Sakana AI 的 Fugu 协调多个大模型
The Decoder··作者 Matthias Bastian
关键信息
Fugu 有两个版本：基础版面向更低延迟的日常编码、代码审查和聊天任务，Fugu Ultra 则针对更复杂的多步骤问题追求最高质量。Sakana 还表示，出于隐私或合规原因，用户可以把特定代理从模型池中排除，而且模型选择、任务分派、检查和综合都在系统内部完成。
资讯摘要
Sakana AI 发布了 Fugu，这是一个多大语言模型编排系统，对外表现为单一的、兼容 OpenAI 的 API，同时会从可替换的模型池中动态选择并组合模型。公司称 Fugu Ultra 在多项基准上可匹配 Anthropic 的 Fable 5 和 Mythos Preview，尽管这两个 Anthropic 模型并不在 Fugu 的模型池中。 如果这些基准表现经得起验证，Fugu 可能通过把任务路由给最合适的模型，而不是依赖单一供应商，来提升成本效率、系统韧性和供应商独立性。
这对构建智能体系统、代码工具和企业 AI 栈的团队尤其重要，因为他们往往同时关注延迟、合规和厂商锁定。 Fugu 有两个版本：基础版面向更低延迟的日常编码、代码审查和聊天任务，Fugu Ultra 则针对更复杂的多步骤问题追求最高质量。Sakana 还表示，出于隐私或合规原因，用户可以把特定代理从模型池中排除，而且模型选择、任务分派、检查和综合都在系统内部完成。
资讯正文
萨卡纳 AI 的 Fugu 通过协调多个大语言模型，力图追平 Anthropic 的 Fable 和 Mythos 基准
要点
- 日本 AI 初创公司 Sakana AI 正在推出 Fugu，这是一套可动态协调来自可替换模型池的多个语言模型的系统，同时通过一个 API 表现得像单一模型一样。
- Sakana 表示，尽管 Fable 和 Mythos 都不在其大语言模型池中，Fugu 在基准测试中的表现仍超过 Anthropic 的最佳模型。
- Fugu 提供适用于日常任务的基础版本，以及更强大的 Fugu Ultra 变体。可替换模型池的设计也旨在降低对任何单一 AI 提供商的依赖。
更新——
- 补充了第一印象
更新，2026 年 6 月 23 日：
首次上手测试呈现出喜忧参半的局面
早期对 Fugu 的评测，和基准测试相比，显得没那么令人兴奋。AI 研究员 Ethan Mollick 在 X 上写道，Fugu Ultra “慢得惊人”。他平时的编码测试花了 30 分钟。结果“还行”，但在实际使用中不及 Fable。他用自己的 3D 模拟基准“Harbor Town”演示了这一点。
X 用户 @LLMJunky 在 $20 套餐上，一个提示词就耗尽了自己全部五小时额度。一个 ThreeJS 编码任务返回的结果“明显比 GPT 5.5 更差”，而且在游戏甚至能运行之前，就需要七八轮修复。“初步印象……不太好，”他写道。
在 Hacker News 上，开发者抱怨每月 $200 的套餐每周只能用不到三小时。该 API 据称速度很慢，输出质量也远谈不上接近 Fable。不过，代码审查倒是一个亮点，表现大致与 Opus 4.8 或 GPT 5.5 相当。X 上的 Hamel Husain 也认为它在代码审查方面表现不错，但在前端工作上较弱，称其“能力有点参差不齐”。
X 用户 Mark Santos 对一个 Crossy Road 克隆项目进行的正面对比显示，Fugu Ultra 用时 22 分钟、花费 $7.32 就完成了，比 Opus 4.8 的 79 分钟和 $37.85 快得多、也便宜得多。但 Santos 更不喜欢它的输出结果。
Sakana AI 关于主权性的说法也遭到质疑。该系统仍然依赖其模型池中现有的模型，而 Sakana 在基准测试中使用了 Claude Opus 等专有模型。巧妙的工程设计确实能从 AI 模型中榨出更多能力，但这并不新鲜。所谓的“harness engineering”在 agentic AI 中扮演着重要角色。
2026 年 6 月 22 日的原文：
总部位于东京的 AI 初创公司 Sakana AI 正在推出 Fugu，这是一套可动态协调多个 AI 模型的系统，旨在与 Anthropic 的 Fable 5 等领先系统一较高下。该方法也希望降低对任何单一 AI 提供商的依赖。
