【徹底検証】OpenRouter Fusionは本当に半額でFable超えの性能なのか

OpenRouter Fusionを実務で使ってみたいけれど、「半額でFable超え」という売り文句は本当なのか、コストは結局いくらかかるのか、自分の用途に合うのか、それとも単なる話題先行なのか――こうした疑問を抱える方は多いのではないでしょうか。

本記事ではDRACOベンチの中身、隠れコスト、海外開発者の評価、そして「誰が使うべきか」を判断軸として整理しました。

OpenRouter Fusionとは｜複数AI合議の仕組み

OpenRouter Fusionは、1つのプロンプトを複数のLLMに並列で投げ、judge（評価役）モデルがそれぞれの回答の合意・矛盾・盲点を構造化して分析し、1つの回答に統合する複合モデル（compound model）です。

1. STEP 1

   複数モデルへ並列投入

   1つのプロンプトを、プリセットで定義された複数のLLMに同時に送ります。各モデルがそれぞれ独立に回答を生成します。

2. STEP 2

   judgeが構造化評価

   judgeモデルが各回答の合意点・矛盾点・見落としを分析します。Quality presetではClaude Opus（latest）がデフォルトのjudgeになり、特定モデルに恒久固定されているわけではなく構成に応じて変わります。

3. STEP 3

   1回答に統合

   評価結果をもとに、複数の回答を1つの統合回答にまとめて返します。

プリセットはQualityとBudgetの2種類が用意されています。

プリセット	構成モデル（デフォルト）	狙い
Quality	Claude Opus（latest）＋ GPT（latest）＋ Gemini Pro（latest）／各webサーチ付き	精度最優先。フロンティアモデルを束ねる
Budget	Gemini 3 Flash ＋ Kimi K2.6 ＋ DeepSeek V4 Pro	コスト最優先。安価なモデルで合議

「半額でFable超え」という話題はBudget側、「精度が高い」という話題はQuality側の数字で、別物として理解する必要があります。

「半額でFable超え」は本当か｜DRACO検証

「半額でFable超え」というバズの要因はDRACOベンチのスコアです。ただしこの一文には、成立条件と検証範囲という2つの注意点が隠れています。順に見ていきます。

DRACOスコアの中身（Fusion 69.0% vs Fable 5単独 65.3%）

DRACOはPerplexityが2026年2月に公開した研究タスク向けベンチで、100問・10ドメインで構成されます。OpenRouterはこれを使って自社測定を行いました。

構成	DRACOスコア
Fusion（Fable 5＋GPT-5.5、judgeにOpus 4.8）	69.0%
Fable 5 単独	65.3%
Fusion Budget preset	64.7%

Fusionの69.0%は、Fable 5の実力と評判で扱う単独スコア65.3%を3.7ポイント上回ります。複数の強力なモデルを束ねてjudgeで統合した分、ディープリサーチ系のタスクでは確かに精度が伸びています。

「半額」が成立するのはBudget preset限定

問題は「半額」という言葉が指す構成です。Fable 5の約50%のコストで精度1ポイント差まで迫るのはBudget presetの64.7%であって、69.0%を出したFable超え構成ではありません。

つまり安く済ませたいならBudgetだが精度はFableをわずかに下回り、Fableを超えたいなら安くはない、という二択になります。半額と精度超えは両立しない点が、最初に押さえるべき実態です。

DRACOはディープリサーチ100問のみ・コーディング未検証

もう1つの問題が検証範囲です。DRACOの10ドメインは学術・金融・法律・医療・技術・一般知識・UXデザイン・パーソナルアシスタント・ショッピング・Needle-in-a-Haystackで構成され、コード生成・デバッグは含まれません。

リサーチ100問の数字を、そのままコーディングや日常用途の評価に広げるのは早計だと感じました。

Fusionのコストとレイテンシの実態

精度の話と並んで重要なのが、実際にいくらかかり、どれだけ待つかです。

なぜ単体の3〜5倍かかるのか

Quality presetのコストは単体呼び出しの約3〜5倍です。理由はシンプルで、参加モデル全部の推論コストにjudge分を加えて合算課金するためです。Fusion自体がモデル推論にマークアップを乗せるわけではなく、課金はpass-through（実費の素通し）です。

さらに、現状では想定外の課金を招くバグが報告されています。

レイテンシは公式2〜3倍・HNでは7倍報告も

速度面も無視できません。公式は標準コールの2〜3倍としていますが、Hacker Newsでは7倍遅いという個人の実測報告もあります。並列投入とjudge評価を挟む構造上、単体より遅くなるのは避けられません。

TokenMixの試算では、Fusion QualityはOpus 4.8単独の約3倍、Fable 5単独の約2.9倍に達します。

海外開発者の反応｜Hacker Newsの辛口評価

Fusionは公開直後にHacker Newsのフロントページ入りし、活発に議論されました。日本語の情報では拾いにくい現場の本音を翻訳紹介します。批判の論点は大きく3つに集約されます。

特に大きいのはjudgeへの疑問です。judgeが「正解への近さ」ではなく「自分の回答との近さ」を測っているなら、合議しても天井は上がらないという指摘で、合議＝必ず賢くなる、ではないことを示しています。

ただし全否定でもありません。judgeに「真実性」と「有用性」を別軸で評価させれば精度が上がるという肯定的な検証もあり、要は使う場面を選ぶ道具だという結論に落ち着きます。

OpenRouter Fusionは結局、誰が使うべきか

ここまでの検証を踏まえ、刺さる人と不要な人を1枚の表で整理します。自分がどちらに入るかで採否を即断できるはずです。

刺さる人・用途	不要な人・用途
法務・医療・金融など高リスクのディープリサーチ	個人の日常的な質問・調べ物
誤答コストが高く複数視点の検証に価値がある領域	リアルタイム性が要るUI（500ms以下が必要）
出力を人が検証できるタスク（履歴書添削など）	コーディング（ベンチ未検証・遅い・高い）
コストより正確性を優先する業務	大量バッチ処理
―	コストに敏感な個人・小規模

誤答1つのコストが、3〜5倍の課金と数倍のレイテンシを上回る領域なら価値があります。逆に、安く速く大量に回したい用途や、検証手段がない用途では、単体モデルを直接呼ぶほうが合理的です。

大半の個人ユーザーと一般的な実務では、後者に当てはまります。

OpenRouter Fusionの始め方と料金の注意

導入自体は難しくありません。OpenRouterのアカウントとクレジットがあれば、モデル名を指定するだけで呼び出せます。

1. STEP 1

   OpenRouterにクレジットを用意

   OpenRouterのアカウントを作成し、APIで使うクレジットをチャージします。

   
2. STEP 2

   プリセットを指定してプロンプトを送信

   プリセットはQualityかBudgetを選びます。どの後、下のテキスト欄にプロンプトを入力して送信します

3. STEP 3

   統合された回答を受け取る

   複数モデルの並列実行とjudge評価を経た、統合済みの回答が1つ返ってきます。

まとめ｜Fusionは「用途を選ぶ」道具

OpenRouter Fusionは複数AIの合議で精度を底上げできる一方、コストとレイテンシの代償が大きく、効く用途とそうでない用途がはっきり分かれます。「半額でFable超え」という入口の派手さで判断せず、自分の用途が表のどちら側かで決めるのが正解です。

採用を検討する方は、まず自分の用途が「誤答コストが高く、出力を人が検証できる」領域かを確認し、そうでなければ単体モデルの直接利用を選ぶことをおすすめします。

本記事は2026年6月時点の情報です。最新はOpenRouter公式を確認してください。