Sakana Fugu

Sakana Fugu 并非单一的大型语言模型，尽管它的基准测试方式与单一模型无异，并被定位为 Anthropic 的 Fable 5 的竞争对手。它是一个编排模型：一个经过学习的协调器，通过一个兼容 OpenAI 的 API 接收您的请求，并将其路由至现有的前沿模型池（目前包括 GPT-5.5、Gemini 3.5 Flash 和 Claude Opus 4.8），然后将它们的工作成果合并为一个统一的答案。该模型于 2026 年 6 月 22 日由 Sakana AI 推出，这是一家位于东京的实验室，由 David Ha 和原始 Transformer 论文作者之一的 Llion Jones 共同创立。

Fugu 建立在 Sakana 的两篇 ICLR 2026 论文基础之上：Trinity（一个约 0.6B 参数的小型进化协调器）和 Conductor（一个约 7B 参数的强化学习模型，能够发现协调策略并递归调用自身实例）。它在一个端点后提供两种变体：Fugu（专为速度优化，并能为满足合规性要求而选择退出特定提供商）和 Fugu Ultra（专为在复杂的多步任务中实现最高准确率而优化）。此次发布恰逢美国出口管制导致全球大部分地区无法访问 Fable 5 和 Mythos Preview 的十天后，Sakana 的定位非常明确：无需依赖单一供应商或司法管辖区，即可获得前沿级别的结果。本评测将客观剖析 Fugu 真正擅长的领域，以及其宣传中站不住脚的部分。

Sakana Fugu 概览（2026 年 6 月）

用 Sakana 自己的话来说，Fugu“本身就是一个 LLM，经过训练可以调用代理池中的各种 LLM，包括递归调用自身实例”。您向 console.sakana.ai 上的兼容 OpenAI 的端点发送提示词，协调器会决定池中哪个专家应处理每个步骤，在不同轮次中分配 Thinker、Worker 或 Verifier 角色，最后返回一个合并的响应。其背后有一份发布在 arXiv 上的技术报告 (2606.21228)，这比大多数产品发布提供了更高的透明度。

目前提供两种变体。Fugu 是兼顾速度与成本的默认选项，允许您排除特定的提供商，这在您的合规规则禁止使用某家供应商时非常有用。Fugu Ultra（模型 ID fugu-ultra-20260615）使用固定模型池，专为准确率而优化。Sakana 列举了涵盖自动化研究、古典日语阅读顺序预测、魔方求解器、CAD 机械光圈设计、盲棋以及股票交易决策等案例研究。发布时的一个实际限制是：Fugu 在全球范围内可用，但欧盟 (EU) 和欧洲经济区 (EEA) 除外，截至 2026 年 6 月 22 日，其 GDPR 合规性仍在审核中。

Sakana Fugu 真正擅长的领域

这里最强大的理念是通过单一接口实现提供商独立性。您无需将技术栈硬编码到单一模型，也无需在该模型发生变化或不可用时重写提示词，只需调用 Fugu 并让协调器进行选择。对于因 6 月 12 日出口管制而在一夜之间无法访问 Fable 5 和 Mythos 的组织而言，这种弹性的宣传既真实又及时。首席执行官 David Ha 直接指出了这一点：

“在关键基础设施、金融或治理方面依赖单一公司的 API 是一个重大的脆弱性。这种风险不再是假设的可能性，而是现实。”（David Ha，Sakana AI 首席执行官，2026 年 6 月）

从原始数据来看，Fugu Ultra 确实在部分测试套件中取得了前沿级别的分数。它在 LiveCodeBench (93.2) 上领先，在 GPQA-Diamond (95.5) 上略占优势，并且 Sakana 报告称其在多项编程基准测试中的得分超过了 Opus 4.8、GPT-5.5 和 Gemini 3.1 Pro。这种递归的、基于角色的编排是来自一家可靠实验室的真正新颖的工作，而 arXiv 报告使该方法具有可检查性，而不再是一个黑盒。

与 Fable 5 的比较：基准测试的真实情况

Sakana 表示，“在业界最严格的工程、科学和推理基准测试中，Fugu Ultra 与 Fable 5 和 Mythos Preview 等领先模型并驾齐驱。”这一说法是真实的，但有三个因素削弱了它的说服力，而且这些因素很重要。

首先，Fable 5 和 Mythos 并不在 Fugu 的模型池中。它们受到出口管制，因此 Fugu 无法访问它们，并且该比较使用的是 Anthropic 自己公布的数据，而不是受控的正面交锋测试。其次，目前还没有独立的第三方复现这些结果。第三，一旦你跳出编程领域的胜利，就会发现这些数据其实喜忧参半。

基准测试 (Benchmark)	Fugu Ultra	Fable 5 / Mythos	优势方 (Edge)
LiveCodeBench	93.2	89.8 (Fable 5)	Fugu 领先 3.4
GPQA-Diamond	95.5	94.1 (Mythos)	Fugu 领先 1.4
SWE-Bench Pro	73.7	80.0 (Fable 5)	Anthropic 领先 6.3
TerminalBench 2.1	82.1	88.0 (Mythos)	Anthropic 领先 5.9
Humanity's Last Exam	50.0	53.3 (Fable 5)	Anthropic 领先 3.3

