DepescheWerkzeuge12. Juni 2026

OpenRouter Fusion: ein Modell-Panel mit Judge schlägt im Deep-Research-Test das Einzelmodell

OpenRouter hat mit Fusion eine Beta-Funktion gestartet, die denselben Prompt parallel an ein Panel mehrerer Modelle schickt und ein Judge-Modell die Antworten zu einer finalen Antwort zusammenführt (mit strukturierter Analyse aus Konsens, Widersprüchen und blinden Flecken). Auf 100 Deep-Research-Aufgaben des DRACO-Benchmarks meldet OpenRouter, dass ein Fusion-Panel (Fable 5 + GPT-5.5, synthetisiert durch Opus 4.8) mit 69,0 % jedes Einzelmodell schlägt – und ein Budget-Panel aus günstigeren Modellen mit 64,7 % nah an Fable 5 solo (65,3 %) herankommt.

Statt ein einzelnes Modell zu wählen, verteilt Fusion einen Prompt parallel an ein Panel mehrerer Modelle, jedes mit denselben Werkzeugen (Websuche, Web-Fetch). Ein Judge-Modell liest anschließend alle Panel-Antworten und erzeugt eine strukturierte Analyse – Konsens, Widersprüche, Teilabdeckung, einzigartige Einsichten, blinde Flecken – und schreibt daraus die finale Antwort. OpenRouter bietet vorgefertigte Panels (Quality bzw. Budget) sowie ein Custom-Panel aus beliebigen OpenRouter-Modellen mit frei wählbarem Judge; der Ansatz ähnelt einer Mixture-of-Agents, hier aber als gehostete Recherche-Pipeline statt als self-hosted Framework.

Auf 100 Deep-Research-Aufgaben des DRACO-Benchmarks berichtet OpenRouter folgende Werte: das Panel aus Fable 5 und GPT-5.5, synthetisiert durch Opus 4.8, erreicht 69,0 % und schlägt damit jedes Einzelmodell (Fable 5 solo 65,3 %, GPT-5.5 60,0 %, Opus 4.8 58,8 %). Ein Budget-Panel aus Gemini 3 Flash, Kimi K2.6 und DeepSeek V4 Pro kommt auf 64,7 % – nah an Fable 5 solo und über den besten GPT- und Opus-Solo-Werten, zu etwa der Hälfte der Kosten. Ein Kontrolltest (Opus 4.8 mit sich selbst gepaart) lag 6,7 Punkte über dem Solo-Wert, woraus OpenRouter ableitet, dass ein Großteil des Effekts aus der Synthese selbst stammt (~75 %), nicht aus der Modell-Vielfalt.

Einordnung: Die Zahlen sind OpenRouters eigener Benchmark-Lauf (Vendor-Selbstmessung mit „beats frontier“-Framing) und daher zurückhaltend zu lesen; der Fable-Vergleich ist zudem leicht ungleich, weil 7 der 100 DRACO-Aufgaben an Fables Content-Moderation scheiterten und Fable dort nur auf 93 Aufgaben bewertet wurde. Praktisch kostet Fusion mehr und dauert länger: Ein Standard-Panel mit drei Modellen verursacht laut OpenRouter-Doku etwa das Vier- bis Fünffache einer einzelnen Completion, der Ablauf ist oft 2–3× länger – für einfache Alltagsfragen ist es Overkill. Aufgekommen ist die Funktion über einen DE-Praxistest (Digitale Profis, Tier C), der im Eigentest bestätigte, dass durchgängig das Judge-/Synthese-Modell die meisten Kosten verursacht.

// Einordnung der Redaktion

Warum das relevant ist

Fusion macht als gehostetes Produkt greifbar, was Forschung zu Mixture-of-Agents nahelegt: Für komplexe Recherche- und Analyse-Aufgaben kann das Zusammenführen mehrerer Modellperspektiven ein einzelnes Frontier-Modell übertreffen – und ein Panel günstiger Modelle kann teure Solo-Modelle nahezu ersetzen. Der interessanteste Befund ist, dass laut OpenRouter rund 75 % des Zugewinns aus dem Synthese-Schritt des Judge stammen und nur ~25 % aus der Modell-Vielfalt: nicht die Menge der Modelle zählt, sondern das Zusammenführen. Einordnung: Existenz, Funktionsweise und Release (12.06.2026, Beta) sind belegt; die „schlägt Frontier“-Zahlen sind allerdings OpenRouters eigener Benchmark-Lauf (Vendor-Selbstmessung) und der Fable-Vergleich ist leicht ungleich, weil 7 der 100 Aufgaben an Fables Content-Moderation scheiterten – entsprechend abgewertet.