Sakana AI 发布 Fugu：不卷参数，卷调度

日本 AI 初创公司 Sakana AI 于 6 月 22 日发布了一款名为 Fugu（河豚）的新产品。它不是又一个「更大更强」的单体模型，而是一个专门被训练来「指挥其他模型」的编排系统。

简单说，你调用一个 API，背后是一整套会自己选模型、分派任务、验证结果、最后把答案整合起来的系统。对开发者来说，复杂度被封装掉了；对最终效果来说，组合拳往往比单打独斗更能打。

什么是「编排模型」？

过去几年，大模型军备竞赛的主旋律是「卷参数」——谁家模型更大、训练数据更多、跑分更高，谁就站在食物链顶端。但这条路正在遇到瓶颈：模型越大，训练成本越高，推理延迟越长，而不同模型在不同任务上的表现差异却在缩小。

Sakana AI 选了一条不同的路：与其造一个全能的神，不如建一个懂得调兵遣将的指挥官。

Fugu 本身是一个大语言模型，但它的任务不是直接回答你的问题，而是决定「让谁来回答」。当一个请求进来，Fugu 会动态判断：

• 调用哪个模型最合适？
• 任务要分几步完成？
• 中间结果要不要验证？
• 要不要递归调用自己来处理子任务？

这套能力来自两篇 ICLR 2026 的论文。TRINITY 用一个轻量协调器，把「思考者」「执行者」「验证者」三种角色动态分派给不同模型；Conductor 则用强化学习，让系统自己学出一套用自然语言协调 Agent 的策略。

打个比方：传统的模型调用像是找一个全科医生看所有病，Fugu 更像是一个会诊系统——你挂一个号，系统自动帮你约心内科、神经科、影像科的专家，各自出报告，最后给你一个综合诊断。

两个版本，两种定位

Fugu 分两个版本：

标准版 Fugu

走效能与低延迟的平衡路线，适合日常场景：

• 聊天机器人
• 代码辅助和审查
• 日常业务自动化

Fugu Ultra

主打最高准确度，锁定那些「一般模型搞不定」的硬任务：

• Kaggle 竞赛级别的数据科学问题
• 论文复现和学术研究
• 网络安全分析
• 专利检索和法律文档处理

两者都提供 OpenAI 兼容的 API 端点，迁移成本几乎为零。

跑分：和顶尖模型打得有来有回

Sakana AI 给出了一系列基准测试数据，Fugu Ultra 在多个硬核测试中直接对标当前的前沿模型：

| 测试项目 | Fugu Ultra | Opus 4.8 | GPT-5.5 | Gemini 3.1 Pro | |---------|------------|----------|---------|----------------| | SWE Bench Pro（编程） | 73.7 | 69.2 | 58.6 | - | | LiveCodeBench Pro | 90.8 | - | 88.4 | - | | GPQA-D（研究生级科学推理） | 95.5 | - | - | 94.3 | | Humanity's Last Exam | 50.0 | - | - | - |

几个值得注意的点：

SWE Bench Pro 73.7 分，这是行业公认的硬核编程测试，要求模型在真实的 GitHub 仓库里定位 bug 并提交修复。Fugu Ultra 直接超过了 Opus 4.8 的 69.2。

GPQA-D 95.5 分，这个测试考的是研究生级别的科学推理能力，是目前公开可用模型中的最高分。

LiveCodeBench Pro 90.8 分，压过 GPT-5.5 的 88.4。

更关键的是，Sakana AI 强调这些成绩是在模型池中不包含 Claude Fable 5 和 Mythos Preview 的情况下取得的——换句话说，Fugu 没有「作弊」靠调用最强模型来刷分，而是靠编排中等水平的模型组合出了前沿级表现。

实际场景：不只是刷榜

跑分好看是一回事，实际场景能不能用是另一回事。Sakana AI 给出了几个有意思的案例：

自动化 ML 研究

在 AutoResearch 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）。这意味着它能像一个初级研究员一样，自己设计实验、跑数据、调参数、迭代优化。

日文古籍识别

处理日本历史文献的阅读顺序恢复时，Fugu 达到 NED 0.80，而其他模型只有 0.24 或直接失败。这不奇怪——Sakana AI 本身就是针对日文和日本文化做过专门优化的。

CAD 机械设计

在设计虹膜机构的任务中，Fugu 产出了一个可工作的设计，其他模型的方案则存在间隙或不完整。

金融预测

在 50 周的股票交易回测中，Fugu 实现了 +19.43% 的平均回报，其他模型均低于 15%。当然，回测和实盘是两回事，但至少说明在多步骤决策任务上，编排系统的优势是明显的。

