人人都有 Fable 5：用 agentfw 把 DeepSeek + Kimi + Qwen 融合成 Fable 5 平替模型

原文链接：https://mp.weixin.qq.com/s/VI8pcFfYmwOlH5TthPMwbw 来源：象信AI 发布时间：2026-06-15

摘要

OpenRouter 实验证明：多模型 Fusion 能逼近甚至超过前沿单模型。agentfw 将这套 Fusion 能力放在本地，用 DeepSeek V4 Pro + Kimi K2.6 + Qwen3.6 组合成 Fable 5 平替，成本约一半，DRACO benchmark 得分差距仅 0.6 个百分点（65.3% vs 64.7%）。

核心论点

三大关键发现：

1. 多模型 Panel 稳定强于单模型。
2. 前沿模型组队后，可以超过单个前沿模型。
3. 平价模型组队后，也能接近 Fable 5 这类顶级模型。

DRACO 基准测试数据：Claude Fable 5 单跑 65.3%，Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro Fusion 组合 64.7%，差距仅 0.6 个百分点，成本约一半。

本地 Fusion 阵容：Qwen3.6 + Kimi K2.6 + DeepSeek V4 Pro

三个模型分工协作，不是简单轮流调用：

• DeepSeek V4 Pro：推理、问题拆解、低成本高强度思考
• Kimi K2.6：代码、长上下文、中文理解、材料归纳和复杂文档消化
• Qwen3.6：稳定输出、结构化和多模态任务

工作流程：同一任务 → agentfw 本地并行发给三个模型 → 各自给出答案和推理路径 → 本地 judge 交叉检查（找共识/冲突/遗漏）→ synthesizer 生成统一答案。用户体感只调用一个"模型"。

agentfw 实现原理

agentfw 是一个开源本地 AI agent firewall（https://github.com/openguardrails/agentfw），站在 agent 和模型服务之间，负责：

• 请求复制和并行分发
• 结果收集
• 冲突分析
• 最终融合
• 敏感信息保护
• 调用轨迹记录

Agent 仍然以为自己在调用一个模型，但 agentfw 在本地把"一个模型"替换成"一个 Fusion 策略"。

增益来源

两个维度：

1. 模型多样性：不同模型互补短板（事实覆盖 vs 表达 vs 推理 vs 中文自然度）
2. 多次生成 + 综合裁决流程本身：同一模型和自己做 Fusion 也能涨分（Opus 4.8 两模型 Panel：58.8% → 65.5%）

实践策略：分级调用

日常任务 → Qwen3.6 + Kimi K2.6 + DeepSeek V4 Pro（本地 Fusion）
高风险任务 → 升级到 Fable 5
模型故障 → 自动切换
敏感信息 → 本地 agentfw 预处理
所有调用路径 → 有迹可查

不是追逐最强单模型，而是把高价模型从"默认选项"变成"兜底选项"。

关键开源项目

• agentfw：https://github.com/openguardrails/agentfw
• DRACO Benchmark：Perplexity AI 深度研究评测集，100 个复杂任务 × 10 领域
• OpenRouter Fusion：openrouter/fusion 云端服务

核心判断

未来大模型能力不一定来自"更大的单模型"，更可能来自"更好的模型协作系统"。agentfw 让 Fusion 能力本地化——可路由、可审计、可保护、可替换。控制权回到用户手里。