刚刚，日本 AI 公司 Sakana AI 发布了 Fugu，一个把多 Agent 编排系统包装成单一模型 API 的产品。
在官方公告中，其号称性能对标 Fable 5 和 Mythos Preview。
不过需要注意的是，这并不是又一个「更大更猛的单体模型」，而是一种完全不同的思路：Sakana 训练的是一个去调度其他模型的模型。
下面是 Sakana 给出的媲美 Fable 和 Mythos 的成绩：
Benchmark | Fugu | Fugu Ultra | Opus 4.8 | Gemini 3.1 Pro | GPT 5.5 |
|---|---|---|---|---|---|
SWE Bench Pro | 59.0 | 73.7 | 69.2 | 54.2 | 58.6 |
LiveCodeBench | 92.9 | 93.2 | 87.8 | 88.5 | 85.3 |
GPQA-D | 95.5 | 95.5 | 92.0 | 94.3 | 93.6 |
HLE | 47.2 | 50.0 | 49.8 | 44.4 | 41.4 |
TerminalBench 2.1 | — | 82.1 | — | — | — |
SWE Bench Pro 上 Fugu Ultra 拿到了 73.7，超过了 Opus 4.8 的 69.2。
GPQA-D（研究生级别科学问答）上达到 95.5，是目前公开可用模型中的最高分。
HLE（Humanity's Last Exam）上拿到了 50.0，略微超过 Opus 4.8 的 49.8。
Sakana 自己说的是：
01“ Fugu Ultra 与 Fable 5 和 Mythos Preview 站在同一水平线上。”
Fugu 是什么？
Sakana Fugu 本身是一个 LLM，但它并不直接回答你的问题，它的工作是决定让谁来回答。
它背后维护着一个 Agent 池，里面包含各种专长不同的模型。
当一个任务进来，Fugu 会动态地决定：调哪个模型、分几步完成、要不要验证结果、要不要递归调用自己。
整个过程对用户来说是无感的，你调的是一个 API，拿到的是一个结果，中间过程发生了什么，你并不需要知道。
Fugu 有两个版本：
Fugu：平衡性能和延迟，适合日常编码、代码审查、交互式场景。
Fugu Ultra：优化答案质量，调用更深层的专家 Agent 池，适合高难度问题。
02技术原理
这套系统的协调策略没有任何手工设计，全是学出来的。
Fugu 的研究基础来自两篇 ICLR 2026 论文：
TRINITY 提出了一个轻量级的「进化协调器」，自适应地给不同任务分配 Thinker（思考者）、Worker（执行者）、Verifier（验证者）三种角色。协调器本身通过进化算法优化，不依赖人工设定规则。
另一篇 Conductor 则通过强化学习训练出一个「指挥家」，让它自己发现最优的 Agent 通信模式和协作策略。
论文的核心发现是：RL 训练出来的协调策略往往是「非直觉但高效」的，人类设计师不太会想到那种分工方式。
Fugu 跟写死的 pipeline 完全不同，它是一个学会了怎么当项目经理的 LLM。它会动态地从模型池中组装团队，并通过非显而易见但高效的协作模式来协调它们，最终完成任务。
03六个实战案例
Sakana 展示了六个实战案例：
在 AutoResearch（自动化 ML 研究）任务中，Fugu Ultra 自主运行了 123 次实验，拿到了最优的 BPB 得分（0.9774 ± 0.0019），超过所有 frontier 竞争者。
日文古籍识别方面，Fugu 在处理日本历史文献的阅读顺序恢复时达到 NED 0.80，而竞品模型只有 0.24 或直接失败。
不过……这大概和 Sakana 的日本基因有关，其他家估计没空专门去研究日本古籍了。
魔方求解器上，Fugu 生成的代码成功解出了全部 300 个测试魔方，而竞品生成的代码则无法正常运行。并且 Fugu 在 300 个测试案例中，解法步数从未输过（7 胜 293 平 0 负）。
在 CAD 机械设计任务中，Fugu 设计了一个可工作的虹膜机构，其他模型产出的设计则存在间隙或不完整。
其他的，盲棋连续四局对弈中 Fugu 保持着完美的准确率；在股票交易 50 周的回测中 Fugu 实现了 +19.43% 的平均回报，其他 frontier 模型则均低于 15%。
04价格
目前提供订阅制和按量计费两种方式：
订阅（同时包含 Fugu 和 Fugu Ultra）：
Standard：$20/月
Pro：$100/月（10 倍 Standard 额度）
Max：$200/月（20 倍 Standard 额度）
2026 年 7 月前订阅可免费获得第二个月。
按量计费（Fugu Ultra，fugu-ultra-20260615）：
输入：$5/1M tokens（超过 272K 上下文时 $10）
输出：$30/1M tokens（超过 272K 上下文时 $45）
缓存输入：$0.50/1M tokens
作为对比，Opus 4.8 的价格是 $15 输入 / $75 输出。Fugu Ultra 的输入价格只有 Opus 的三分之一，输出价格不到一半。
Fugu 兼容 OpenAI 的 API 格式，不需要独家 SDK，你直接改个 endpoint 就可以使用了。
05无出口管制风险
或许是为了讽刺 A 社，Sakana 在发布中反复强调一个点是：frontier capability without the risk of export controls。
没有出口管制风险。
随着 AI 监管收紧，依赖单一供应商的风险越来越大。如果某天因为政策或法规限制，某个 frontier 模型在你所在的地区不可用了怎么办？
Fugu 的编排架构天然具有弹性，它可以在底层切换不同的模型。虽然性能可能会有所下降，但不大会从 frontier 直接掉到不可用。
开发者 Chris 在使用后表示：
“ 如果是一个干净的单次 prompt，你大概还是会直接用 Fable 5 或 Mythos。但任务越复杂、越混乱——涉及分工、验证、综合、代码审查、研究循环、安全评估——这种编排系统就越有意义。”
甚至，已经有人火速开源了一个用 TypeScript 实现的简化版 Fugu runtime，用 DSPy 风格的 Agent 框架复刻了 Conductor 的核心模式：指挥、分工、上下文传递、验证和综合。
06可用性
Fugu 目前全球可用，但欧盟/欧洲经济区暂不支持（GDPR 合规还在进行中）。
用户可以在 Fugu 版本中选择退出特定的底层模型，但 Fugu Ultra 的 Agent 池是固定的，不支持自定义。
数据使用方面，用户数据默认用于性能改进，但可以随时在控制台中关闭。
不过，至于具体使用了哪些底层模型，Sakana 表示，路由信息属于专有技术，不便对外公开……
◇ ◆ ◇
产品页面：https://sakana.ai/fugu/
技术博客：https://sakana.ai/fugu-release/
注册使用：https://console.sakana.ai/login
推文：https://x.com/SakanaAILabs/status/2068861630327443966
