного умного друга ты спрашиваешь сразу троих, а четвёртый слушает их всех и сводит ответы в один. Звучит круто, но получается дольше и дороже, а ответ нередко не лучше, чем у одного самого толкового друга.
Оценка видео
Чем выше — тем больше пользы на минуту
средняя из 5
Свежий разбор только что вышедшего Fusion API — самая горячая тема на момент публикации.
Короткий обзор-мнение: ясная механика и здравая критика, но глубины и данных мало — в основном личные тесты автора.
Сама идея ансамбля моделей не нова (автор сам сравнивает с обвязками вокруг GPT-3.5), у видео это пересказ и скепсис, а не новая мысль.
Практический вывод по сути один — «не ведитесь на бенчмарк, тестируйте под свою задачу». Полезно, но узко.
Инсайты
Нажми, чтобы раскрыть — то, что меняет взгляд на тему
01 Бенчмарк-уловка: узкий тест выдают за общее превосходство
Fusion сравнивают с Fable на DracoBench — бенчмарке Perplexity именно под deep research. Автор подчёркивает: победа в одной узкой дисциплине поднесена так, будто модель лучше «вообще везде». Это типичный приём — и повод всегда смотреть, на каком именно тесте получены громкие цифры.
02 Ансамбль из нескольких моделей почти всегда «лучше» — но это не то, что вам продают
Прогон промпта через несколько моделей с последующим сведением статистически даёт результат не хуже лучшей из них. Поэтому «Fusion обходит одну модель» — почти тавтология. Вопрос не в том, лучше ли это одной модели в принципе, а оправдывают ли прибавку тройная цена и тройное время.
03 Вы платите за все вызовы и ждёте за всех сразу
Цена Fusion — это сумма всех обращений к панели моделей, а скорость ограничена самой медленной плюс этапом сведения. «Половина цены Fable» в маркетинге легко оборачивается оплатой 3–5 ответов там, где хватило бы одного.
04 Сила Fable была в коде, а сравнивают её по поиску
Автор напоминает: Fable прославилась сырыми кодинг-способностями «из коробки», а не глубоким ресёрчем. Сравнивать с ней compound-модель именно на deep-research-бенчмарке — значит мерить не там, где у Fable была сила.
Полезные советы
Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать
Смотри, на каком бенчмарке получена цифра
Перед тем как поверить «модель X обходит Y», проверь, что это за тест и покрывает ли он твои задачи. Победа на DracoBench (deep research) ничего не говорит о коде, играх или картинках.
Тестируй на своих реальных задачах, а не на чужих графиках
Автор прогнал свой набор кейсов (симуляторы, SVG, математика) — и выводы разошлись с маркетингом. Заведи собственный мини-набор проверок и гоняй на нём любую новую модель или API.
Считай полную стоимость и задержку, а не «цену за модель»
Для compound-моделей реальная цена — сумма всех вызовов, а время — самый медленный участник плюс сведение. Прикинь это до того, как ставить такое в продакшн или агента.
Для одной чёткой задачи бери одну сильную модель
Если задача понятна (написать код, сгенерировать SVG, решить пример), одна топовая модель обычно быстрее, дешевле и не хуже ансамбля. Ансамбль имеет смысл там, где важна полнота и перекрёстная проверка фактов — например, в исследовательском поиске.
Проверяй поддержку в твоём инструменте
Fusion плохо живёт внутри агентов — многие его просто не поддерживают, а долгий ответ ломает рабочий цикл. Перед выбором экзотического API убедись, что твой клиент/агент с ним дружит.
Сценарии применения
Как разные люди применяют это на практике
Я как разработчик, выбирающий LLM-API
Проблема: маркетинговые графики обещают «лучше и дешевле», а в проде модель тормозит и стоит дороже ожидаемого
Хочу: понять, стоит ли подключать Fusion вместо одной модели
Поможет: увидеть, что цена = сумма вызовов, ответ медленный и в агентах почти не поддерживается — и принять решение осознанно
Я как технический руководитель / CTO
Проблема: команда хочет хвататься за каждый новый «прорыв», который завирусился в твиттере
Хочу: фильтровать хайп и не жечь бюджет на громкие релизы
Поможет: получить рабочий приём — требовать тест на своих задачах и разбирать, на каком бенчмарке заявлены цифры
Я как продуктовый маркетолог в ИИ-компании
Проблема: надо подать продукт ярко, но не хочется подорвать доверие громкой натяжкой
Хочу: увидеть, как аудитория считывает «бенчмарк-уловку»
Поможет: понять на чужом примере, почему узкий тест, выданный за общее превосходство, бьёт по репутации сильнее, чем честная заявка
Я как аналитик / исследователь, работающий с deep research
Проблема: нужна полнота и перекрёстная проверка фактов, а одна модель что-то упускает
Хочу: оценить, где ансамбль моделей реально оправдан
Поможет: увидеть единственную нишу, где Fusion осмыслен — широкий исследовательский поиск, а не код и не одиночные задачи
Логика повествования
Как устроена аргументация видео — пройди по шагам
-
Предпосылка OpenRouter заявляет: Fusion — умнейшая compound-модель на рынке
Не отдельная нейросеть, а API: промпт уходит панели моделей параллельно (каждая с веб-поиском), judge-модель сводит ответы, вызывающая модель пишет финал.
