星图上线Fusion混合推理：多模型视角处理复杂任务
优刻得AstraFlow星图平台上线Fusion混合推理功能。针对深度研究、商业分析、方案比较等复杂任务，Fusion可组织多个异构模型围绕同一问题展开独立分析，再通过综合模型识别不同答案中的共识、冲突与遗漏，形成结构更完整的最终回答，为开发者提供一种兼顾多视角分析与交叉检查的全新推理方式。
多个模型自动协同推理 不同模型各有所长，也有各自的能力边界。
对于通用问答和实时交互，选择一个合适的模型通常已经足够；但在深度研究、方案比较和决策辅助等任务中，回答质量不仅取决于单点能力，也取决于能否覆盖不同视角、发现分歧并补足遗漏。
基于这一需求，星图全新推出Fusion混合推理功能。一次Fusion请求分为两个阶段：
Panel多模型分析：多个异构模型同时、独立处理同一个问题。不同Panel Member根据预设侧重点生成候选答案，减少单一路径对最终结果的影响。
Synthesis统一综合：Synthesizer读取原始对话及全部有效候选答案，识别其中的共识、冲突与遗漏，并重新组织生成最终回答。
Fusion不是对候选答案进行简单投票，也不是将多段内容直接拼接。最终答案仍由Synthesizer结合原始问题和Panel分析结果统一生成。
当前Fusion模型组合由优刻得综合自建推理能力、模型稳定性和Benchmark结果进行选择，并持续维护和调优，暂不开放用户自定义。
Fusion与AUTO功能对比
星图AUTO路由关注的是：当前请求更适合交给哪个模型？
Fusion关注的则是：对于一个复杂问题，能否让多个模型分别分析，再综合各自的判断？
两项能力并非相互替代。AUTO更适合高频、通用的模型调用；Fusion则面向回答质量和信息覆盖优先的复杂任务。
三类任务，更适合使用Fusion
Fusion更适合需要多视角分析、交叉检查和完整表达的任务，例如：
深度分析与研究型任务：对已有材料进行归纳，核对不同观点，发现信息缺口并形成综合判断。
商业分析与决策辅助：比较多个方案，梳理共识与分歧，识别潜在遗漏和执行风险。
高价值内容生产：生成研报、解决方案、分析报告等对结构和完整性要求较高的长内容。
Fusion并不适合所有请求。对于简单问答、低时延交互，或对Token消耗敏感的批量任务，直接调用单模型或使用AUTO路由通常更合适。
综合平衡效果、成本与时延 优刻得使用DRACO Benchmark，对当前Fusion组合与高性能单模型基线进行了测评对比。在成功完成并获得有效评分的回答中，两组结果处于相近水平，Fusion得分高出0.25分。
本次结果显示，Fusion在评分与对照模型相近的同时，单题平均Token、首字时延和整体时延均明显增加；基于本次模型组合与测试时段价格估算，其调用成本约为对照模型的1/5。成本差异主要来自优刻得ModelVerse自建推理能力、国内模型组合及测试时采用的DeepSeek谷时价格。
以上数据用于说明当前测试条件下的效果、成本与时延关系，不代表线上服务等级承诺：
1. 表中得分仅统计成功完成并获得有效评分的回答。
2. 成本基于本次模型组合和测试时段价格估算，实际费用以ModelVerse账单为准。
3. 版本、Panel组合、提示词和上游负载变化均可能影响结果，UCloud将持续进行回归验证。
一个模型名，即可接入Fusion
Fusion使用OpenAI-compatible Chat Completions接口。开发者无需调整现有调用结构，只需将模型名称设置为ucloud/fusion。
cURL
Python
让复杂问题，多几种思考路径 从“选择一个合适的模型”，到“组织多个模型共同完成一次推理”，Fusion为复杂任务提供了新的调用方式。 星图将持续优化模型组合、综合策略和评测体系，在效果、成本与时延之间建立更清晰的选择依据，帮助开发者把不同推理方式用在更合适的业务场景中。
