IOSG: از افزایش نمره تا پرداخت، توهم تقاضا برای مدل فیوژن

نویسندگان: Yiping & David @ IOSG

این مقاله صرفاً برای استفاده آموزشی و تبادل اطلاعات است و هیچ گونه مشاوره سرمایه‌گذاری را تشکیل نمی‌دهد. لطفاً منبع را ذکر کنید و با تیم IOSG برای دریافت مجوز و شرایط بازنشر تماس بگیرید. تمام پروژه‌های ذکر شده در مقاله به هیچ وجه توصیه یا مشاوره سرمایه‌گذاری نیستند.

مدل فیوژن چیست؟

در ژوئن 2026، بازار هوش مصنوعی در کمتر از سه هفته شاهد دو محصول به نام "فیوژن" بود.

در تاریخ 12 ژوئن، OpenRouter فیوژن روتر را منتشر کرد که عنوان آن "عملکرد فراتر از مرز با فیوژن" بود. در ارزیابی عمیق DRACO، گروه مدل متشکل از Fable 5 و GPT-5.5 نمره 69.0 را کسب کرد که از نمره 65.3 مدل تک Fable 5 بالاتر بود. نقطه قوت OpenRouter بسیار مستقیم بود: وقتی یک مدل به اندازه کافی خوب نیست، چندین مدل را وادار به پاسخگویی به یک سوال می‌کند و سپس مدل ارزیابی پاسخ‌ها را مقایسه و ترکیب می‌کند.

در تاریخ 29 ژوئن، Cognition Devin Fusion را منتشر کرد، اما عنوان آن "عملکرد مرزی با هزینه 35% کمتر" بود. این مدل اجازه نمی‌دهد چندین مدل کل کار را تکرار کنند، بلکه مدل‌های پیشرفته مسئول برنامه‌ریزی و قضاوت هستند و کارهای تست، اصلاح مکانیکی و غیره را به دستیاران ارزان‌تر می‌سپارند و در طول اجرا به طور دینامیک مدل‌ها را تغییر می‌دهند.

این دو محصول با یک واژه، به دو منطق اقتصادی متضاد اشاره دارند. OpenRouter با محاسبات بیشتر، سقف بالاتری را خریداری می‌کند؛ در حالی که Cognition سعی دارد محاسبات گران را کاهش دهد و در عین حال کیفیت موجود را حفظ کند. این تضاد بیشتر از هر لیست رده‌بندی مدل‌ها مسئله را توضیح می‌دهد. موضوع فنی مدل فیوژن واقعاً برقرار است: تلاش‌های متعدد می‌تواند فرصتی برای برتری بر یک تلاش باشد. اما بازار واقعاً پاداش نمی‌دهد به "بیشتر فراخوانی مدل‌ها"، بلکه به این که پس از برآورده کردن آستانه کیفیت، چه کسی می‌تواند با هزینه کمتر و سریع‌تر تحویل دهد.

▲ شکل 1: در یک ماه، دو نوع فیوژن

این مقاله مدل فیوژن را به عنوان یک ساختار نسبتاً باریک تعریف می‌کند: چندین مدل به طور موازی به یک کار پاسخ می‌دهند، مدل ارزیابی نتایج را مقایسه می‌کند و در نهایت یک مدل پاسخ را ارائه می‌دهد. Devin Fusion در این تعریف نمی‌گنجد، بلکه به مسیریابی دینامیک و واگذاری کار نزدیک‌تر است. دلیل قرار دادن آن در ابتدای مقاله این است که بازار "فیوژن" را به عنوان یک اصطلاح کلی برای تمام هماهنگی‌های چندمدلی در نظر می‌گیرد، در حالی که محصولات واقعاً مؤثر معمولاً از مدل فیوژن باریک دور می‌شوند.

قضاوت ما کمی بدبینانه است: مدل فیوژن یک بیمه کیفیت گران‌قیمت است. این می‌تواند عملکرد مطلق برخی وظایف را افزایش دهد، اما به ندرت می‌تواند مرز کارایی هزینه-کیفیت-تاخیر را واقعاً به سمت بیرون فشار دهد. وظایف واقعی که ارزش خرید این بیمه را دارند، بسیار کم هستند. این بیمه باقی خواهد ماند، اما احتمالاً به یک عملکرد کم‌فرکانس تبدیل خواهد شد، نه یک ساختار پیش‌فرض و به سختی به یک دسته مستقل تبدیل خواهد شد.

