PPIO Fusion：用三个开源模型加一个主模型，十分之一价格打赢Claude
PPIO Fusion：用三个开源模型加一个主模型，十分之一价格打赢Claude
猜猜结果是什么？和你想的一样吗？
WAIC 2026 上，PPIO 发布了一个叫 Fusion 的功能。官方宣传语很猛："用十分之一的价格超越顶级模型的智商。"
听起来像营销话术，但拆开看技术实现和测试数据，这个说法有一半是站得住的。
Fusion 不是传统意义上的"模型融合"--不是把多个模型的权重合并成一个新的模型。它是一个智能模型网关：每次 API 调用时，把请求同时分发给多个模型并行回答，然后用一个主模型对多个答案做交叉验证和综合，最终输出一个融合后的回答。
在 DRACO 深度研究基准测试上，Fusion 用 Kimi K3、GLM 5.2、MiniMax M3 三个开源模型做参考，DeepSeek V4 Flash 做融合主模型，拿到了 57.34 分，超过了 Claude Fable 5 的 55.14 分。总成本 57.59 元，大约是 Claude Fable 5（566 元）的十分之一。
这不是魔法，而是一个工程上很巧妙的多模型协同架构。
本文提纲
- Fusion 到底是什么：不是权重融合，是思维编排
- 四步工作流：分发→并行→编排→融合
- DRACO 测试数据拆解：开源模型怎么赢的旗舰
- 为什么成本能压到十分之一
- Agent 场景的设计细节
- PPIO 的算盘：Token 工厂战略
- 这个方案的边界和局限
Fusion 到底是什么：不是权重融合，是思维编排
先澄清一个容易误解的点。看到"Fusion 融合模型"这个名字，第一反应可能是模型权重融合（Model Weight Merging）--把多个模型的参数做加权平均，生成一个新的模型。这不是 Fusion 做的事。
Fusion 是 PPIO 智能模型网关的一个功能，本质上是一个推理时的多模型协同机制。每次 API 调用，网关都会把请求分发给多个模型，拿到多份独立答案，然后通过一个"思维编排"过程做交叉验证和综合，最后由主模型输出融合后的回答。
用 PPIO CEO 姚欣的话说，每次调用都像是一次"专家会诊"--不是找一个医生看，而是找多个专科医生分别看，然后由一个主治医师综合所有意见给出最终诊断。
这个思路其实不新，MoE（Mixture of Experts）架构的直觉类似。区别在于：MoE 是模型内部的专家路由，Fusion 是模型之间的专家协同。MoE 的专家是训练出来的子网络，Fusion 的"专家"是完整的独立模型，可以自由组合。
四步工作流：分发→并行→编排→融合
graph TB
A["User Request"] --> B["Step 1: Request Distribution"]
B --> C1["Model A: Kimi K3"]
B --> C2["Model B: GLM 5.2"]
B --> C3["Model C: MiniMax M3"]
C1 --> D["Step 3: Thought Orchestration"]
C2 --> D
C3 --> D
D --> E["Step 4: Fusion Answer
DeepSeek V4 Flash"]
E --> F["Final Response"]
style A fill:#FF6B6B,color:#000000
style B fill:#4ECDC4,color:#000000
style C1 fill:#45B7D1,color:#000000
style C2 fill:#45B7D1,color:#000000
style C3 fill:#45B7D1,color:#000000
style D fill:#96CEB4,color:#000000
style E fill:#FFEAA7,color:#000000
style F fill:#DDA0DD,color:#000000四个步骤值得逐个拆解：
第一步：请求分发。 网关把用户请求发送给多个参考模型。哪些模型参与、几个模型参与，是可配置的。DRACO 测试中用的是 Kimi K3、GLM 5.2、MiniMax M3 三个开源模型。
第二步：并行回答。 每个模型独立生成答案，互不干扰。因为是并行执行，整体延迟只取决于最慢的那个模型，而不是所有模型的时间之和。如果某个模型挂了或超时，系统会跳过它，不影响其他模型的回答。
第三步：思维编排。 这是整个架构最关键的一步。主模型拿到多个参考模型的答案后，不是简单拼接，而是做三件事：
