--- type: blog source_url: https://openrouter.ai/blog/announcements/fusion-beats-frontier/ retrieved: 2026-06-15 title: "Surpassing Frontier Performance with Fusion" author: "Brian Thomas (OpenRouter)" published: 2026-06-12 updated: 2026-06-14 tags: [openrouter, fusion, model-ensemble, draco-benchmark, deep-research, model-routing, llm-systems] --- # OpenRouter Fusion: Surpassing Frontier Performance with Model Panels **Geteilt von:** @k9ert in OME-Gruppe "News & Infos (X/YT/Substack etc.)"-Topic ## Quelle - **Titel:** Surpassing Frontier Performance with Fusion - **Autor:** Brian Thomas (OpenRouter) - **Veröffentlicht:** 12.06.2026 (Update 14.06.2026: FAQ) - **URL:** https://openrouter.ai/blog/announcements/fusion-beats-frontier/ - **Kernlinks:** - Try Fusion: https://openrouter.ai/fusion - API-Docs: https://openrouter.ai/docs/guides/features/server-tools/fusion - Server Tools (Web Search/Fetch): https://openrouter.ai/docs/guides/features/server-tools - Web Search Tool-Definition: https://openrouter.ai/docs/guides/features/server-tools/web-search ## Kernthese > "Synthesizing the results of multiple models can significantly outperform what individual models are capable of." OpenRouter launcht **Fusion** — ein Routing-Layer, der mehrere Modelle parallel antworten lässt und ein Judge-Modell die Ergebnisse zu einer konsolidierten Antwort fusioniert. Über das DRACO-Benchmark validiert: **Beyond-Frontier-Performance** mit Billig-Modell-Panels. ## Architektur ``` User Prompt ↓ Fusion Pipeline (server-side) ↓ ┌─────────────┬─────────────┬─────────────┐ │ Panel │ Panel │ Panel │ (parallele Calls, │ Model 1 │ Model 2 │ Model N │ web search + fetch) └─────────────┴─────────────┴─────────────┘ ↓ ↓ ↓ Judge / Synthesizer Model (strukturiert: Konsens, Widersprüche, partielle Abdeckung, einzigartige Insights, blinde Flecken) ↓ Final Answer ``` **API-Call:** ```json { "model": "openrouter/fusion", "messages": [{"role": "user", "content": "..."}], "plugins": [{ "id": "fusion", "model": "google/gemini-3-flash-preview", "analysis_models": [ "google/gemini-3-flash-preview", "moonshotai/kimi-k2.6", "deepseek/deepseek-v4-pro" ] }] } ``` ## DRACO-Benchmark Ergebnisse Quelle: [DRACO: a Cross-Domain Benchmark for Deep Research](https://arxiv.org/abs/2602.11685) (Perplexity AI, arXiv:2602.11685, 12.02.2026) - [PDF](https://arxiv.org/pdf/2602.11685) | [HTML v1](https://arxiv.org/html/2602.11685v1) | [HF Dataset](https://hf.co/datasets/perplexity-ai/draco) | Typ | Model(s) | Score | |---|---|---| | Fusion | Fable 5 + GPT-5.5 (synthesized by Opus 4.8) | **69.0%** | | Fusion | Opus 4.8 + GPT-5.5 + Gemini 3.1 Pro (synth. Opus 4.8) | **68.3%** | | Fusion | Opus 4.8 + GPT-5.5 (synth. Opus 4.8) | **67.6%** | | Fusion | Opus 4.8 + Opus 4.8 (synth. Opus 4.8) | **65.5%** | | Solo | Claude Fable 5 | 65.3% | | Fusion | Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro (synth. Opus 4.8) | **64.7%** | | Solo | DeepSeek V4 Pro | 60.3% | | Solo | GPT-5.5 | 60.0% | | Solo | Claude Opus 4.8 | 58.8% | | Solo | Kimi K2.6 | 53.7% | | Solo | Gemini 3.1 Pro | 45.4% | | Solo | Gemini 3 Flash | 43.1% | **Drei Schlüsselbefunde:** 1. **Panels schlagen einzelne Modelle konsistent** — selbst mit identischer Architektur (Opus 4.8 + Opus 4.8: +6.7 Punkte über Solo-Opus) 2. **Beyond-Frontier mit Frontier-Panels** — Fable 5 + GPT-5.5 schlägt Fable 5 alleine 3. **Budget-Panels erreichen Frontier-Nähe zu halben Kosten** — Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro kommen auf 64.7% (innerhalb 1% von Fable 5) bei 50% der Kosten ## Wichtige methodische Details ### Benchmark-Design (DRACO) 100 Deep-Research-Tasks in 10 Domänen (Akademik, Finanzen, Jura, Medizin, Tech, UX, General