مدل‌ها در حال حاضر چه گزینه‌هایی دارند؟

بحث درباره فیوژن به راحتی می‌تواند به رده‌بندی دقت کشیده شود، اما شرکت‌ها رده‌بندی را نمی‌خرند. شرکت‌ها نتیجه‌ای قابل قبول از یک وظیفه را خریداری می‌کنند و باید همزمان قیمت، تأخیر، حریم خصوصی و ثبات را محاسبه کنند. تا زمانی که مدل‌های ارزان‌تر از خط پذیرش کسب‌وکار عبور کرده‌اند، ادامه پرداخت برای "هوشمندتر" ممکن است از نظر اقتصادی منطقی نباشد. کارایی هزینه واقعاً خط اصلی بازار مدل‌ها است.

▲ شکل 2: هوش مدل و هزینه تک‌وظیفه‌ای، محور افقی مقیاس لگاریتمی

نکته‌ای که در تصویر بیشترین توجه را جلب می‌کند، نه بالاترین نمره در گوشه بالا سمت راست، بلکه نقاطی است که از روند قیمت-توانایی منحرف شده‌اند: آن‌ها با قیمت‌های پایین‌تر، توانایی کافی را ارائه می‌دهند و در بارهای کاری خاص، کارایی غیرعادی دارند. شاخص‌های ترکیبی نمی‌توانند به طور مستقیم پاسخ دهند که کدام مدل برای بررسی کد، تحقیق به زبان چینی یا استقرار تحت نظارت مناسب‌تر است، اما یک جهت را نشان می‌دهد: تأمین مدل در حال تجاری‌سازی است و "قوی‌ترین مدل" و "بهترین انتخاب" در حال جدا شدن هستند.

در مواجهه با همان شکاف کیفیت، بازار در حال حاضر چهار روش اصلی خرید دارد.

اولین روش، ارتقاء مستقیم به یک مدل قوی‌تر است. این ساده‌ترین و آسان‌ترین روش برای حسابرسی است؛ تا زمانی که افزایش قیمت حاشیه‌ای مدل‌های پیشرفته کمتر از هزینه خطا یا بازسازی باشد، این معمولاً گزینه اول است. دومین روش، افزایش محاسبات در همان مدل در زمان تست است، مانند افزایش استدلال، خودسازگاری یا نمونه‌برداری چندگانه. سومین روش، مسیریابی، زنجیره‌سازی و واگذاری کار است: ابتدا از مدل‌های ارزان برای پردازش بخش‌های قابل تأیید یا مکانیکی استفاده می‌شود و تنها در صورت بروز مشکل، ارتقاء می‌یابد. چهارمین روش، فیوژن مدل به معنای باریک است: اجازه دادن به چندین مدل برای پاسخ به همان سوال، و سپس مدل ارزیابی و ترکیب، پاسخ نهایی را تشکیل می‌دهد.

این چهار روش می‌توانند "با محاسبات بیشتر کیفیت را خریداری کنند"، تفاوت در این است که محاسبات کجا خرج می‌شود. گسترش مدل‌های تک، خرید استدلال عمیق‌تر، مسیریابی خرید تخصیص منابع دقیق‌تر و فیوژن خرید پاسخ‌های بیشتری را فراهم می‌کند. سه روش اول بودجه را بر روی بخش‌هایی که احتمالاً نتیجه را تغییر می‌دهند متمرکز می‌کنند؛ در حالی که فیوژن ابتدا برای نظرات تکراری هزینه می‌کند و سپس شرط می‌بندد که مدل ارزیابی می‌تواند تفاوت‌های مؤثر را از آن استخراج کند. مدل‌های نامزد تنها در صورتی می‌توانند از سه روش اول برتر باشند که اطلاعات مستقل کافی ارائه دهند و ارزیابی بتواند این اطلاعات را شناسایی کند.