-
Предпосылка Маркетинговая заявка: Fable-level за полцены
Связки вроде Opus 4.8 + GPT 5.5 + Gemini 3.1 Pro и «Fable 5 + GPT 5.5» по графику обходят одиночную Fable 5 (≈66%).
-
Аргумент Подвох: цифры взяты только с DracoBench (deep research)
Бенчмарк Perplexity заточен под исследовательский поиск, а результат подают как превосходство «во всём» — это вводит в заблуждение.
-
Аргумент Ансамбль почти всегда не хуже лучшей модели — это не сенсация
Для текста гонять несколько моделей и сводить ответы статистически выгодно по качеству; победа над одиночкой ожидаема и не доказывает превосходство над Fable.
-
Пример Собственные тесты автора проваливаются
Симулятор лифта багует, складной стол на 3JS с пересекающимися ножками, лук со стрелами «очень плохо», математика провалена, SVG-панда похожа на обычный Gemini — уровень одиночного Opus/Gemini или хуже.
-
Аргумент Скрытая цена: дороже, медленнее, плохо в агентах
Платишь за все вызовы панели, ждёшь дольше из-за сведения, а большинство агентов Fusion не поддерживают.
-
Вывод Вывод: идея любопытная, но заявку не подтверждает
Fusion не превосходит Fable; OpenRouter стоит держаться своей сильной стороны — роутинга моделей, а не позиционироваться как ИИ-лаборатория.
Подробный разбор
Полный разбор — разверни, если нужно глубже
Развернуть подробный разбор Свернуть подробный разбор
Это короткий обзор-мнение: блогер AICodeKing разбирает свежий Fusion API от OpenRouter и его громкую заявку — «качество Fable за полцены». Видео ценно не глубиной, а трезвым взглядом на то, как читать маркетинг ИИ-релизов.
Что вообще такое Fusion
Fusion — не нейросеть, а оркестрация. Ваш промпт уходит сразу панели моделей (по умолчанию 3–5, каждая с веб-поиском), затем отдельная judge-модель читает все ответы и сводит их: где согласие, где противоречия, чего не хватает. На этой основе вызывающая модель пишет финальный ответ. Снаружи это выглядит как обычный OpenAI-совместимый API — в этом и удобство, и подвох.
Где, по мнению автора, начинается маркетинг
OpenRouter показывает, что связки моделей обходят одиночную Fable 5 (≈66%) на бенчмарке DracoBench. Но DracoBench от Perplexity заточен под deep research, а цифры подают так, будто Fusion лучше «вообще везде». Автор называет это вводящим в заблуждение: ансамбль из нескольких моделей со сведением ответов и так почти всегда не хуже лучшей из них — поэтому «обходит одиночку» это не сенсация, а ожидаемое следствие схемы.
Что показали практические тесты
На собственном наборе кейсов (симулятор лифта, кейс для линз, складной стол на 3JS, SVG-панда, лук со стрелами, математика, локальный тренер моделей) результат — на уровне одиночного Opus/Gemini или хуже: что-то багует, что-то просто плохо, SVG похожа на обычную генерацию Gemini. При этом вы платите за все вызовы панели, ждёте дольше из-за сведения, а большинство агентов Fusion не поддерживают.
Главный вывод автора: идея ансамбля любопытна (он сравнивает её со старыми многоходовыми обвязками вокруг GPT-3.5), но заявку «превосходит Fable» она не оправдывает. OpenRouter сильнее всего в роутинге моделей — туда и стоит вкладываться, а не в позиционирование себя как ИИ-лаборатории.
