PPIO正式釋出“Fusion融合模型”：用十分之一的價格超越頂級模型的智商
https://www.qbitai.com/2026/08/467834.html📌 【PPIO 新功能】用 1/10 的成本超越旗艦模型？Fusion 融合模型開啟「呼叫層」智慧增量
TL;DR：PPIO 推出 Fusion 融合模型，透過多模型並行與編排，以低成本實現媲美頂級模型的智慧。
當單一模型在程式碼生成、數學推理或長文件理解等維度出現「偏科」，且難以自我發現「幻覺」時，工程師該如何應對？PPIO 提出了一個新思路：智慧的提升不一定要依賴增加模型參數，也可以發生在「呼叫層」。
🤔 單一模型架構在 Agent 時代的瓶頸
隨著模型迭代極快，開發者面臨三大挑戰：
- 模型偏科：沒有任何一個模型能在所有維度（如數學、翻譯、程式碼）同時領先。
- 幻覺難以偵測：錯誤答案與正確答案在語氣與格式上往往難以區分，單模型架構缺乏第二視角來攔截錯誤。
- Agent 鏈路風險：在 Agent 任務中，一旦某個步驟因單一模型的視角遺漏或幻覺出錯，後續所有步驟都會隨之走偏，產生高昂的返工成本。
🧩 Fusion 融合模型：將請求轉化為「專家會診」
不同於僅做簡單轉發的傳統 API 閘道器，PPIO 的 Fusion 融合模型會在內部組織多個模型進行協作。其運作流程包含四個步驟：
- 請求分發：閘道器將問題同時發送給多個參考模型（Advisors）。
- 並行作答：各模型獨立運作，互不干擾。
- 思考編排：這是關鍵步驟，透過提取共識、標記分歧、排除錯誤並壓縮上下文，將多方論證彙整。
- 融合作答：主模型（Aggregator）基於整理後的資訊生成最終回覆。
💡 智慧增量來自「編排」而非單純的參數規模
這種架構不僅解決了偏科與幻覺問題，還帶來了效能與成本的優勢：
- 低延遲：由於是並行執行，等待時間取決於最慢的一個模型，不會隨模型數量線性增加。
- 高穩定性：若某個模型呼叫失敗，閘道器會自動跳過，增加鏈路抗抖動能力。
- 高成本效益：透過複用已獲得的參考結果，避免重複消耗 Token，實際成本增幅遠低於直覺預期。
📊 以 1/10 成本超越 Claude Fable 5
在專門評估複雜深度研究任務的 DRACO 基準測試中，PPIO 展示了極高的價效比：
| 評估項目 | PPIO Fusion 融合模型 | Claude Fable 5 (單模型) |
|---|---|---|
| 參考模型 | Kimi K3, GLM 5.2, MiniMax M3 | - |
| 融合主模型 | DeepSeek V4 Flash | - |
| DRACO 評分 | 57.34 | 55.14 |
| 總成本 | ¥57.59 | ¥566 |
實驗證明，即便參與融合的模型單獨看都不是各領域榜首，透過編排層的組織，依然能實現智慧水平的跨越。
🎯 實務啟示：Agent 生產力的公式
PPIO 提出一個關鍵公式：Agent 生產力 = Token 智慧密度 × Agent Loop 時長。 在 Agent 任務中，模型呼叫頻率極高且對延遲、穩定性與成本極度敏感。透過在呼叫層提升「Token 智慧密度」，開發者可以在不依賴單一模型更新的情況下，實現更聰明的 Agent 應用。
🔗 來源
- 標題：PPIO正式釋出“Fusion融合模型”：用十分之一的價格超越頂級模型的智商
- 連結：https://www.qbitai.com/2026/08/467834.html
#AI #LLM #PPIO #FusionModel #Agent #MachineLearning #AIArchitecture #DeepLearning #TechNews #ModelFusion