مسیریابی ثابت کرده است که تفاوت توانایی بین مدل‌ها ابتدا یک فرصت زمان‌بندی است. RouteLLM در برخی ارزیابی‌ها هزینه را بیش از 2 برابر کاهش داده است بدون اینکه کیفیت را از دست بدهد؛ Switchcraft با دقت 82.9% کاهش هزینه 84% را محقق کرده است و طبق محاسبات مقاله، می‌تواند بیش از 3,600 دلار برای هر میلیون درخواست صرفه‌جویی کند. نتایج هنوز باید در ترافیک خود شرکت بازتولید شوند، اما منطق اقتصادی بسیار مستقیم است: نیازی به برگزاری جلسه برای چندین مدل نیست، تنها کافی است هر وظیفه را به ارزان‌ترین مدل واجد شرایط بسپارید.

این بدان معناست که بازار ابتدا با ارتقاء، مسیریابی و تأیید شکاف کیفیت را حل خواهد کرد؛ تنها زمانی که این روش‌ها هنوز کافی نیستند، دلیل خرید فیوژن برای پاسخ‌های نامزد بیشتر وجود دارد.

چرا افزایش نمره به معنای ارزش نیست؟

زیرا فیوژن باید همزمان از سه مانع عبور کند: کیفیت افزایشی باید هزینه و تأخیر جدید را پوشش دهد، مدل‌های نامزد باید اطلاعات مستقل ارائه دهند و ارزیابی باید به طور پایدار پاسخ‌های بهتر را شناسایی کند. اگر هر یک از این موارد برقرار نباشد، افزایش نمره نمی‌تواند به ارزش تولید تبدیل شود.

هزینه محاسبات: به چه مقدار بودجه و تأخیر نیاز است؟

افزایش نمره فیوژن ابتدا یک هزینه محاسباتی مشخص است. OpenRouter چندین مدل پانل را به طور موازی فراخوانی می‌کند و سپس مدل ارزیابی و ترکیب پاسخ را تولید می‌کند. هر سه گروه کنترل DRACO نمره را افزایش داده‌اند: Fable 5 + GPT-5.5 از 65.3 به 69.0؛ Opus 4.8 از خود فیوژن از 58.8 به 65.5؛ گروه سه مدل با هزینه پایین از 60.3 به 64.7.

اما افزایش Opus از خود فیوژن بزرگ‌تر است، که نشان می‌دهد سود ممکن است ناشی از جستجو و نمونه‌برداری اضافی باشد، نه مکمل دانش بین مدل‌ها. مقایسه عادلانه باید به self-consistency، استدلال طولانی‌تر و مدل‌های قوی تک در همان بودجه توکن بپردازد. تحقیقات موجود نیز نشان می‌دهد: چند عامل هوشمند در حدود 20 برابر حجم محاسباتی حداکثر 7.1 درصد افزایش می‌یابد؛ در حالی که در همان بودجه، debate و Mixture-of-Agents تنها 1.3 و 2.7 درصد بیشتر از self-consistency هستند و یک تحقیق دیگر در مورد توکن‌های استدلال نشان می‌دهد که یک عامل به طور مساوی یا بهتر است. بسیاری از "سودهای همکاری" پس از هم‌راستایی محاسباتی ناپدید می‌شوند.

▲ شکل 3: افزایش معیار OpenRouter و هزینه محصول

هزینه پیش‌فرض 3 مدل پانل OpenRouter حدود 4-5 برابر تولید معمولی است، سرعت 2-3 برابر کندتر است، اما هیچ گونه اطلاعات کاملی درباره توکن، هزینه و تأخیر هر پیکربندی DRACO فاش نشده است، بنابراین نمی‌توان قضاوت کرد که افزایش 3.7 نمره ارزشش را دارد یا نه. ارزیابی نیز تنها شامل 100 وظیفه متن خالص انگلیسی است و پیکربندی‌های مرتبط با Fable تنها 93 مورد را تکمیل کرده‌اند؛ تغییر مدل ارزیابی می‌تواند نمره مطلق را 10-25 درصد جابجا کند. این نشان می‌دهد که فیوژن می‌تواند نمره را افزایش دهد، اما ثابت نمی‌کند که فیوژن ROI تولید را بهبود می‌بخشد.

