ARTICLE · 人工智能
PPIO 正式发布“Fusion 融合模型”：用十分之一的价格超越顶级模型的智商
一语总结PPIO 发布 Fusion 融合模型，通过多模型并行作答与思考编排，在 DRACO 基准测试中以约十分之一的成本超越 Claude Fable 5 的智能表现。
文章介绍了 PPIO 智能模型网关新功能 Fusion 融合模型的工作原理：用户请求被分发给多个专家模型并行作答，经过思考编排（提取共识、标记分歧、排除错误）后由主模型融合生成最终答案。通过在 DRACO 深度研究基准测试中使用 Kimi K3、GLM 5.2、MiniMax M3 作为 Advisors、DeepSeek V4 Flash 作为 Aggregator，融合结果得分 57.34，超越 Claude Fable 5 的 55.14，而总成本仅 ¥57.59，约为后者的十分之一。文章进一步分析了单模型在偏科、幻觉和视角遗漏方面的局限，说明多模型融合在调用层提升智能密度，适用于 Agent 场景，并提及 PPIO 在 Token 调用量和服务性能上的领先地位。
- Fusion 融合模型通过多模型并行作答和思考编排提升答案质量。
网关将请求分发给多个模型独立作答，然后提取共识、标记分歧、排除错误，最后由主模型基于整理后的多方论证生成最终答案，从而降低偏科和幻觉的影响。
- 在 DRACO 深度研究基准测试中，融合模型以更低成本超越顶级旗舰模型。
使用 Kimi K3、GLM 5.2、MiniMax M3 作为 Advisors、DeepSeek V4 Flash 作为 Aggregator，融合得分 57.34 高于 Claude Fable 5 的 55.14，而总成本仅 ¥57.59，约为后者的十分之一。
- 多模型融合在调用层提供智能增量，适用于 Agent 高频交互场景。
文章指出 Agent 生产力 = Token 智能密度 × Agent Loop 时长，融合模型在不依赖更大参数规模的情况下提升 Token 智能密度，且多路径结构降低延迟和抖动，提升系统稳定性。
PPIO 正式发布“Fusion 融合模型”：用十分之一的价格超越顶级模型的智商
文章介绍了 PPIO 智能模型网关新功能 Fusion 融合模型的工作原理：用户请求被分发给多个专家模型并行作答，经过思考编排（提取共识、标记分歧、排除错误）后由主模型融合生成最终答案。通过在 DRACO 深度研究基准测试中使用 Kimi K3、GLM 5.2、MiniMax M3 作为 Advisors、DeepSeek V4 Flash 作为 Aggregator，融合结果得分 57.34，超越 Claude Fable 5 的 55.14，而总成本仅 ¥57.59，约为后者的十分之一。文章进一步分析了单模型在偏科、幻觉和视角遗漏方面的局限，说明多模型融合在调用层提升智能密度，适用于 Agent 场景，并提及 PPIO 在 Token 调用量和服务性能上的领先地位。
文章金句
"Agent 生产力 = Token 智能密度 × Agent Loop 时长。
"PPIO 用三个开源模型融合后的评分超越了 Claude Fable 5，而成本仅为后者的十分之一。