- 提取共识：多个模型都认同的部分，置信度高，直接采纳
- 标记分歧：模型之间有分歧的部分，需要进一步审视，这往往是幻觉或错误的藏身之处
- 消除错误：通过交叉验证，剔除单个模型的推理盲区和幻觉
这一步相当于给答案加了一层"二审"机制，用第二个视角拦截单个模型的幻觉。
第四步：融合回答。 主模型（DRACO 测试中是 DeepSeek V4 Flash）基于编排后的论据生成最终回复。
DRACO 测试数据拆解：开源模型怎么赢的旗舰
先说测试结果：
| 指标 | PPIO Fusion | Claude Fable 5 |
|---|---|---|
| DRACO 得分 | 57.34 | 55.14 |
| 总成本 | ¥57.59 | ¥566 |
| 成本比 | 1x | ~10x |
DRACO 是一个专门评估 AI Agent 执行复杂深度研究任务的基准测试。具体测试了哪些任务类型，原始文章没有详细展开，但从"深度研究"这个定位看，涉及的多是需要多步推理、信息检索和综合判断的复杂任务。
Fusion 能赢的关键不在于单个参考模型有多强--Kimi K3、GLM 5.2、MiniMax M3 单独拿出来都不是各自领域最强的旗舰。赢在"思维编排"这一步：三个模型分别独立推理，各自的盲区和幻觉通过交叉验证被过滤掉，共识部分被强化。
这个逻辑在学术上有支撑。 ensemble learning 领域有一个经典结论：多个弱学习器的集成可以超过单个强学习器，前提是弱学习器之间有足够的多样性。Fusion 用的是不同厂商的开源模型，训练数据和训练方法不同，恰好满足了多样性条件。
但也需要注意：DRACO 只是一个特定维度的基准测试。Fusion 在代码生成、数学推理、日常对话等其他维度上表现如何，原始文章没有给出数据。说"超越顶级模型的智商"目前只在深度研究这一类任务上有数据支撑。
为什么成本能压到十分之一
成本优势的来源不是某一个单点，而是几个因素叠加：
参考模型是开源的。 Kimi K3、GLM 5.2、MiniMax M3 都是开源模型，PPIO 可以在自己的 GPU 集群上部署，推理成本远低于调用闭源 API。566 元的 Claude Fable 5 定价里包含了 Anthropic 的利润和 API 转售加价，开源模型没有这些。
主模型是轻量的。 DeepSeek V4 Flash 做融合主模型，"Flash"意味着是蒸馏/量化版本，推理成本比旗舰低得多。主模型的工作量不大--它不需要从零生成答案，只需要综合已有的多个答案，所以不需要旗舰级别的智能。
并行不增加时间成本。 三个模型并行推理，总延迟等于最慢模型的延迟。从延迟角度看，多模型并行的成本和一个模型差不多。
多轮对话复用参考结果。 在 Agent 场景中，多轮交互很常见。Fusion 会复用之前轮次已经获取的参考模型结果，避免重复消耗 Token。这一点对成本控制很关键，后面单独说。
把这些加在一起：开源模型省了 API 利润，轻量主模型省了融合步骤的成本，并行执行省了时间，多轮复用省了重复 Token。十分之一的价格不是折扣，是架构决定的。
Agent 场景的设计细节
Fusion 的设计明显是为 Agent 场景优化的，不是简单的"一次问答"。
多轮复用机制。 Agent 的典型工作模式是多轮工具调用：第 1 轮搜索，第 2 轮分析，第 3 轮总结。如果每轮都重新跑三个参考模型，Token 消耗会爆炸。Fusion 的做法是：之前轮次已经拿到的参考模型结果会被复用，不会重复请求。这意味着随着对话轮次增加，边际成本递减。
容错设计。 某个参考模型超时或报错，系统自动跳过，不影响其他模型和最终输出。在 Agent 长时间运行中，模型调用失败是常态，这个设计保证了鲁棒性。
全链路可追溯。 每次调用都记录：用了哪些模型、各消耗多少 Token、耗时多少、成本多少。这对 Agent 场景的调试和成本分析很重要--你能看到 Token 到底花在哪了。
性能指标。 PPIO 公布的数据：TPS ≥ 55/s，TTFT ≤ 0.9 秒，调用成功率 ≥ 99.9%。对于多模型并行的架构，TTFT（Time To First Token）控制在 1 秒以内不容易--三个模型中最慢的那个决定了下限。
PPIO 的算盘：Token 工厂战略
Fusion 不是孤立的产品功能，它服务于 PPIO 更大的战略。
PPIO 把自己定位为"中国领先的独立 Agentic Cloud 服务商"，核心概念是"Token 工厂"。CEO 姚欣提出了一个公式：
Agent 生产力 = Token 智能密度 × Agent Loop 时长