فراخوانی انتخابی تنها می‌تواند هزینه را رقیق کند. طبق برآوردهای محدوده‌ای که OpenRouter فاش کرده است، در صورت نرخ تحریک 1%، هزینه کلی حدود 1.03-1.04 برابر است؛ در 10%، 1.30-1.40 برابر؛ و در 25% به 1.75-2.00 برابر می‌رسد.

▲ شکل 4: اقتصاد کلی فراخوانی انتخابی فیوژن

سخت‌ترین درخواست‌ها احتمالاً فیوژن را تحریک می‌کنند، اما سیستم باید منتظر کند تا کندترین عضو پانل، ارزیابی و تولید را به صورت زنجیره‌ای کامل کند، بنابراین تأخیر انتهایی بر روی ارزشمندترین وظایف متمرکز می‌شود. فراخوانی چند تأمین‌کننده همچنین سطح نقص، پیچیدگی حسابرسی و افشای حریم خصوصی را افزایش می‌دهد. هزینه فیوژن تنها شامل قیمت API نیست، بلکه شامل زمان انتظار و ریسک‌های سیستم جدید نیز می‌شود.

اطلاعات مکمل: آیا چندین مدل واقعاً اطلاعات متفاوتی ارائه می‌دهند؟

ارزش فیوژن به این بستگی دارد که آیا مدل‌های نامزد اطلاعات مستقل ارائه می‌دهند، اما مدل‌های مختلف معمولاً منابع آموزشی، وب‌سایت‌ها و پیش‌فرض‌های اشتباه را به اشتراک می‌گذارند. در وظایف تحقیق، این می‌تواند منجر به "شستشوی ارجاع" شود: چندین مدل به یک منبع واحد برمی‌گردند، اما به عنوان شواهد مستقل بسته‌بندی می‌شوند. اگر سیستم سطح ادعا و مسیر جستجو را حفظ نکند، با افزایش تعداد مدل‌ها، هزینه API تقریباً به صورت خطی افزایش می‌یابد، اما تنوع شواهد لزوماً افزایش نمی‌یابد.

مدیر عامل و یکی از بنیان‌گذاران KAIKAKU.AI، Josef Chen، در مقاله‌ای که در سال 2026 با عنوان "کی ترکیب مدل‌های زبانی کمک می‌کند؟" منتشر شد، به بررسی 67 مدل از 21 ارائه‌دهنده خدمات پرداخت. در وظایف ریاضی باز، احتمال پیش‌بینی اشتباه همه مدل‌ها 2.3% بود، اما در عمل به 5.2% رسید که تقریباً 2.3 برابر پیش‌بینی بود؛ نرخ شکست مشترک در وظایف کدگذاری و نسخه آزاد GPQA-Diamond به ترتیب به 7.9% و 12.7% افزایش یافت.

اگر 100 سوال GPQA-Diamond را در نظر بگیریم، تقریباً 13 سوال وجود دارد که همه مدل‌های نامزد به طور همزمان اشتباه پاسخ می‌دهند و هیچ پاسخ صحیحی برای رأی‌گیری، ارزیابی یا ترکیب وجود ندارد. اختلاف مدل‌ها در سوالات آسان می‌تواند ارزش ترکیب را افزایش دهد، در حالی که در سوالات دشواری که نیاز به اطمینان بیشتری دارند، ممکن است همه آنها به طور همزمان شکست بخورند.

ارزیابی قابلیت اطمینان: آیا سیستم می‌تواند پاسخ‌های بهتری شناسایی و ترکیب کند؟

حتی اگر پاسخ‌های نامزد مکمل باشند، ارزش آنها هنوز به ارزیابی بستگی دارد. زمانی که نامزدها هم‌راستا هستند، ارزیابی ممکن است اشتباهات مرتبط را به عنوان اطمینان بالا شناسایی کند؛ و زمانی که نامزدها اختلاف دارند، ارزیابی باید دانش تخصصی کافی داشته باشد تا انتخاب درستی انجام دهد. مدل‌های ترکیبی همچنین ممکن است نظرات کلیدی اقلیت را نادیده بگیرند یا اختلاف واقعی را به نتیجه قطعی تبدیل کنند.

