← Alle Werkzeuge

Werkzeug · Multi-Modell-Orchestrierung

OpenRouter Fusion

von OpenRouter

Beta-Funktion von OpenRouter, die mehrere Modelle parallel an derselben Aufgabe arbeiten lässt und ein Judge-Modell die Antworten zu einer finalen Antwort zusammenführt.

KostenpflichtigWebAPI

Einschätzung

Modell-Panel statt Einzelmodell

Für komplexe Recherche-/Analyse-Aufgaben interessant, wo mehrere Modellperspektiven mehr bringen als ein Einzelmodell – für schnelle Alltagsfragen ist es Overkill (Panel + Judge kosten das ~4–5-fache und dauern 2–3× länger). Die „schlägt Frontier“-Zahlen sind OpenRouters eigener Benchmark-Lauf (Vendor-Selbstmessung); der Fable-Vergleich ist leicht ungleich, weil 7 der 100 Aufgaben an Fables Content-Moderation scheiterten.

Statt ein einzelnes Modell zu wählen, schickt Fusion denselben Prompt parallel an ein Panel mehrerer Modelle – jedes mit denselben Werkzeugen (Websuche, Web-Fetch). Ein Judge-Modell liest anschließend alle Panel-Antworten, erstellt eine strukturierte Analyse (Konsens, Widersprüche, Teilabdeckung, einzigartige Einsichten, blinde Flecken) und schreibt daraus die finale Antwort.

OpenRouter liefert vorgefertigte Panels (Quality: Opus, neuestes GPT, Gemini Pro; Budget: Gemini Flash, DeepSeek, Kimi) sowie ein Custom-Panel aus beliebigen OpenRouter-Modellen inklusive 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 aus dem DRACO-Benchmark meldet OpenRouter, dass ein Fusion-Panel (Fable 5 + GPT-5.5, synthetisiert durch Opus 4.8) mit 69,0 % jedes Einzelmodell schlägt – Fable 5 solo 65,3 %, GPT-5.5 60,0 %, Opus 4.8 58,8 %. Ein Budget-Panel (Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro) erreichte 64,7 % zu etwa der Hälfte der Kosten. OpenRouter betont, ~75 % des Zugewinns komme aus der Synthese des Judge, nur ~25 % aus der Modell-Vielfalt.

Wofür es gut ist

  • Komplexe Recherche, Marktanalysen, Produktvergleiche, Strategiefragen – wo eine einzelne Modellperspektive zu wenig ist
  • Widersprüche und blinde Flecken zwischen Modellen sichtbar machen
  • Frontier-nahe Antworten aus einem Panel günstigerer Modelle zusammensetzen

Stärken

  • Panel + Judge liefert strukturierte Analyse (Konsens/Widerspruch/blinde Flecken), nicht nur eine Antwort
  • Frei konfigurierbare Panels und Judge-Modell; Budget-Panel kann Frontier-Solo nahekommen
  • Zeigt empirisch, dass der Synthese-Schritt (Judge) den Großteil des Zugewinns trägt (~75 %)

Schwächen

  • Deutlich teurer (~4–5× eine Einzel-Completion) und langsamer (2–3×) – kein Werkzeug für einfache Prompts
  • Die Benchmark-Zahlen (DRACO 69 % vs. 65,3 % solo) sind OpenRouters eigene Messung; Fable nur auf 93/100 Aufgaben bewertet
  • Beta; API-Kosten der Panel-Modelle fallen ganz normal an

Im Vergleich

Wofür dieses Werkzeug die bessere Wahl ist – und wann ein direkter Konkurrent.

  • Konzeptionell wie die Mixture-of-Agents in Hermes (Referenzmodelle + Aggregator), hier aber als gehostete OpenRouter-Pipeline statt als quelloffenes, self-hostbares Framework – dafür ohne eigene Infrastruktur, aber an OpenRouters Abrechnung gebunden.

Stimmen aus der Community

Subjektive Einschätzungen Dritter – keine belegten Fakten, jeweils verlinkt.

Direkt ausprobieren

openrouter.ai/blog/announcements/fusion-beats-frontier

Zur offiziellen Seite ↗

ℹ️ Über den DE-Kanal Digitale Profis (C73, Tier C) im Praxistest aufgekommen, Fakten aber am OpenRouter-Ankündigungs-Blog (Tier B, Vendor) + unabhängiger Berichterstattung geprüft – nicht allein am Video. Veröffentlicht 12.06.2026 (Beta). Die DRACO-Zahlen sind OpenRouters eigener Lauf (Vendor-Selbstmessung, „beats frontier“-Framing → abwerten); Kosten/Latenz-Angaben (~4–5× / 2–3×) aus der OpenRouter-Doku.

Verwandte Werkzeuge

Coding-AgentClaude CodeAgentisches Coding-Werkzeug von Anthropic – im Terminal, als Desktop-App, in der IDE und im Browser.Coding-AgentCodexOpenAIs agentisches Coding-Werkzeug – im Terminal, in der IDE, als Desktop-App und als Cloud-Agent, der Aufgaben eigenständig abarbeitet.Coding-AgentDevinAutonomer KI-Softwareentwickler von Cognition: plant Aufgaben, setzt sie in einer eigenen Umgebung um und liefert Pull-Requests.