以一半价格超越Fable 5：认识DigitalOcean推理引擎上的新服务端工具——模型合成
内容提要
DigitalOcean推理引擎推出模型合成功能，通过多模型并行处理与合成器整合输出，提升深度研究任务的质量与成本效率。基准测试显示，开源组合GLM 5.2+Kimi K2.6在质量上超越所有单一模型，成本仅为Fable 5的一半。该功能提供预设配置，用户可按需选择，实现智能与成本的平衡。
延伸解读
合成器选择比面板大小更关键
测试显示，在相同面板下，更换合成器可使质量分数变动3至5分，而两模型面板与三模型面板的差距仅约0.4分。最佳两模型组合（GLM 5.2 + Kimi K2.6）甚至优于三模型组合，说明增加模型数量并非提升质量的关键，优先选择强合成器并保持面板精简更为有效。
开源组合的性价比优势
GLM 5.2 + Kimi K2.6组合在质量上超越所有单一模型，包括前沿模型Fable 5，但成本仅为后者的一半左右。这打破了前沿模型必然更优的假设，表明在深度研究任务中，开源模型通过协作可以达到更高性价比，为预算有限的用户提供了可行替代方案。
按任务需求调整智能投入
模型合成提供了灵活的智能成本调节选项：对于批量分类、常规摘要等成本敏感任务，单一开源模型即可满足；而对于尽调、竞争分析等研究密集型任务，可采用GLM 5.2 + Kimi K2.6组合。用户无需更换API，仅调整配置即可在不同智能水平间切换，实现按需分配资源。
Q&A
DigitalOcean推理引擎的模型合成功能是什么？
模型合成是DigitalOcean推理引擎上的一项新服务端工具，它通过并行运行多个模型（称为面板）并让一个合成器模型整合它们的输出，从而生成一个综合响应。用户可以使用预设配置或自定义面板和合成器。
模型合成在深度研究任务上的表现如何？
在DRACO基准测试（100个深度研究任务）中，开源组合GLM 5.2 + Kimi K2.6取得了65.65%的质量分数，超过了所有单一模型，包括Fable 5（62.21%），而成本仅为每任务0.83美元，大约是Fable 5（1.59美元）的一半。
模型合成中合成器的选择对质量有什么影响？
合成器的选择对质量影响显著。在所有面板中，GLM 5.2作为合成器表现最佳，DeepSeek V4 Pro次之，Kimi K2.6最差。仅更换合成器就能使质量分数变化3到5个百分点，这比增加一个模型（从两模型到三模型）的影响更大。
模型合成有哪些预设配置？
模型合成提供三种预设：Budget（预算型）使用较小的模型面板和较轻的推理设置，成本最低；Balanced（均衡型）使用中等面板和适度推理深度，平衡质量与成本；Quality（质量型）使用最大的模型面板和最深的推理配置，但成本和延迟更高。
如何通过API调用模型合成功能？
可以通过DigitalOcean推理引擎的API调用模型合成。例如，使用curl命令发送POST请求到https://inference.do-ai.run/v1/chat/completions，在tools参数中指定type为model_synthesis，并设置preset或自定义model和analysis_models。
模型合成与推理路由器（Inference Router）有什么区别？
推理路由器根据用户偏好（成本、延迟、质量）为单个请求选择最合适的模型，而模型合成用于当一个模型不够用时，让多个模型并行处理同一问题并整合输出。两者可以协同工作，提供从单模型路由到完整面板的灵活选择。
模型合成适合哪些应用场景？
模型合成适合研究密集型任务，如尽职调查、竞争分析、法律或医学研究，这些任务需要高质量、证据充分的答案。对于高容量、成本敏感的工作（如批量分类、常规摘要），建议使用单一开源模型以降低成本。
