图片：METAL
摘要
- Sakana AI于9月11日发布两款编排模型Fugu Max与Fugu Ultra v2。两者共用同一套编排架构，Fugu Max面向成本，Fugu Ultra v2面向最高性能。
- Fugu Max每百万输入词元2美元、每百万输出词元6美元，输出价格比Sonnet 5、GPT 5.6 Terra和Kimi K3低40%到60%，并在六项基准上拿到同价位区间的最高分。
- Fugu Ultra v2在Chartography上得48.3分，在DeepSWE上得74.3分。公司在图表注释中写明，Fable 5、Fable 5.1和GPT-6 Astra都不在其模型池内。
Sakana AI没有继续把单个模型做大，而是给“在多个模型之间做选择”这件事标了价。9月11日，公司发布了两款编排模型Fugu Max与Fugu Ultra v2，并表示两者使用同一套编排架构，只是目标设定不同。Fugu Max追求用最低成本给出同样的答案，Fugu Ultra v2则追求在需要多步推进的难题上把分数推到最高。
如果觉得“编排”这个词抽象，可以想想呼叫中心。接起电话的话务员不会独自解决所有问题，而是听清对方要什么，再转给负责信用卡或保险的同事。Fugu就是坐在话务员位置上的模型，它读懂请求，并当场决定把哪一部分交给哪个模型。公司写道，“最强的AI绝不会来自单一的庞大模型”，而是“会来自智能的、集体的编排”。
Fugu Max这边的数字都挂在价格上。据公司介绍，Fugu Max每百万输入词元收2美元，每百万输出词元收6美元，输出价格比Sonnet 5、GPT 5.6 Terra和Kimi K3低40%到60%。在基准测试上，它在Terminal Bench 2.1、GPQAD、AA-LCR、GDP.pdf、AutomationBench和SWEFish这六项上拿到同价位区间的最高分；公司还表示，它在十项基准中的七项上把性价比的边界往外推了一截。
把价格压下来的办法不是减少模型，而是增加模型。公司表示，Fugu Max扩大了可供编排的模型池，以前所未有的规模纳入开放权重模型和专用模型，并通过与NVIDIA的合作把Nemotron系列放进了池子。公司解释说，通过把任务动态路由给能够解决它的最轻量模型，Fugu Max“只用一小部分词元开销就能给出前沿级别的结果”。其主张是：可选项越多，便宜的答案就越常够用。
Fugu Ultra v2瞄准的是另一端。公司表示，这款模型面向多步推理、自主研究和全栈软件开发。差距拉得最开的，是那些需要长时间盯住图表和结构化材料的工作：在衡量图表阅读的Chartography上，它拿到48.3分，而Opus 5为27.3分、Fable 5为29.5分。在衡量软件修复的DeepSWE上，公司称其74.3分压过了价格高出三到五倍的模型。
这次发布中最值得注意的，是公司自己钉死的那个前提条件。图表下方的注释写明，Fugu Ultra v2的训练数据截止日期为2026年8月28日，而Fable 5、Fable 5.1和GPT-6 Astra都不在Fugu Ultra v2的模型池内。这既意味着分数不是借别家顶级模型攒出来的，也意味着这是在当下最强的三个模型缺席时跑出的成绩。公司表示，Fugu Ultra v2在八项基准中的五项拿到最高分或并列最高分，在七项上进入前两名。
这家公司真正下手的地方，是性能曲线的形状。发布文的前提是：竞争不该只看模型规模，而要同时看能力与成本这两个轴；公司把“把这条边界往外推”写成了两款模型的共同目标。METAL此前报道过编程AI的竞争正是在同一条性价比边界上展开的，而这次发布提出的问题是：把这条边界往外推的，能不能是编排结构而非单个模型。
Fugu这个名字并非这次才出现。METAL曾报道该公司把名为Namazu和Fugu的两个模型装进自家聊天机器人，Fugu从那时起就是这家公司编排系列的名字。这次推出的两款，把这个系列拆成了便宜的一边和强的一边。
METAL查阅的技术报告写明了这套编排结构是怎么建起来的。在6月19日公开的报告中，公司把Fugu定义为一种读取用户请求、并即时搭建智能体脚手架的模型，并表示同时用到了大规模微调、进化算法和强化学习。报告以“不同厂商正在各自领域走向专门化”为前提，把这些专长汇成一个集体智能作为目标。如果说6月那一版证明了编排层也能在难题基准上追平封闭的前沿模型，那么按公司的说法，这一版把这个上限又抬高了。
从使用方来看，切换成本很低。公司表示两款模型都通过其标准的OpenAI兼容API提供，已有的Fugu用户只需改一行参数，不需要迁移。在产品页和控制台上就能直接开启。没有公开的部分同样清楚：公司没有公布Fugu Ultra v2的价格，除NVIDIA Nemotron系列外也没有点名池中的任何开放权重模型。
读编排模型的成绩单时，值得盯住的是比较对象。公司列出的最高分大多附有“同价位区间”的限定，而且是以十项中的七项、八项中的五项这种子集形式写出来的。“赢过所有人”和“在同样价格上赢过所有人”是两种不同的主张，而这份发布文选了后者。只要撑起这些分数的模型池构成一天不公开，外部就无法照样复现这套测量。
编排之所以能把价格压下来，道理很直白。要给出同样的答案，并不需要动用最贵的模型；池子越宽，避开它的余地就越大。Sakana AI这次把“不会因厂商锁定、API被撤销或服务突然中断而动摇的基础设施”摆在了前面，而支撑这一主张的，正是在某一家最强的三个模型缺席时攒出的分数。购买AI的依据正在从模型的名字转向单位工作的成本，编排模型就站在这一转变的最前列。
评论