Fusion
OpenRouter | 1,000,000 token context | $-1,000,000.00/M input, $-1,000,000.00/M output. Ginagawa ng Fusion ang iyong prompt na isang maliit na multi-model deliberation. Isang panel ng mga ekspertong modelo (tingnan sa ibaba) ang sabay-sabay na sinusuri ang iyong prompt kasama ang web search at web fetch na naka-enable, pagkatapos ay isang judge model ang nagsasama-sama ng kanilang mga sagot sa isang structured analysis — consensus, contradictions, partial coverage, unique insights, at blind spots — at sinusulat ang panghuling sagot mula rito. Sa default, ang panel ay ang Quality preset;…OpenRouter | 1,000,000 token context | $-1,000,000.00/M input, $-1,000,000.00/M output. Ginagawa ng Fusion ang iyong prompt na isang maliit na multi-model deliberation. Isang panel ng mga ekspertong modelo (tingnan sa ibaba) ang sabay-sabay na sinusuri ang iyong prompt kasama ang web search at web fetch na naka-enable, pagkatapos ay isang judge model ang nagsasama-sama ng kanilang mga sagot sa isang structured analysis — consensus, contradictions, partial coverage, unique insights, at blind spots — at sinusulat ang panghuling sagot mula rito. Sa default, ang panel ay ang Quality preset; maaari itong palitan sa Budget para sa mas murang mga miyembro, o i-override ang panel at judge nang buo gamit ang fusion plugin's analysis_models at model fields. Gamitin ang Fusion kapag hindi sapat ang isang modelo lang — para sa pananaliksik, ekspertong kritisismo, o saan man mas mahalaga ang tama kaysa sa ilang dagdag na completion. Dahil tumatakbo ang Fusion sa bawat miyembro ng panel pati na ang judge call, ang presyo ng iyong request ay ang kabuuan ng mga underlying completions sa halip na isang modelo lang. Para makita kung aling mga modelo ang tumakbo, bisitahin ang Activity. Tandaan: Ang mga limitasyon sa konteksto ay depende sa mga modelong pinili mo. Alamin pa sa aming mga docs. Para sa ibang paraan ng pag-route, tingnan ang Auto Router.
Mga tala ng Kapitan
Kilalang-kilala sa
- Pinapatakbo ang panel ng mga modelo nang sabay, pagkatapos ay pinagsasama ng hiwalay na judge
- Web search at web fetch ay naka-on bilang default para sa bawat panel member
- Structured output na nagpapakita ng consensus, kontradiksyon, partial coverage, at blind spots
- Maaaring i-configure ang panel at judge; may Budget preset para bawasan ang gastos ng mga member
- Isang milyong token na context window, depende sa mga modelong pinili
Mag-ingat sa
- Ang gastos ay kabuuan ng lahat ng panel completions plus judge call, hindi presyo ng isang modelo lang
- Hindi bukas ang weights; API-only ito sa OpenRouter
- Ang aktwal na context limit ay depende sa mga modelong pinili para sa panel
Pinakamainam para sa
Mga prompt na subukan
Ihambing sa
- Gemma 2 27BModelong bukas ang timbang8,192 token na konteksto · $0.65/M input, $0.65/M output
- Auto RouterModelong API lang2,000,000 token na konteksto · $-1,000,000.00/M input, $-1,000,000.00/M output
- Step 5 PreviewModelong bukas ang timbang1,048,576 token na konteksto · $1.00/M input, $2.70/M output
- NVIDIA Nemotron 3 Ultra 550B A55BModelong bukas ang timbang262,144 token na konteksto · $0.50/M input, $2.20/M output
Mga tanong na madalas itanong
- Maaari ko bang patakbuhin ang Fusion nang lokal o i-download ang weights?
- Hindi. API-only routing layer ang Fusion sa OpenRouter; walang weights na pwedeng i-download at hindi ito maaaring patakbuhin nang lokal.
- Magkano ang gastos ng Fusion at gaano kahaba ang context window?
- Nagbabayad ka ng kabuuan ng bawat panel member completion plus judge call, kaya nag-iiba ang gastos depende sa panel na pipiliin mo; ang maximum context ay isang milyong tokens, ngunit ang epektibong limit ay depende sa mga modelong pinili.
- Paano naiiba ang Fusion sa pagtawag lang ng isang modelo?
- Sa halip na isang modelo lang ang sumagot, nagpapatakbo ang Fusion ng configurable panel nang sabay-sabay na may web search na naka-enable, pagkatapos ay isang judge ang nagsasama-sama ng mga sagot at malinaw na ipinapakita kung saan sila nagkakasundo, nagkakasalungatan, o may mga puwang.
Hatol ng KapitanSulit ang dagdag na gastos kapag kailangan mo ng cross-checked na pananaliksik o desisyon kung saan ang maling sagot ay may malaking epekto.
Talahulugan: ang mga terminong ginagamit dito
- Heat score
- Isang numero kung gaano kadalas gamitin at gusto ang isang modelo ngayon, mula 0° hanggang 9,999°. Bawat listahan sa site na ito na nagsasabing pinakamainit ay nakaayos base dito at wala nang iba pa.