原始資料 量子位 · 收集於 2026-08-07
摘要原文
PPIO正式釋出“Fusion融合模型”：用十分之一的價格超越頂級模型的智商 量子位的朋友們 2026-08-07 09:39:16 來源： 量子位 8月6日，PPIO正式推出智慧模型閘道器新功能Fusion 融合模型。 跟僅做簡單請求轉發的傳統 API 閘道器不同， Fusion 融合模型會將每次呼叫變成一場“專家會診”——閘道器會將複雜任務同時分發給多個各有所長的“專家模型”並行作答，再通過思考編排與交叉驗證，由主模型融合生成最終答案。 Fusion 模型以智慧優先、兼顧價效比：通過工程化的融合手段，把回答質量穩定在頭部旗艦模型梯隊，同時把成本控制在中低梯隊。在 DRACO 深度研究基準測試中， PPIO 用三個開源模型融合後的評分超越了 Claude Fable 5，而成本僅為後者的十分之一。 Fusion 融合模型證明，智慧的提升不再只發生在參數層，它也可以發生在呼叫層。 為什麼 Agent 時代不能只依賴一個模型？ 2026 年，大模型市場進入密集迭代期。Claude、GPT、Kimi、GLM 等主流模型幾乎每季度都有新版本釋出，排行榜的頭部位置頻繁更替。對應用開發者而言，可選的模型越來越多，但每個模型都有各自的短板。 從評測資料看，所有的模型能力均存在偏科，並且偏科的方向各不相同。程式碼生成、長文件理解、數學推理、多語言翻譯，當前沒有一個模型在所有維度上同時領先，排行榜頭部位置按任務型別切分後屬於不同的模型。 比偏科更難應對的是幻覺。模型產生幻覺時無法自我發現，錯誤答案和正確答案在語氣、格式、流暢度上沒有區別，模型不會對自己不確定的部分做出標記。法律條款解讀、醫療建議、金融合規這類場景中，錯誤一旦被採納，糾錯成本遠高於重新生成一次答案，而單模型架構下不存在第二個視角來攔截這個錯誤。 偏科和幻覺的根源在於，單個模型對同一問題只有一條推理路徑，一條路徑只能看到一面。複雜問題往往存在多個切入角度，單一路徑的遺漏，只有引入另一條獨立路徑才能發現和補上。 這三個限制在 Agent 場景中的代價尤其大。Agent 逐步執行任務，步驟之間存在依賴關係，一旦某個關鍵步驟因為偏科、幻覺或視角遺漏出錯，後續整條鏈路跟著走偏，產生的返工成本包含錯誤之後所有步驟消耗的 Token。 模型越來越多、迭代越來越快，但單模型的這三個限制不會因為換一個更新的模型就消失，它們是架構層面的問題，需要在架構層面解決。 多模型融合推理：讓每個模型都發揮更大價值 Fusion 融合模型就是為解決上述問題而生的。使用者傳送一次請求，閘道器在內部組織多個模型各自獨立作答，再將這些答案經過篩選和融合後返回一份最終回覆。 市面上常見的 API 閘道器做的是轉發，請求進來，選一條線路發出去，閘道器本身不改變答案的質量。 PPIO 智慧模型閘道器在轉發之外增加了一層編排，讓多個模型的產出在返回之前經過比對和融合，因此閘道器本身成為智慧增量的來源。 一次完整的 Fusion 融合模型呼叫在閘道器內部走四步。 請求分發。 閘道器把問題同時發給多個參考模型。 並行作答。 各個模型獨立作答，互不干擾。 思考編排。 提取共識，標記分歧，排除錯誤，同時壓縮上下文。 融合作答。 主模型基於整理後的多方論證生成最終回覆。 其中第三步決定融合的質量。多個模型給出一致結論的地方互相印證，降低了偏科帶來的盲區；出現衝突的地方被標記出來進一步推敲，為攔截幻覺提供了第二視角；不同推理路徑彙總後覆蓋面大於任何一條單獨路徑，補上了單模型視角遺漏的部分。