Система Fusion выжимает из бюджетных нейронок 64.7% точности в сложных задачах, почти догнав элитную Fable 5. Это значит, что правильная организация процесса сейчас важнее, чем размер модели. Раньше мы гнались за параметрами, теперь — за архитектурой взаимодействия.
Хватит играть в лотерею промптов, отправляя один и тот же запрос в три разных чата, чтобы понять, кто из них сегодня меньше галлюцинирует. Теперь можно заставить нейронки спорить между собой, пока третья — самая умная — не выберет лучший вариант.
Консилиум вместо лотереи
Представь совет директоров из топовых экспертов. Каждый крут по-своему, но каждый тянет одеяло на себя и может ошибиться в деталях. Если спросишь одного — получишь его субъективный взгляд. Но если заставишь их обсудить задачу, а в конце пустишь гендиректора, который отсечёт бред и соберёт из разных мнений один идеальный ответ — это будет работать.
Именно так устроен OpenRouter Fusion. Твой промпт улетает сразу панели моделей, они параллельно анализируют задачу, ищут информацию в сети и выдают свои варианты. Затем в дело вступает модель-судья. Она ищет консенсус и вытягивает уникальные инсайты, которые один эксперт заметил, а другой пропустил.
Магия синтеза: почему команда сильнее одиночки
Самое интересное — процесс перепроверки. Тесты показали любопытный факт: если взять одну модель Opus 4.8 и заставить её слиться с самой собой через Fusion, точность прыгает с 58.8% до 65.5%. Прибавка в 6.7 процентных пункта происходит просто потому, что система заставляет ИИ перепроверить свои же выводы и синтезировать их заново.
Мы получаем эффект синтеза. Финальный ответ в Fusion — новый продукт, которого не было ни у одной модели в панели. Это похоже на работу хорошего редактора, который берёт черновики трёх разных авторов и собирает из них одну статью, где нет фактических ошибок и всё разложено по полочкам.
Бюджетный прорыв против элиты
Главный разрыв шаблона происходит, когда сравниваем элиту и бюджетников. OpenRouter выкатил два пресета. В одном сидят монстры вроде Fable 5 и GPT-5.5, в другом — доступные Gemini 3 Flash, Kimi K2.6 и DeepSeek V4 Pro.
Бюджетная панель в бенчмарках DRACO показала результат 64.7%. Для сравнения: соло-версия Fable 5, которая считается одной из самых мощных в мире, выдаёт 65.3%. Разница почти незаметна, но цена и доступность у бюджетного консилиума совсем другие.
Получается, что пачка дешёвых моделей, организованных по умному алгоритму, почти догнала самого дорогого одиночку на рынке. Это означает, что эра одной гигантской модели для всего сменяется эрой Compound AI систем.
Налог на роскошь и слепые зоны
За такой коллективный разум приходится платить, и речь не только о деньгах. Fusion — настоящий налог на роскошь. В среднем такой запрос обходится в 3–5 раз дороже обычного вызова модели, потому что ты оплачиваешь работу всей панели и судьи. С задержками ещё грустнее: ответ может идти в 2–3 раза дольше, а в некоторых случаях ждать придётся в 7 раз дольше, чем обычно.
У Fusion есть свои слепые зоны. Например, в кодинге эта система может оказаться бесполезной или даже вредной. Если просишь написать сложный модуль, разные модели могут предложить разные стили реализации и архитектурные подходы. Модель-судья может смешать их в один нечитаемый винегрет, который не будет работать.
Есть и риск глупого судьи. Если модель, которая синтезирует ответ, ошибётся или будет иметь свои предубеждения, весь труд панели экспертов пойдёт прахом. Это как если бы в совете директоров собрались гении, но гендиректор оказался самоуверенным дилетантом, который вычеркнул всё самое важное.
Подбираю и внедряю модели под задачи бизнеса без переплаты — если нужно в свой бизнес, напишите в телеграм @dmitra_ai или ВКонтакте, обсудим.
Fusion напоминает работу присяжных в суде. Один судья-гений может быть очень точен, но он может просто проснуться не в духе или иметь личную неприязнь к аргументам защиты. А группа обычных людей, если их правильно модерировать, почти всегда приходит к более взвешенному вердикту — просто потому что исправляют ошибки друг друга.