در وظایف کدگذاری، کامپایلر، تست و تحلیل استاتیک معمولاً قابل اعتمادتر از نظر دیگر مدل‌ها هستند؛ در وظایف خلاقانه، ارزیابی و ترکیب به راحتی می‌تواند تفاوت‌ها را به پاسخ‌های میانگین تبدیل کند. قوی‌ترین مدل‌های ارزیابی موجود در LitBench تنها 73% با ترجیحات نوشتاری خلاقانه انسانی هم‌راستا هستند. زمانی که وظیفه دارای تأییدکننده‌های خارجی ارزان باشد یا "خوب" خود به قضاوت‌های ذهنی وابسته باشد، افزایش امتیاز Fusion به سختی می‌تواند به ارزش قابل پرداخت تبدیل شود.

چه کسی برای Fusion هزینه خواهد کرد؟

تقاضا برای Fusion به دو آستانه بستگی دارد: آیا وظیفه می‌تواند از چندین مدل بهره‌مند شود و آیا این بهره‌مندی به اندازه کافی برای ایجاد پرداخت مستمر کافی است. مورد اول یک مسئله فنی است، در حالی که دومی یک مسئله بازار است.

از کاربرد فنی تا اقتصادی

احتمال اصلاح اشتباهات × خسارت قابل اجتناب در یک اشتباه، باید بیشتر از هزینه‌های جدید API، تأخیر، پیچیدگی‌های عملیاتی و خطرات حریم خصوصی باشد.

امتیاز پایه نمی‌تواند به این سوال پاسخ دهد. Fusion تنها زمانی ممکن است که هزینه اشتباه بالا باشد، مدل‌های نامزد مسیرهای جستجوی مکمل ارائه دهند، تأییدکننده‌های خارجی ارزان‌تر وجود نداشته باشد و کسب‌وکار بتواند تأخیر اضافی و خطرات تأمین‌کننده را بپذیرد؛ نتیجه نهایی باید توسط انسان یا شواهد خارجی تأیید شود.

▲ شکل 5: از کاربرد فنی تا تقاضای پایدار

موارد اصلی که این شرایط را دارند شامل تحقیقات با ارزش بالا و بررسی‌های دقیق، ارزیابی‌های معماری و امنیت، و "نظر دوم" قبل از تصمیم‌گیری غیرقابل برگشت هستند. ویژگی مشترک آنها این است که محدودیت‌ها ناقص و هزینه‌های از دست رفته بالا هستند، و یک مسیر مستقل دیگر خود دارای ارزش است. در مقابل، کدهای معمولی، برنامه‌های مصرفی زنده، جریان‌های کاری با حاشیه سود پایین و وظایفی که می‌توانند به راحتی توسط تست یا قوانین تأیید شوند، معمولاً به Fusion نیاز ندارند. نهادهای نظارتی نیز ممکن است به دلیل مرزهای داده و الزامات حسابرسی، از پنل‌های چند تأمین‌کننده خودداری کنند.

از تمایل به پرداخت تا تقاضای پایدار

فایده فنی می‌تواند تمایل به پرداخت بالایی را به همراه داشته باشد، اما به معنای تقاضای مقیاس‌پذیر نیست. برای ایجاد تقاضای پایدار، خسارت ناشی از اشتباه باید قابل اندازه‌گیری باشد، وظیفه باید به طور مکرر اتفاق بیفتد، و درون سازمان باید مسئول بودجه مشخصی وجود داشته باشد، و Fusion همچنین باید به طور مداوم از کارشناسان انسانی، مدل‌های قوی و تأییدکننده‌های خارجی پیشی بگیرد. اما بودجه‌های بررسی دقیق معمولاً به تحلیلگران و منابع معتبر می‌رسد، بودجه‌های امنیتی به حسابرسی‌های تخصصی می‌رسد و تصمیم‌گیری‌های غیرقابل برگشت به ندرت اتفاق می‌افتند.