客观的解读是：Fugu Ultra 在 LiveCodeBench 和 GPQA-Diamond 上获胜，但在要求最高的测试（SWE-Bench Pro、TerminalBench 和 Humanity's Last Exam）中落后。“与 Fable 5 媲美”只是在少数基准测试中的选择性对等，而非全面等效，并且这是提供商报告的数据，而非经过独立验证。请将标题视为营销手段，将表格视为现实。

Sakana Fugu 的不足之处：用户报告的故障模式

早期的上手反馈大多持怀疑态度，主要集中在三个问题上：速度、成本，以及编排是否增加了足够的价值来证明这一层的合理性。在 Hacker News 上：

“每月支付 $200，你每周的使用时间不到 3 小时，API 极其缓慢，而且在我的测试中，输出质量远不及 Fable。”（cortesi，Hacker News，2026 年 6 月）

最常见的结构性批评是，Fugu 是建立在您已经付费的模型之上的付费路由器，这意味着您可能需要向三家提供商以及 Sakana 支付费用来协调它们。一位评论者直言不讳地总结了这种情绪：

“除非另有证明，否则这只是一个高度先进的路由器或包装器，而不是像 Mythos 或 Fable 那样在智能上的根本性飞跃。”（GreedyWorking1499，Reddit，2026 年 6 月）

还有两个需要权衡的注意事项。供应商独立性的宣传在某种程度上是空洞的，因为 Fugu 仍然通过受美国控制的前沿模型（Opus、GPT、Gemini）进行路由，因此它只是减少了对单一供应商的依赖，而不是消除了地缘政治风险。此外，Sakana 还存在信誉阴影：其 2025 年的“AI CUDA Engineer”声称实现了大幅内核加速，但很快被查出是利用了评估沙盒的漏洞，这就是为什么部分社区在信任 Fugu 的头条数据之前希望得到独立验证。再加上在欧盟不可用以及缓慢的 API，这是一个需要仔细评估而非盲目采用的发布。

Sakana Fugu 与单一前沿模型的对比

理解 Fugu 最清晰的方式是，它是一个决定如何使用多个模型选项的系统，而 Claude（Opus 和 Fable）、ChatGPT (GPT-5.5) 和 Google Gemini 则是具有明确身份的单一模型选项。这种差异是一把双刃剑。在不同模型各有所长的复杂多步工作中，路由可以提升结果，并且它为您提供了一个需要维护的端点，而不是三个集成。但它也增加了延迟，增加了一层成本，并降低了对实际生成输出的模型的可见性，而这对于可重复性、调试和合规性至关重要。

因此，Fugu 并不是 Fable 5 的一对一替代品。如果您需要一个已知的、具有稳定身份的优质模型，并且在最难的代理编程基准测试中获得最高分，单一前沿模型仍然胜出。如果您希望获得与提供商无关的访问权限，并愿意为此牺牲一些控制权和速度，那么 Fugu 是一个更有趣的选择。尽管基准测试的框架将它们放在了对立面，但两者解决的是不同的问题。

Sakana Fugu 定价

访问方式包括订阅或按量付费（代币）。订阅分为 Standard（每月 $20）、Pro（每月 $100，约 Standard 额度的 10 倍）和 Max（每月 $200，约 Standard 额度的 30 倍）。Fugu Ultra 的按量付费价格为每百万输入代币 $5，每百万输出代币 $30；对于超过 272K 的上下文，价格分别升至 $10 和 $45；缓存输入为每百万代币 $0.50。对于在 2026 年 7 月 31 日之前开始的订阅，Sakana 提供第二个月免费的优惠。请注意，代币成本反映了编排开销，因为单个请求可能会分散到多个底层模型中，因此在多步任务中，实际支出可能会高于标价所示的费率。

谁应该使用 Sakana Fugu，谁应该观望

如果您是希望跨前沿模型使用单一且与提供商无关的 API 的开发人员或平台团队，或者是在 6 月 12 日限制措施后担心供应商锁定或出口管制风险的组织，亦或是从事复杂的多步编程和研究工作、且跨专家路由能带来帮助的团队，那么 Fugu 值得认真考虑。如果您已经基于该接口进行开发，兼容 OpenAI 的端点将使试用变得非常顺畅。

如果您需要一个经过验证的单一模型，具有稳定的身份并在代理编程基准测试中获得高分（Fable 5 或 Opus 4.8 仍处于领先地位），如果您对成本或延迟敏感，如果您位于尚未提供该服务的欧盟地区，或者如果您希望获得经过独立验证的前沿推理能力，而不是全新产品提供商的自述声明，请观望或寻找其他选择。Fugu 是 2026 年中期真正新颖的发布之一，但它在实际应用中尚未得到证实，如今明智的做法是在您自己的工作负载上对其进行测试，而不是盲目相信对标 Fable 5 的宣传噱头。