- Floor
- Ang 7,000° na panimulang puntos ng bawat modelong may totoong datos. Ang sukatan ay mula 0° hanggang 9,999°; ang bahagi sa ilalim ng floor ay para sa mga stand-in (mga modelong walang datos), para laging mas mataas ang ranggo ng may datos kaysa wala. Pareho ang floor para sa lahat at hindi ito nagpapasya; ang mga degree sa itaas nito ang totoong sukat.
- Katumbas ng download
- Lahat ng tinatrato ng score bilang download, pinagsama-sama: mga download mismo, bawat torrent seeder bilang 1,000, bawat AI Horde na larawan at bawat takbo sa isang generation site bilang isa.
- Log scale
- Bilang ng sampu, hindi isa-isa: ang pagtaas mula 1,000 hanggang 10,000 downloads ay nagdadagdag ng parehong degree tulad ng mula 10,000 hanggang 100,000. Pinipigilan nito ang mga higante na mauna sa lahat.
- Likes
- Thumbs up at likes mula sa lahat ng pinanggalingan, na katumbas ng kalahati ng download sa log scale.
- Bilis ng pagtanggap
- Ilang downloads kada araw ang nakukuha ng modelo ngayon, mula sa pagkakaiba ng dalawang readings ng isang pinanggalingan. Isang-kapat ng bigat ng term na download.
- Nasukat at tinantya
- Ang nasukat ay ibig sabihin may dalawang pagbabasa mula sa isang pinagmulan at tunay ang pagkakaiba. Ang tinantya naman ay alam lang ang kabuuan ngayon at hinahati ang nakaraan sa buong buhay ng modelo; sinasabi ng site kung alin ang ipinapakita.
- Seeder
- Isang tao na nag-iimbak ng kopya ng weights online para ma-download ng iba gamit ang torrent, o isang naka-host na mirror na gumagawa rin nito. Bawat isa ay katumbas ng 1,000 downloads.
- AI Horde
- Isang volunteer network na gumagawa ng mga larawan nang libre gamit ang mga donadong computer. Pampubliko kung ilang larawan ang nagawa gamit ang isang modelo, at bawat isa ay katumbas ng isang download.
- Mga generation site
- Mga site na may sariling kopya ng modelo at pinapayagan ang mga tao na gumawa gamit ito, tulad ng PixAI, SeaArt at Yodayo. Ang kanilang mga downloads ay binibilang tulad ng sa Civitai at bawat generation run ay isang download.
- OpenRouter tokens
- Ang isang text model na pinagsisilbihan sa pamamagitan ng API, tulad ng Claude o GPT, ay walang weights na ida-download, kaya ang paggamit nito ay sinusukat sa tokens: mga piraso ng teksto na binasa at isinulat nito sa pamamagitan ng OpenRouter, isang gateway na ginagamit ng maraming apps, sa nakaraang 30 araw. Bawat 10,000,000 tokens ay katumbas ng isang download. Pinagmulan: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Buong modelo (checkpoint)
- Ang weights mismo, ang file na kayang mag-generate mag-isa. May bonus ito dahil nakadepende dito ang mga add-on.
- LoRA at embedding
- Maliit na add-on files na nagtutulak sa weights ng iba papunta sa isang estilo, karakter o konsepto. Hindi sila kayang tumakbo mag-isa.
- Pamilya at weights
- Ang base na pinagbuo ng modelo, tulad ng SD 1.5, SDXL, Flux o Wan. Lahat ng modelo ay namamana ang petsa ng release ng weights ng pamilya nito.
- Edad
- Mga degree na ibinabawas base sa gaano katagal nang lumabas ang weights ng pamilya: 150° kada taon, hanggang 750°. Pinananatili nito ang mga lumang downloads na may taon para mag-ipon mula sa pag-freeze sa taas ng listahan.
- Pampasigla ng pamilya
- Isang maliit at limitadong tulak para sa mga LoRA ng pamilyang itinataguyod ng site ngayon, palaging nakalista sa breakdown.
- Stand-in score
- Isang matatag na numero sa ibaba ng floor na ibinibigay sa modelong wala pang ulat mula sa pinagmulan, para kumpleto ang listahan. Hindi ito nangunguna sa modelong may datos.
- Bago! (panahon ng grace)
- Ang isang model na mas mababa sa 7 araw ang tanda ay nagpapakita ng Bago! sa halip na score at walang puwesto sa mga ranggo. Ang score nito ay kinakalkula mula unang araw, pero ang modelong isang araw pa lang ang tanda ay lumalago nang mas mabilis kaysa sa iba, kaya kung walang paghihintay, ang #1 ng linggo ay palaging yung lumabas kahapon kaysa sa tumagal nang isang linggo.
- Uso
- Paano ang paglago ng modelo sa isang panahon kumpara sa karaniwang paglago ng modelo sa parehong panahon. Mas mabilis kaysa karaniwan ay pagtaas, mas mabagal ay pagbaba.
- Karaniwang modelo
- Gitna ng katalogo: kalahati ng mga modelo na may numero ay mas mabilis ang paglago sa panahon, kalahati ay mas mabagal.