这家总部位于东京的初创公司 Sakana AI 发布了 Fugu，这是一种多大语言模型协调器，在用户看来和感觉上都像单一模型。Sakana 在面向编码的协调器方案上已经取得了强劲结果。其 ALE-Agent 在一场编码比赛中，在 1,000 名人工专家中排名第 21 位。
Fugu 本身就是一个语言模型，经过训练后会从一个智能体池中调用其他大语言模型，其中也包括它自己的副本。根据请求不同，它要么独立处理任务，要么组建一支由专门模型构成的团队。模型选择、任务分派、检查和综合都在内部完成。用户则通过一个兼容 OpenAI 的 API 访问全部功能。
Fugu Ultra 旨在匹配顶级模型
Sakana AI 正在推出两个版本。基础版 Fugu 模型面向低延迟，以及在编码、代码审查和聊天机器人等场景中的稳定日常表现。对隐私或合规有要求的团队可以从模型池中排除特定代理。
Fugu Ultra 则面向复杂的多步骤问题，追求最高答案质量。早期用户已将其用于 AI 研究、科学论文复现、网络安全分析，以及专利和文献检索。
根据 Sakana AI 发布的基准测试结果，Fugu Ultra 在一系列编码、推理、科学和代理基准上，表现与 Anthropic 的 Fable 5 和 Mythos Preview 不相上下。
不过，这两个 Anthropic 模型并不在 Fugu 的代理池中，因为它们并未公开提供。如果把这些模型纳入其中，Fugu 的得分很可能还会更高。Sakana AI 表示，基线对比数字来自模型提供方本身。下表展示了 Fugu 与底层基础模型相比的表现。
**将编排作为对供应商锁定的对冲**
Sakana AI 将 Fugu 作为防止单一供应商依赖的一种保障来推销。该公司以近期对 Anthropic 的 Fable 和 Mythos 模型实施的出口管制为一个具体例子。由于监管变化或外交政策决定，顶级 AI 系统的访问权限可能会在一夜之间消失。
“对于一个组织或一个国家而言，在关键基础设施、金融或治理领域依赖单一公司的 API，是一种重大的脆弱性。这种风险不再是假设，而是现实。”Sakana AI 在公告中写道。Fugu 的模型池可以完全替换，因此如果某个供应商失去可用性，系统可以改由其他模型接管。
不过，系统在现实世界中的表现完全取决于模型池里有哪些模型。如果多个顶级提供方同时限制访问，Fugu 的可选项也会随之缩小。像 Fugu 这样的编排器或许能提升韧性，但这与真正的主权并不相同。
尽管如此，仅从原始性能来看，Fugu 仍值得关注。编排究竟会在多大程度上增加 token 用量和成本，仍是一个悬而未决的问题，而 Sakana 并未在公告中予以说明。
**早期测试者报告复杂工作流有提升**
据 Sakana AI 介绍，约有 500 名 beta 用户已经在真实场景中测试过该系统。Fugu 在自动化数据研究、安全分析和代码审查等长周期、多步骤工作流上的表现最强。
视频：据 Sakana 称，Fugu 比单个模型更快地解出了并可视化了一个魔方。
“beta 测试清楚地表明，只有当任务杂乱、耗时且难以通过一次模型调用解决时，多代理编排才最有价值，”Sakana AI 写道。
这两个版本现已通过产品页面和控制台上的单一 API 上线。Sakana 提供面向日常使用的订阅方案，以及面向更大工作负载的按量计费。
Sakana 的押注不是某一个单独模型，而是一个 AI 生态系统。
Fugu 的技术路线建立在 Sakana AI 自身关于学习型模型编排的研究之上，具体来说，是 ICLR 2026 上发表的两篇论文 Trinity 和 Conductor。
这个想法契合了 Sakana AI 更宏大的愿景：将群体行为、进化和集体智能等自然原理应用到 AI 系统中。该公司认为，强大的 AI 并不是单一模型的问题，而是一个协作生态系统，其能力超越任何单个模型单独能够做到的程度。
Sakana AI 由前 Google AI 研究员 Llion Jones 和 David Ha 创立。Jones 是 2017 年论文《Attention Is All You Need》的共同作者，这篇论文提出了 Transformer。
来源与参考
收录于 2026-06-24