6.6
深览指数
科技量子位··AI 生成
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
PPIO 发布智能模型网关新功能 Fusion 融合模型，通过并行调用多个开源模型并进行思考编排与交叉验证，以十分之一的成本在 DRACO 基准测试中超越了 Claude Fable 5。文章提出了 Agent 时代单模型的三个根本限制（偏科、幻觉、单一路径），并论证了在调用层通过工程化手段实现智能增量的新路径。本文适合关注大模型应用架构、推理成本优化以及 Agent 系统设计的 AI 从业者阅读。原文 ↗
核心观点
- ▍Fusion 融合模型通过调用层的编排（多模型并行作答+交叉验证）而非提升单模型参数规模，实现了智能增量，证明智能提升可以发生在调用层。
- ▍在 Agent 时代，单模型存在三个架构层面不可克服的限制：偏科、幻觉无法自我发现、推理路径单一。这些限制需要在架构层面通过多模型协同解决。
- 01在 DRACO 深度研究基准测试中，PPIO 以 Kimi K3、GLM 5.2、MiniMax M3 为参考模型、DeepSeek V4 Flash 为融合主模型，评分 57.34 分，超越 Claude Fable 5 的 55.14 分。
- 02融合推理的总成本为 ¥57.59，仅为 Claude Fable 5（¥566）的约十分之一。
- 03Fusion 融合模型调用流程分四步：请求分发、并行作答、思考编排（提取共识、标记分歧、排除错误、压缩上下文）、融合作答。
- 04截至 2026 年 6 月，PPIO 日均 Token 调用量超 1.2 万亿，较 2025 年同期增长超 8 倍，在中国独立 AI 云计算服务商中排名第一。
- 05PPIO 入选中国信通院首批“企业级 Token 服务性能攀登基线”，指标为 TPS ≥ 55 个/秒、TTFT ≤ 0.9 秒、调用成功率 ≥ 99.9%。
- 06参与融合的三个开源模型单独都不是各自赛道的榜首，性能提升完全来自编排层。
反方 / 局限
- — 文章未讨论融合模型在多轮 Agent 交互中由于参考模型结果复用策略可能带来的信息陈旧或累积偏差问题。
- — 文章未提及若主模型（Aggregator）本身存在偏见或错误，其融合决策可能偏向错误的参考模型答案，形成系统性的“被误导”风险。
PPIOFusion 融合模型Claude Fable 5DRACO 深度研究基准测试Kimi K3GLM 5.2MiniMax M3DeepSeek V4 Flash姚欣灼识咨询中国信通院Agent 生产力公式
7 分钟 · 5 卡片 · 12 资料
读原文 →