بنابراین، ما به شرکت‌هایی که فقط به عنوان wrapper چند مدل عمل می‌کنند، به طور پیش‌فرض پنل را اجرا می‌کنند، یا الگوریتم‌های انتخاب مدل استاتیک را به عنوان یک مزیت رقابتی در نظر می‌گیرند، خوش‌بین نیستیم. اتصال API به راحتی قابل کپی است و استراتژی‌های ثابت نیز به سرعت با تغییرات در توانایی‌ها و قیمت‌های مدل‌ها ناکارآمد می‌شوند؛ اگر ندانیم هزینه اشتباه چقدر است و Fusion واقعاً چند بار اشتباهات را اصلاح کرده است، نمی‌توانیم برای این بیمه قیمت‌گذاری کنیم. احتمالاً ارزش را طرفی که نتایج واقعی را در اختیار دارد، به دست می‌آورد: دروازه‌ها و پلتفرم‌های عامل، برنامه‌های عمودی، مالکین جریان‌های کاری، و محصولات ارزیابی و قابلیت مشاهده. آنها هزینه‌های اشتباه را می‌دانند، می‌توانند نتایج را مشاهده کنند و می‌توانند استراتژی‌های تحریک را بهینه‌سازی کنند. واقعاً چیزی که قابل کپی نیست، فهرست پنل نیست، بلکه قضاوت در مورد زمان عدم استفاده از Fusion است.

تأیید بازار

بازار عمومی هنوز برای قضاوت در مورد مقیاس تقاضای Fusion کافی نیست، اما می‌توان دید که چگونه از آن استفاده می‌شود. شورای مدل Perplexity تنها به کاربران Max و Enterprise Max که ماهیانه 200 دلار پرداخت می‌کنند، دسترسی دارد و کاربران می‌توانند به صورت دستی سه مدل را برای تحقیق سرمایه‌گذاری، تصمیم‌گیری پیچیده و تأیید اطلاعات انتخاب کنند؛ موارد کاربری عمومی شامل اتصال شورای مدل به فرآیند تحقیق سهام از طریق اتوماسیون مرورگر است. Hermes Mixture of Agents Fusion را به عنوان یک مدل مجازی قابل انتخاب در میان عوامل ارائه می‌دهد: کاربران می‌توانند از طریق /moa تنها یک سوال دشوار را ارتقا دهند یا در یک جلسه پیچیده به طور مداوم فعال شوند، که توسط چندین مدل مرجع تحلیل ارائه می‌شود و سپس توسط تجمیع‌کننده ابزارها را فراخوانی کرده و وظیفه را انجام می‌دهد. Hermes بعداً فرکانس پیش‌فرض fan-out را کاهش داد و نظرات مدل‌های دور قبلی را برای کنترل هزینه‌ها دوباره استفاده کرد. این موارد نشان می‌دهد که تقاضای واقعی Fusion در وظایف دشوار با فرکانس پایین، مانند تحقیق، اشکال‌زدایی، بررسی و تصمیم‌گیری‌های مهم متمرکز است، و روش استفاده معمولی ارتقاء فعال پس از مواجهه با محدودیت‌های یک مدل است، نه فرآیندهای خودکار با فرکانس بالا که به طور پیش‌فرض فعال هستند. شواهد موجود نشان می‌دهد که این تقاضا وجود دارد، اما اطلاعات عمومی هنوز برای قضاوت در مورد اینکه آیا می‌تواند یک بازار پرداخت مستقل و مقیاس‌پذیر ایجاد کند، کافی نیست.

آینده Fusion

کاهش قیمت استدلال به ظاهر به نفع Fusion است، اما همچنین هزینه‌های مدل‌های قوی، مسیریابی و تأیید خارجی را کاهش می‌دهد. رقابت Fusion نه تنها در یک فراخوان مدل دیروز، بلکه در نسل بعدی مدل‌های تک‌مدل و پایه‌گذاری بهبود یافته است.