Что забрать с собой
Не столько про Fusion, сколько про гигиену выбора моделей: смотри, на каком бенчмарке получена громкая цифра, тестируй на своих реальных задачах и считай полную стоимость и задержку, а не «цену за одну модель». Для одной понятной задачи одна сильная модель обычно выигрывает; ансамбль осмыслен там, где важна полнота и перекрёстная проверка фактов.
Проверь себя
Ответь на вопросы, чтобы материал закрепился
-
1. Как, по описанию из видео, устроена Fusion?
-
2. В чём главная претензия автора к заявке «Fusion обходит Fable»?
-
3. Почему «Fusion лучше одной модели» автор считает почти очевидным, а не сенсацией?
-
4. Какие практические минусы Fusion называет автор?
-
5. Какой совет даёт автор насчёт громких заявлений «модель X обходит Y»?
Словарь терминов
Понять незнакомое простым языком
Показать 8 терминов Свернуть словарь
- OpenRouter
- Сервис-посредник, который даёт единый API к множеству нейросетей разных компаний и сам выбирает/маршрутизирует запросы между ними. Его сильная сторона — роутинг моделей, а не собственные модели.
- Compound-модель (составная модель)
- Не одна нейросеть, а связка из нескольких, работающих вместе под единым интерфейсом. Снаружи выглядит как обычная модель, внутри — оркестрация нескольких.
- Ансамбль моделей
- Приём, когда задачу решают сразу несколько моделей, а их ответы объединяют. Обычно даёт результат не хуже лучшей из них — за счёт большего объёма вычислений и времени.
- Панель моделей (panel)
- Набор нейросетей в Fusion, которым параллельно отправляют один и тот же промпт (по умолчанию 3–5), каждой с включённым веб-поиском.
- Judge-модель (модель-судья)
- Отдельная нейросеть, которая читает ответы всей панели и сводит их: находит согласие, противоречия, пробелы и уникальные мысли, готовя основу для финального ответа.
- Deep research
- Класс задач на глубокий поиск и сбор информации из множества источников с последующим обобщением — в отличие от написания кода или одиночного быстрого ответа.
- DracoBench
- Бенчмарк от Perplexity, заточенный под задачи deep research. Именно на нём OpenRouter показывает превосходство Fusion — что, по мнению автора, не доказывает превосходства «во всём».
- Fable
- Топовая модель (по словам автора, сильная прежде всего в коде «из коробки»), с которой OpenRouter сравнивает Fusion. На момент видео, по утверждению автора, была забанена.
Похожие разборы
Маленькую LLM можно «надрессировать» через RL: дисциплина в работе с инструментами важнее размера модели
Snorkel показал кейс, где 4B-модель после RL-дообучения (GRPO, ~$500, 21 час) обошла 235B на задачах tool use для финансового анализа. Главный вывод: проблема была не в слабом «мышлении», а в неумении пользоваться инструментами — и именно это чинит RL на качественных данных, а не апгрейд на модель побольше.
Читать → РазборDiffusion Gemma: зачем диффузионная LLM ускоряет локальный инференс и чем платит за скорость
Энтузиаст запускает локально открытую диффузионную LLM Google (Apache 2.0) и на живых замерах показывает: для одиночного пользователя она выдаёт ~94 ток/с против ~61 у обычной Gemma при сопоставимом качестве. Главный поворот — диффузия выгодна именно домашнему юзеру, а не дата-центру, и прирост скорости честен только там, где небольшая просадка качества допустима.
Читать → РазборRAG не умер, а вырос в итеративный agentic-поиск: эмбеддинги как кэш вычислений
Простой «RAG = один вызов вектора в контекст» устарел, но сам retrieval жив и превратился в итеративный поиск агента с набором инструментов (вектор, BM25, grep). Эмбеддинги стоит понимать как кэш вычислений: разовая индексация экономит токены и поднимает точность ответов, что подтверждают метрики Cursor.
Читать → РазборКак уместить 5 млн токенов контекста на одном узле H100: стек оптимизаций памяти при обучении LLM
Доклад показывает, как послойным наложением известных приёмов (FSDP, context parallelism через DeepSpeed Ulysses, activation checkpointing, offload, Arctic-tiling) удаётся обучать LLM с контекстом до 3 млн токенов на одном узле H100. Главный вклад авторов — U-Pipe: он переиспользует буферы между чанками голов внимания и дотягивает контекст до 5 млн токенов почти без потери пропускной способности.
Читать →