定价：Opus 的三分之一

按量付费模式下，Fugu Ultra 的价格是：

• 输入：$5 / 百万 tokens（超过 27.2 万 tokens 后为 $10）
• 输出：$30 / 百万 tokens（超过 27.2 万 tokens 后为 $45）

作为对比，Opus 4.8 的价格是输入 $15、输出 $75。Fugu Ultra 的输入价格只有 Opus 的三分之一，输出价格不到一半。

计费逻辑也比较友好：只看当下启用的最高阶模型收费，不会每个被调用的模型都叠加计费。这解决了很多开发者对「多模型调用会不会贵死」的担忧。

时间点的玄机

这个发布时间点值得玩味。

6 月 12 日，Anthropic 因应美国出口管制要求，撤回了 Claude Fable 5 和 Mythos Preview 的公开 API 使用权限。对于很多非美国地区的开发者来说，一觉醒来发现自己用的模型没了。

Sakana AI CEO David Ha（前 Google Brain 研究员）在发布会上直接说：「我们的 Fugu Ultra 达到了 Fable 和 Mythos 的性能水平，而且不受美国出口管制影响。」

这话是说给谁听的，不言自明。

当 AI 供应链的地缘政治风险越来越高，「不依赖单一供应商」从一个技术选型问题变成了一个业务连续性问题。Fugu 的编排架构天然具备这个优势——个别模型无法访问，系统会自动切换到其他可用模型，不会对业务造成严重影响。

Sakana AI 是谁？

如果你没听说过 Sakana AI，值得花点时间了解一下。

这家公司 2023 年在东京成立，三位创始人来头都不小：

• Llion Jones：2017 年 Transformer 论文《Attention Is All You Need》的共同作者，现代大语言模型的奠基者之一
• David Ha：前 Google Brain 研究员，以「世界模型」（World Models）研究闻名，后来当过 Stability AI 的研究主管
• Ren Ito：负责运营和商务

公司走仿生路线，名字 Sakana 在日文中就是「鱼」，理念取自鱼群、演化这种集体智慧。这次的 Fugu（河豚）也延续同一套命名。

在日本，Sakana 几乎是国家队级别的存在。2025 年 11 月的 B 轮融资募到 1.35 亿美元，估值达到 26.5 亿美元，是日本最有价值的 AI 初创公司。投资人名单里有日本最大金融集团三菱日联（MUFG），还有美国中情局的创投部门 In-Q-Tel，加上 Khosla、NEA、Lux 等硅谷基金。

被外界称为「日本版 OpenAI」，但 Sakana 选的路和 OpenAI 完全不同——不是继续把单一模型练大，而是研究怎么让一群模型协作得更好。

和 OpenRouter Fusion 有什么区别？

今年 3 月，OpenRouter 推出了 Fusion，也是「一个 API 背后藏一堆模型」的思路。很多人会问：这两个东西有什么区别？

简单说：

• Fusion 偏向「投票制」——把同一个问题丢给多个模型并行作答，再由一个评审模型融合出最终答案
• Fugu 偏向「分工制」——训练出一个会拆解任务、分派角色、来回验收的指挥型模型

前者更适合「答案有标准」的场景，比如数学题、代码 bug；后者更适合「需要多步骤协作」的复杂任务，比如研究、设计、分析。

模型编排正在从一种工具，变成产品本身。

对开发者意味着什么？

几个实际的影响：

1. 模型选型的心智负担降低了

以前你得研究「哪个模型擅长什么」「这个任务该用 Claude 还是 GPT」，现在可以把这个决策交给编排系统。当然，你也失去了一部分控制权。

2. 成本结构可能更友好

对于复杂任务，与其一直调用最贵的模型，不如让编排系统帮你把简单的子任务分派给便宜的模型。Fugu 的计费方式也鼓励这种用法。

3. 供应链风险分散了

如果你之前 all in 某一家的 API，现在可能要重新考虑架构了。编排系统天然具备 fallback 能力。

4. 调试可能更麻烦

当结果不符合预期时，你得搞清楚是编排逻辑的问题还是底层模型的问题。黑盒程度更高了。

写在最后

当前沿模型之间的差距越缩越小，「把一群模型指挥得更好」可能比「再练一个更大的模型」更有优势。

Sakana AI 选了一条绕开算力军备竞赛的路，把重心放在怎么编排模型，而非继续堆参数。这个方向对不对，市场会给出答案。

但至少，当你的 Claude API 因为出口管制突然挂掉的时候，你会开始认真考虑：也许不该把鸡蛋放在一个篮子里。

---

参考来源

（注：以下仅保留国内可访问的来源）

• 暂无符合条件的国内可访问参考链接