사카나AI, 모델 고르는 모델 두 개 냈다

Fugu Max 쪽 숫자는 값에 붙어 있어요. 회사에 따르면 Fugu Max는 입력 100만 토큰에 2달러, 출력 100만 토큰에 6달러를 받고, 출력 요금이 Sonnet 5와 GPT 5.6 Terra, Kimi K3보다 40에서 60% 낮아요. 벤치마크에서는 Terminal Bench 2.1과 GPQAD, AA-LCR, GDP.pdf, AutomationBench, SWEFish 여섯 곳에서 비슷한 가격대 모델 가운데 가장 높은 점수를 받았고, 열 개 가운데 일곱 곳에서 비용 대비 성능의 경계선을 바깥으로 밀었다고 회사는 설명했어요.

값을 낮춘 방법은 모델을 줄이는 게 아니라 늘리는 거였어요. 회사는 Fugu Max가 조율할 수 있는 모델 풀을 넓혀 오픈웨이트 모델과 특정 용도에 맞춘 모델을 전에 없던 규모로 넣었다고 밝혔고, NVIDIA와 협력해 Nemotron 계열을 그 풀에 들였다고 적었어요. 그리고 "문제를 풀 수 있는 가장 가벼운 모델로 작업을 그때그때 보내면서 토큰 지출의 일부만으로 프론티어급 결과를 냅니다"라고 설명했어요. 쓸 수 있는 선택지가 많을수록 싼 답이 더 자주 나온다는 주장이에요.

Fugu Ultra v2는 반대쪽 끝을 겨냥해요. 회사는 이 모델을 여러 단계를 밟는 추론과 자율 연구, 풀스택 소프트웨어 개발에 맞췄다고 밝혔어요. 도표와 구조화된 자료를 오래 붙잡고 읽어야 하는 작업에서 특히 차이가 벌어졌는데, 차트 읽기를 재는 Chartography에서 48.3점을 받아 Opus 5의 27.3점과 Fable 5의 29.5점을 크게 앞섰어요. 소프트웨어 수정 능력을 재는 DeepSWE에서는 74.3점으로 세 배에서 다섯 배 비싼 모델들을 눌렀다고 회사는 주장했어요.

이 점수가 어떤 조건에서 나왔는지를 회사가 직접 못 박아 둔 대목이 이번 발표에서 가장 눈에 띄어요. 차트 아래 주석에는 Fugu Ultra v2의 학습 자료 마감일이 2026년 8월 28일이고, Fable 5와 Fable 5.1, GPT-6 Astra는 Fugu Ultra v2의 모델 풀에 들어 있지 않다고 적혀 있어요. 남의 최상위 모델을 빌려 점수를 만든 게 아니라는 뜻이면서, 동시에 지금 가장 센 모델 셋이 빠진 상태의 성적이라는 뜻이기도 해요. 회사는 여덟 개 벤치마크 가운데 다섯 곳에서 최고나 공동 최고, 일곱 곳에서 상위 두 자리 안에 들었다고 밝혔어요.

이 회사가 파고드는 자리는 성능 곡선의 모양이에요. 모델 하나의 크기만 키우던 경쟁에서 벗어나 능력과 비용이라는 두 축을 같이 보자는 게 발표문의 전제고, 회사는 그 경계선을 바깥으로 미는 것을 두 모델의 공통 목표로 적었어요. 메탈은 코딩 AI 경쟁이 같은 비용 대비 성능 경계선 위에서 벌어지고 있다고 보도한 바 있으며, 이번 발표는 그 경계선을 단일 모델이 아니라 조율 구조로 밀 수 있는지를 묻는 시도예요.

Fugu라는 이름이 이번에 새로 붙은 건 아니에요. 메탈은 사카나AI가 자사 챗봇에 메기와 복어라는 이름의 모델 두 개를 얹은 소식을 전한 바 있으며, Fugu는 그때부터 이 회사의 조율 계열 이름이었어요. 이번에 나온 두 종은 그 계열을 값싼 쪽과 센 쪽으로 갈라 놓은 제품이에요.

메탈이 확인한 기술 보고서에는 이 조율 구조가 어떻게 만들어졌는지가 적혀 있어요. 6월 19일 공개된 보고서에서 회사는 Fugu를 사용자 요청을 읽고 그때그때 에이전트 구성을 짜는 모델로 규정했고, 대규모 미세조정과 진화 알고리즘, 강화학습을 함께 썼다고 밝혔어요. 보고서는 제공사마다 잘하는 영역이 갈라지는 흐름을 전제로 삼고, 그 특화를 하나의 집합 지능으로 묶는 것을 목표로 적었어요. 6월 판이 조율 계층도 닫힌 프론티어 모델을 따라잡을 수 있다는 것을 보였다면, 이번 v2는 그 최고점을 더 올렸다는 게 회사의 설명이에요.

쓰는 쪽에서 보면 갈아타는 비용은 낮아요. 회사는 두 모델 모두 OpenAI 호환 API로 제공하고, 기존 Fugu 사용자는 인자 한 줄만 바꾸면 되며 옮겨 심는 작업은 없다고 밝혔어요. 제품 페이지와 콘솔에서 바로 켤 수 있고요. 확인되지 않은 것도 분명한데, 회사는 Fugu Ultra v2의 요금을 공개하지 않았고 풀에 들어간 오픈웨이트 모델도 NVIDIA Nemotron 계열 말고는 이름을 밝히지 않았어요.

조율형 모델의 성적표를 읽을 때 눈여겨볼 자리는 비교 대상이에요. 회사가 내건 최고 점수에는 대부분 비슷한 가격대라는 단서가 붙어 있고, 열 개 중 일곱이나 여덟 개 중 다섯처럼 부분집합으로 적혀 있어요. 전체를 이겼다는 말과 같은 값에서 이겼다는 말은 다른 주장인데, 이번 발표문은 뒤쪽을 골랐어요. 점수를 만든 모델 풀의 구성이 공개되지 않은 이상 바깥에서 그대로 되풀이해 재 보기는 어려워요.

조율 구조가 값을 내리는 이유는 분명해요. 같은 답을 내는 데 가장 비싼 모델을 부를 필요가 없기 때문이고, 풀이 넓어질수록 그 여지는 커져요. 사카나AI는 이번 발표에서 벤더 종속과 API 중단, 갑작스러운 서비스 중지에 흔들리지 않는 기반을 내세웠고, 그 주장은 특정 회사의 최상위 모델 셋을 빼고 만든 점수로 뒷받침돼요. AI를 사는 기준이 모델 이름에서 단위 작업당 비용으로 옮겨 가고 있고, 조율 모델은 그 이동을 제품으로 만든 첫 줄에 서 있어요.