經過這一步整理，主模型定稿時面對的資訊量遠大於原始問題本身，因此融合結果的質量高於其中任何一個參考模型的單獨作答。 由於多個模型同時執行，等待時間取決於最慢的一個，不會隨模型數量線性增長，因此引入更多視角並不意味著成倍增加延遲。同時，某個模型呼叫失敗時閘道器會跳過該模型繼續完成融合，多路徑的結構反而讓整條鏈路比單模型呼叫更抗抖動。在 Agent 的多輪互動中，同一回合內已獲得的參考結果會被複用，避免重複消耗 Token，所以實際成本增幅遠低於“呼叫了多個模型”這個直覺判斷。每次呼叫經過的模型、消耗的 Token、耗時和成本全部留痕可查，使得智慧水平的變化可度量、可追溯。 用1/10的價格超越頂級模型的智商 在 DRACO 深度研究基準測試（專門評估 AI 智慧體執行複雜深度研究任務的能力）中，PPIO 以 Kimi K3、GLM 5.2、MiniMax M3 為參考模型（Advisors）、DeepSeek V4 Flash 為融合主模型（Aggregator）進行融合模型推理： 評分 57.34 分 ，超越 Claude Fable 5（55.14 分）； 總成本僅 ¥57.59 ，是 Claude Fable 5（¥566）的 約 1/10 。 值得一提的是，參與融合的這三個模型單獨拿出來都不是各自賽道的榜首，效能提升的部分是由於編排層產生的。這說明智慧增量可以來自呼叫層的組織方式，不必全部依賴基座模型的參數規模。 Agent 時代，模型呼叫邏輯正在被重構 在 2026 年世界人工智慧大會（WAIC）期間，PPIO 聯合創始人兼 CEO 姚欣提出了 Agent 時代的核心公式： Agent 生產力 = Token 智慧密度 × Agent Loop 時長。 Token 智慧密度決定 Agent 每一步決策的質量上限，Agent Loop 時長決定它能持續執行多久、完成多複雜的任務。 過去提升 Token 智慧密度，只能被動等下一代模型釋出。但是現在，模型的選擇權在使用者手裡，沒有人會被綁死在某一個模型上。PPIO Fusion 融合模型在呼叫層做編排提升智慧密度，讓使用者無感實現智慧的提升。 Agent 的使用方式與人差異很大。人偶爾提問，Agent 高頻呼叫工具、長上下文持續互動、多模型協同，對延遲、穩定性和成本的敏感度遠高於傳統場景。執行主體從人換成 Agent，模型的服務物件隨之重構。 規模上這套能力已經過驗證。截至 2026 年 6 月，PPIO 日均 Token 呼叫量超 1.2 萬億，較 2025 年同期增長超 8 倍。根據灼識諮詢統計，在中國獨立 AI 雲端計算服務提供商中，PPIO 日均 Token 消耗量排名第一。今年 PPIO 入選中國信通院首批“企業級 Token 服務效能攀登基線”，通用場景下跑出 TPS ≥ 55 個/秒、TTFT ≤ 0.9 秒、呼叫成功率 ≥ 99.9% 的指標。 讓大模型從“用得起”走向“用得聰明”，讓大模型從“單智慧”走向“融合智慧”，這是 PPIO 智慧模型閘道器正在做的事。 本文由PPIO提供，量子位獲授權轉載，觀點歸原作者所有。 版權所有，未經授權不得以任何形式轉載及使用，違者必究。 PPIO 量子位的朋友們 阿里影片大模型Wan3.0開啟公測：文件、ppt也能變影片 2026-08-07 螞蟻集團開源Avernet，讓人與智慧體像組織一樣高效協作 2026-08-07 美學升維，流暢突破：榮耀MagicOS11雙架構重塑體驗 2026-08-06 Artificial Analysis榜單：阿里Qwen3.8Agentic能力得分全球第一 2026-08-06 相關閱讀
由 tencent/hy3:free 自動生成