[开源] 让人人用上 Claude Fable 5，基于多模型 MoA 编排

VforVendetta

Claude 的额度实在扛不住高频使用。
所以自己折腾了一个东西，把多个模型「组队」起来——不指望一个诸葛亮包打天下，而是让几位军师各出一招、再有个判官做交叉审稿，合起来希望能力逼近 Fable 5

为什么觉得这事儿值得做

OpenRouter 前阵子在 DRACO 深度研究基准上做了个实验：Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro 三个模型 Fusion 起来，得分 **64.7%**，和 Claude Fable 5 单跑的 65.3% 只差 0.6 个百分点，而单任务成本大约只有一半。详见 OpenRouter Fusion。

结论很直接：单个模型不是终点，多个模型合体很多时候比单模型更强。

但 OpenRouter 的 Fusion 是云端服务。我更想要的是：

模型可以换、供应商可以换、路由策略可以改

跑在免费 / 便宜的边缘推理上

最好支持多种各种 api 格式

于是就有了这个项目。

做了什么

基于 Mixture-of-Agents 论文，在 Cloudflare Worker 上实现了多层 MoA 编排：

请求
  ├─ Layer 0: AnySearch 联网检索（可选，结果注入 <CONTEXT>）
  ├─ Layer 1: N 个 proposer 并行（不同模型提供多样化视角）
  ├─ Layer 2: judge 冲突分析（产出共识 / 冲突 / 遗漏 / 无证据清单）
  └─ Layer 3: aggregator 综合最终答案（非简单拼接，是带裁决的二次审稿）

关键点：aggregator 不是把几个答案拼一起，而是基于 judge 的分析做二次审稿——保留共识、修正冲突、补上遗漏、删掉无证据的自信表述。

对外暴露两套协议：

/v1/messages：Anthropic Messages API 兼容（非流式 + SSE 流式）

/mcp：MCP Streamable HTTP ，工具 moa_reason

灵活支持各种调用

模型组合

Cloudflare Workers AI 现在有 12 个前沿模型可选，我预置了三套组合：

预设
组合
说明

A （最强）
kimi-k2.7-code / glm-5.2 / nemotron-3-120b-a12b / kimi-k2.6
3 前沿 proposer + kimi-k2.6 aggregator

B （均衡）
kimi-k2.7-code / glm-5.2 / nemotron-3-120b-a12b / gpt-oss-120b
proposer 全前沿，aggregator 省

C
kimi-k2.6 / qwen3-30b-a3b / glm-5.2 / gpt-oss-120b
对标 DeepSeek+Kimi+Qwen Fusion

格式是 proposer1/proposer2/.../aggregator，最后一个做综合。URL 里直接拼模型组合就能切，不用改配置。

还可以使用在线的 moa 模型组合配置器



评测结果

基础基准（ GSM8K / ARC / C-Eval ） 70 题，整体准确率 **98.6%**。

DRACO 深度研究基准（ 100 个复杂任务，4 维度 rubric ，LLM-as-judge 评分）对标 Fable 5 的 65.3%，达标阈值 ≥ 60%。写这帖的时候评测还在跑，已完成 26/100 ，当前 overall 均值 43.5%，单题最高 70%。完整结果跑完会更新到 README 。

一点想法

做这个最大的感受是：「前沿模型能力」不一定只能靠买更贵的模型获得。 它也可以被拆成一套本地可控的协作流程——谁出推理、谁出代码、谁出事实、谁做裁决。Fable 5 的能力不是黑盒，是几种能力的组合，组合可以被工程化复现。

项目 MIT ，模型组合、搜索 provider 、judge 策略都可以换。如果你有更强的模型组合建议或者评测结果，PR 直接提。

GitHub: cpcc/moa

shakaraka

https://omo.dev

Oh My OpenAgent 已经实现了类似编排

VforVendetta

@shakaraka 两者编排的对象不一样：
omo 跑在本地
moa 跑在云端

omo 编排任务：计划→委派给专家 agent→验证→写代码
moa 编排推理：proposer→judge→aggregator 把多个便宜模型输出合成一个答案

getadoggie

什么意思，这是多 agent 讨论的框架吗？能否用于某个论点的审查和优化？能否本地部署？