Knowledge, Needle-in-Haystack, Personal Assistant, Product Comparison). Pro Task ~39 gewichtete Kriterien in 4 Dimensionen: - **Factual Accuracy** (~20 Kriterien) - **Breadth & Depth** (~9 Kriterien, inkl. Trade-off-Analyse) - **Presentation Quality** (~6 Kriterien, inkl. Lesbarkeit) - **Citation Quality** (~5 Kriterien, primäre Quellen) Negative Gewichtung für gefährliche Falschaussagen (z.B. medizinisch) verhindert Score-Gaming durch Länge. Jede Antwort wird 3× von Judge-Modell graded, Mittelwert berichtet. ### Anti-Cheating-Mechanismus > "When we gave the panel models web search, we discovered something alarming: they were finding the DRACO grading rubric online." OpenRouter schließt DRACO-Quellen vom Web-Search/Fetch aus — Konfiguration auf `excluded_domains`/`blocked_domains` in Server-Tools. Nutzbar auch für eigene Evals. Quelle: [OpenRouter Server Tools](https://openrouter.ai/docs/guides/features/server-tools). ### Selbst-Fusion überraschend stark Opus 4.8 + Opus 4.8 (also 2× dasselbe Modell, beide mit Synthesizer-Pflicht) liefert **65.5%** vs. Solo-Opus 4.8 **58.8%**. → **+6.7 Punkte** durch reine Self-Synthesis (zwei verschiedene Reasoning-Pfade, Tool-Calls, Quellenauswahl). ## Kernaussage / Konzept **Model Panels / Fusion Ensemble** als emergentes Architektur-Pattern: Statt einzelne Modelle zu skalieren, mehrere mittelgroße Modelle parallel + Judge fusioniert. Trade-offs: höhere Latenz und Kosten pro Query, dafür bessere Abdeckung und Beyond-Frontier-Performance bei Budget-Modellen. **Direkter Kontrast zu [[concepts/llm-behavior-persistence.md]]:** Während dort das **Innere** eines Modells (Persistenz schädlicher Eigenschaften) thematisiert wird, adressiert Fusion die **Außenseite** (kollektive Intelligenz über Modellgrenzen hinweg). Zwei komplementäre Probleme. ## Verbindung zu bestehendem Wiki - **Model-Routing:** Bestehende [[architecture/model-routing.md]]-Seite behandelt Fallback-Chains. Fusion ist *orthogonal* — kein Fallback, sondern *paralleles Ensemble + Synthese*. - **LLM Behavior Persistence:** Persistenz im Einzelmodell → Ensemble mildert das (verschiedene Biases, verschiedene Halluzinationsmuster, Judge kann filtern). - **Open-Source-Debatte (Liesel Weppen Thread):** Fusions-Resultat zeigt, dass auch ohne "echte" Open Source ein Ensemble aus heterogenen (auch closed) Modellen Beyond-Frontier-Performance liefert. Pragmatischer Ansatz. ## 6/14 FAQ Update (Auszug) - **Drop-in-Replacement für Fable 5?** Nein — nur für die getestete Klasse (Deep Research), Lang-Horizon-Tasks bleiben Fable-Territorium. - (weitere FAQ-Punkte im Original-Blog) ## Zitierte/verlinkte Ressourcen - DRACO Paper: https://arxiv.org/abs/2602.11685 - DRACO PDF: https://arxiv.org/pdf/2602.11685 - DRACO HTML: https://arxiv.org/html/2602.11685v1 - DRACO HF Dataset: https://hf.co/datasets/perplexity-ai/draco - Perplexity AI: https://www.perplexity.ai/ - OpenRouter Fusion: https://openrouter.ai/fusion - OpenRouter API Docs: https://openrouter.ai/docs/guides/features/server-tools/fusion - OpenRouter Server Tools: https://openrouter.ai/docs/guides/features/server-tools - OpenRouter Web Search Tool: https://openrouter.ai/docs/guides/features/server-tools/web-search - OpenRouter Model Listing: https://openrouter.ai/models - Brian Thomas (OpenRouter): https://openrouter.ai/ ## Erwähnte Modelle (mit Verlinkung) - Claude Fable 5 — https://openrouter.ai/anthropic - Claude Opus 4.8 — https://openrouter.ai/anthropic - GPT-5.5 — https://openrouter.ai/openai - Gemini 3.1 Pro / Gemini 3 Flash — https://openrouter.ai/google - Kimi K2.6 (Moonshot) — https://openrouter.ai/moonshotai - DeepSeek V4 Pro — https://openrouter.ai/deepseek