这个公式的含义是：Agent 的产出取决于两个因素--单位 Token 的智能水平（智能密度）和 Agent 能持续运行的时间（Loop 时长）。Fusion 提升的是"智能密度"--用低成本模型组合出高智能输出；PPIO 的基础设施服务（GPU 云、Agent 托管、Sandbox）提升的是"Loop 时长"--让 Agent 能长时间稳定运行。
截至 2026 年 6 月，PPIO 的日均 Token 调用量超过 1.2 万亿，同比增长 8 倍。根据 CIC 的数据，在中国独立 AI 云计算服务商中，PPIO 的日均 Token 消耗量排名第一。注册用户 66.6 万+，全球分布计算节点 5000+。
PPIO 还提供了一系列 Agent 生态工具：
- MCP Server：端点
https://mcp.ppio.com/mcp，支持 Claude Code、Cursor、VS Code、Codex、Zed 等主流工具 - Skills：通过
npx skills add PPIO/ppio-skills安装 - Sandbox CLI：
npm i -g ppio-sandbox-cli - 企业 Token Plan：旗舰模型最低 6 折，支持 200 席位
Fusion 是这套体系里"提升 Token 智能密度"的那块拼图。对 PPIO 来说，如果用户通过 Fusion 能用更低的成本获得更高的智能，就会在 PPIO 平台上消耗更多 Token--而 PPIO 卖的就是 Token。
这个方案的边界和局限
客观说几个局限：
延迟代价。 虽然并行执行，但"思维编排"这一步是串行的--主模型必须等所有参考模型回答完才能开始工作。对于需要极低延迟的实时场景（如实时对话、代码补全），多模型协同的延迟可能不可接受。Fusion 更适合对延迟不那么敏感但要求高质量的场景。
成本不总是十分之一。 十分之一的成本对比是针对 DRACO 这类深度研究任务。对于简单问答，用一个轻量模型直接回答可能比 Fusion 更便宜--你不需要三个专家会诊来回答"今天天气怎么样"。
测试覆盖有限。 目前公开的只有 DRACO 一个基准测试。Fusion 在代码生成、数学推理、创意写作等其他维度上的表现缺乏数据。"超越顶级模型的智商"这个说法在更多维度上验证之前，需要保留。
最佳应用场景明确。 PPIO 自己也指出了：Fusion 适合错误代价高的场景--法律条款解读、医疗建议、金融合规。这类场景对准确率的要求远高于对成本和延迟的要求，多模型交叉验证的价值最大化。
模型选择是关键变量。 Fusion 的效果取决于参考模型的选择。三个模型如果同质化严重（比如都是同一家公司的不同版本），多样性不足，交叉验证的效果会打折扣。PPIO 用的是三个不同厂商的开源模型，这个选择是合理的。
如果你在做 Agent 开发，对推理质量要求高但预算有限，Fusion 值得试一下。MCP Server 端点直接对接 Claude Code 和 Cursor，接入成本很低。跑几个你自己的真实任务，和单独用 Claude 或 GPT 对比一下质量和成本，数据会说话。
参考文档与链接
- PPIO Fusion 发布报道 - 量子位 - 原始信息来源，含 DRACO 测试数据、四步工作流、成本对比
- PPIO 官网 - 公司介绍、API 服务、Fusion 文档入口
- PPIO Fusion 文档 - Fusion 功能的官方技术文档和接入指南
- PPIO MCP Server - MCP 端点，支持 Claude Code、Cursor、VS Code、Codex、Zed
- DRACO 深度研究基准测试 - 评估 AI Agent 复杂深度研究任务能力的基准
- DeepSeek V4 Flash - Fusion 架构中使用的融合主模型
- Kimi K3 - Moonshot AI - Fusion 参考模型之一
- GLM 5.2 - Zhipu AI - Fusion 参考模型之一
- PPIO 企业 Token Plan - 旗舰模型最低 6 折，支持 200 席位的企业方案
- PPIO GitHub Skills -
npx skills add PPIO/ppio-skills安装 Agent Skills
你的Agent用什么模型？试过多模型协同吗？评论区聊聊。觉得有用点个赞让更多人看到。
作者: itech001 来源: 公众号：AI人工智能时代 网站: https://www.theaiera.cn/ 每日分享最前沿的AI新闻资讯和技术研究。
本文首发于 AI人工智能时代，转载请注明出处。