Devin Fusion از Cognition نشان‌دهنده جهت‌گیری این رقابت است: مدل‌های گران‌قیمت را برای مراحل قضاوت نگه می‌دارد و کارهای قابل تأیید و مکانیکی را به مدل‌های ارزان‌تر واگذار می‌کند. در خودآزمایی‌های تأمین‌کنندگان، امتیاز کل Fusion + Fable 5 از 57.0 به طور جزئی به 57.6 افزایش یافت و هزینه میانگین از 5.12 دلار به 3.00 دلار کاهش یافت؛ اما در 5 مورد منتشر شده، هزینه‌ها بین 25%-62% کاهش یافت، در حالی که امتیاز وظیفه بین +12 تا -27 نوسان داشت. بازسازی ES6 با مرزهای واضح و تست کافی از 98 به 100 افزایش یافت؛ در حالی که ویژگی‌های React/Redux که به درک تعامل و نیازهای ضمنی وابسته بودند، پس از واگذاری اشتباه به 54 کاهش یافت و به 27 رسید.

▲ شکل 6: امتیاز وظیفه و هزینه Devin Fusion

اینها مواردی هستند که تأمین‌کنندگان انتخاب کرده‌اند و نمایانگر توزیع کلی نیستند، اما به وضوح نشان می‌دهند: توانایی اصلی سیستم‌های چندمدل آینده نه در فراخوانی مدل‌های بیشتر، بلکه در تعیین مرزهای کاهش درست است. کارهای قابل تأیید و مکانیکی می‌توانند به مدل‌های ارزان واگذار شوند، در حالی که وظایف قضاوتی باید به مدل‌های پیشرفته واگذار شوند. OpenRouter "هوش بیشتری" می‌فروشد، Cognition "هوش برابر، با هزینه کمتر" می‌فروشد؛ دومی به سمت جهت‌گیری بلندمدت نزدیک‌تر است. هر چه یک سیستم به اقتصاد تولید نزدیک‌تر باشد، کمتر شبیه Fusion محدود است و بیشتر شبیه مسیریابی، واگذاری و تأیید است.

در اواخر ماه ژوئیه، رسانه‌ها گزارش دادند که Stripe در حال مذاکره برای خرید OpenRouter به قیمت حدود 10 میلیارد دلار است، اما این معامله هنوز تأیید نشده است. این سیگنال نباید به عنوان تأیید بازار Fusion تفسیر شود: ارزش اصلی OpenRouter نه یک پنل خاص، بلکه لایه فراخوانی بی‌طرفی است که بیش از 5 میلیون توسعه‌دهنده و 400 مدل را متصل می‌کند. Stripe قبلاً خدمات صورتحساب، مالیات و ریسک را برای OpenRouter فراهم کرده و به توسعه‌دهندگان اجازه می‌دهد تا از طریق Stripe Projects به طور مستقیم حساب ایجاد کنند، API key بگیرند و پرداخت‌ها را متصل کنند. آنچه Stripe واقعاً ممکن است خریداری کند، ورودی معاملات استدلال AI است: OpenRouter انتخاب مدل، مصرف توکن و هزینه را مدیریت می‌کند، در حالی که Stripe قیمت‌گذاری، صورتحساب و پرداخت را مدیریت می‌کند. این سیگنال بازار را برای قضاوت ارزش ارائه می‌دهد: ارزش در عصر چندمدل بیشتر احتمالاً در لایه‌های ارکستراسیون باقی می‌ماند که می‌توانند وظایف را مشاهده کنند، فراخوانی را تخصیص دهند و تسویه حساب کنند، و Fusion تنها یک استراتژی ارتقاء با هزینه بالا در بالای آن است.

سیستم‌های چندمدل آینده به طور پیش‌فرض پنل را فراخوانی نمی‌کنند، بلکه ابتدا دشواری وظیفه، هزینه تأیید و خسارت ناشی از اشتباه را ارزیابی می‌کنند؛ تنها زمانی که مدل‌های قوی‌تر، استدلال طولانی‌تر و ابزارهای خارجی هنوز کافی نباشند، به جستجوی اختلافات چندمدل وارد می‌شوند. نرخ تحریک، نرخ موفقیت افزایشی و هزینه نتایج واحد تأیید شده، معیارهای محصول معناداری هستند. Fusion به عنوان یک ویژگی با فرکانس پایین باقی خواهد ماند و نه به عنوان یک معماری پیش‌فرض یا یک دسته مستقل.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.