便宜模型组合打败 Fable 5？Fugu 和 Fusion 的编排秘密
三句話摘要
多模型編排如何挑戰單體超級模型：Fugu和Fusion的架構破局之道 多模型編排不是單體模型的終結，而是在深度研究、代碼驗證等特定複雜任務上展現的新性能擴展路線，本質上是通過架構創新而非純規模擴張實現能力突破。 Fugu的學習式協調：建立在Trinity論文的進化策略（SAPS E-M-E-S可分離協方差矩陣自適應進化策略）基礎上，輕量級協調器無需懂所有領域，只需通過隱狀態表示將豐富上下文分配給不同大模型擔任Thinker（思考者）、Worker（工作者）或Verifier（驗證者）角色。為何不用強化學習？因為高維度約束優化場景下強化學習易陷局部最優，進化策略能更高效地搜索最優協調策略。
重點整理
重點- 1
Fugu的學習式協調：建立在Trinity論文的進化策略（SAPS E-M-E-S可分離協方差矩陣自適應進化策略）基礎上，輕量級協調器無需懂所有領域，只需通過隱狀態表示將豐富上下文分配給不同大模型擔任Thinker（思考者）、Worker（工作者）或Verifier（驗證者）角色。為何不用強化學習？因為高維度約束優化場景下強化學習易陷局部最優，進化策略能更高效地搜索最優協調策略。
- 2
Fusion的結構化合成：模仿人類團隊決策流程，分三階段進行。並行階段讓1-8個模型各自配備網路搜索工具獨立調研；判官階段用專用模型提取共識（高確定度結論）、矛盾（模型分歧）和盲點（集體忽視處）；合成階段由大模型基於這份結構化分析報告產出最終答案。驚人發現：即使Claude 3.5和自己組合經此流程，分數也能提升6.7個百分點。
- 3
兩種範式對比：Fugu代表黑盒學習式協調，協調器自我最佳化，適合長期多步驟複雜任務（如AI自動複審論文）；Fusion代表白盒規則式協調，模仿人類協作，適合深度研究和對比分析任務。選擇標準取決於任務性質與成本預算。
- 4
地緣政治背景：美國政府對Fable 5的出口管制直接推動了多模型編排方案的成熟。單一廠商依賴風險變成現實威脅，多模型編排成為供應鏈多元化的戰略必須。
實用技巧與重點
乾貨- 關鍵數據
- Fugu參數量：0.6B
- Sakana AI創始人：Leon Jonas（Transformer論文主要作者之一）
- Fusion測試分數：64.7分（多模型）vs 65.3分（Fable 5單獨）
- Fusion分數提升幅度：6.7百分點（同一模型自組後）
- Fusion模型並行數量：1-8個
- 評測基準
- Sakana基準：SWE Bench Pro、Terminal Bench、Left Code Bench（工程和推理任務）
- OpenRouter基準：Perplexity DRACO（深度研究、寫學術報告、財務分析）
- 發布時間
- OpenRouter Fusion：6月13日
- Sakana AI Fugu：6月22日
- 核心機制
- Trinity論文訓練方法：SAPS E-M-E-S（可分離的協方差矩陣自適應進化策略）
- Fugu角色分配：Thinker、Worker、Verifier
- Fusion三步流程：並行分發→判官分析→結構化合成
結論
結論“多模型編排不是單體模型的終結，而是在深度研究、代碼驗證等特定複雜任務上展現的新性能擴展路線，本質上是通過架構創新而非純規模擴張實現能力突破。”
完整解析
詳細美國政府對Fable 5的出口管制突然打破了業界的「超級模型一統天下」局面。當許多企業驚覺自己把所有業務邏輯都綁在單一廠商，Sakana AI和OpenRouter幾乎同時端出了兩套多模型編排方案，這絕非巧合，而是市場剛需的自然反應。
Sakana AI的Fugu代表學習式協調的新方向。表面上看，一個只有0.6B參數的輕量級協調器管理百億千億參數的大模型似乎異想天開，但其研究基礎Trinity論文揭示了關鍵洞察：協調器不需要懂所有知識領域，它只需扮演「聰慧的HR」角色，知道遇到代碼問題該調哪個模型、驗證結論該找誰。與傳統強化學習不同，Trinity採用進化策略（特別是SAPS E-M-E-S）來訓練協調器。這種選擇極具深度，因為在高維度、資源受限的協調場景中，進化策略能利用協方差矩陣的可分離性，在龐大搜索空間裡更高效地找到最優策略，避免強化學習容易陷入的局部最優困境。Fugu產品本身還在大規模微調、進化算法、強化學習的組合基礎上做了工程優化。結果證明，在代碼審查這種「髒活累活」上，Fugu Ultra找出的Bug比GPT-4.5多好幾倍。
OpenRouter的Fusion走的是完全不同的路——規則式協調。它直接模仿人類團隊的決策流程，分三個階段。首先是並行分發階段，同時派發任務給1到8個不同的大模型，每個都配備網路搜索工具獨立調研；其次是判官分析階段，這是整個系統的靈魂所在。Fusion不是簡單地把所有答案拼接，而是用專用模型從三個維度結構化地審視所有回答：找共識（大家都同意的地方，確定度就高）、找矛盾（模型之間打架的地方，說明有爭議）、找盲點（大家都忽視的角落）。最後合成階段，讓Claude 3.5或其他大模型拿著這份詳盡的分析報告寫出最終答案。驚人的實驗結果是，即使讓Claude 3.5和自己組合經過此流程，分數也能硬生生提升6.7個百分點。這證明了Fusion的威力不在於模型本身變聰明，而在於協調和合成機制的精妙設計。
兩套方案的評測基準也反映了各自的優勢領域。Fusion用Perplexity DRACO專門考深度研究能力，測試分數64.7分對比Fable 5單獨的65.3分。Sakana則用SWE Bench Pro和Terminal Bench等工程推理任務驗證能力。背後的哲學差異很明顯：Fugu的學習式協調更擅長處理長期多步驟的複雜任務，協調器能逐步最佳化調度策略；Fusion的結構化合成更擅長需要對比分析、綜合多方視角的任務，分工協作的威力在此體現。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
