Fusion
OpenRouter | contexte de 1 000 000 tokens | -1 000 000,00 $/M en entrée, -1 000 000,00 $/M en sortie. Fusion transforme votre prompt en une délibération multi-modèles réduite. Un panel de modèles experts (voir ci-dessous) analyse votre prompt en parallèle avec la recherche web et la récupération web activées, puis un modèle juge synthétise leurs réponses en une analyse structurée — consensus, contradictions, couverture partielle, insights uniques et angles morts — et rédige la réponse finale à partir de cela. Par défaut, le panel est le préréglage Quality ; passez à Budget pour des membres…OpenRouter | contexte de 1 000 000 tokens | -1 000 000,00 $/M en entrée, -1 000 000,00 $/M en sortie. Fusion transforme votre prompt en une délibération multi-modèles réduite. Un panel de modèles experts (voir ci-dessous) analyse votre prompt en parallèle avec la recherche web et la récupération web activées, puis un modèle juge synthétise leurs réponses en une analyse structurée — consensus, contradictions, couverture partielle, insights uniques et angles morts — et rédige la réponse finale à partir de cela. Par défaut, le panel est le préréglage Quality ; passez à Budget pour des membres moins coûteux, ou remplacez entièrement le panel et le juge avec les champs analysis_models et model du plugin fusion. Utilisez Fusion quand un seul modèle ne suffit pas — recherche, critique experte, ou partout où le coût de l’erreur dépasse celui de quelques complétions supplémentaires. Comme Fusion exécute chaque membre du panel plus un appel juge, votre requête est tarifée comme la somme de ces complétions sous-jacentes plutôt qu’un seul modèle. Pour voir quels modèles ont tourné, consultez Activité. Note : les limites de contexte dépendent des modèles sélectionnés. En savoir plus dans notre documentation. Pour une autre façon de router, voir Auto Router.
Notes du capitaine
Connu pour
- Exécute un panel de modèles en parallèle, puis synthétise avec un juge séparé
- Recherche web et récupération web activées par défaut pour chaque membre
- Sortie structurée signalant consensus, contradictions, couverture partielle et angles morts
- Panel et juge configurables ; un preset Budget réduit les coûts des membres
- Fenêtre de contexte d’un million de tokens, selon les modèles choisis
Attention à
- Le coût est la somme de toutes les complétions des membres plus l’appel du juge, pas le prix d’un seul modèle
- Poids non ouverts ; cela fonctionne uniquement via l’API OpenRouter
- La limite de contexte réelle dépend des modèles spécifiques choisis pour le panel
Idéal pour
Prompts à essayer
Comparer avec
- Gemma 2 27BModèle à poids ouvertsContexte de 8,192 tokens · entrée $0.65/M, sortie $0.65/M
- Auto RouterModèle uniquement APIContexte de 2,000,000 tokens · entrée $-1,000,000.00/M, sortie $-1,000,000.00/M
- Step 5 PreviewModèle à poids ouvertsContexte de 1,048,576 tokens · entrée $1.00/M, sortie $2.70/M
- NVIDIA Nemotron 3 Ultra 550B A55BModèle à poids ouvertsContexte de 262,144 tokens · entrée $0.50/M, sortie $2.20/M
Questions fréquentes
- Puis-je exécuter Fusion localement ou télécharger ses poids ?
- Non. Fusion est une couche de routage uniquement accessible via API OpenRouter ; il n’y a pas de poids à télécharger et il ne peut pas être exécuté localement.
- Combien coûte Fusion et quelle est la fenêtre de contexte ?
- Vous payez la somme de chaque complétion des membres du panel plus l’appel du juge, donc le coût varie selon le panel choisi ; la fenêtre maximale est d’un million de tokens, mais la limite effective dépend des modèles sélectionnés.
- En quoi Fusion diffère-t-il d’un simple appel à un modèle ?
- Au lieu qu’un seul modèle réponde, Fusion exécute un panel configurable en parallèle avec la recherche web activée, puis un juge synthétise leurs réponses en mettant explicitement en évidence leurs accords, contradictions ou lacunes.
Verdict du capitaineCela vaut le coût supplémentaire quand vous avez besoin d’une recherche vérifiée ou d’une décision où une mauvaise réponse confiante serait préjudiciable.
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
