Sakana Fugu începe de la 20 de dolari pe lună, dar o singură cerere complexă adresată nivelului superior, Fugu Ultra, ar putea costa aproximativ 10 dolari. Această diferență există pentru că, în spatele unei simple solicitări API, sistemul poate integra discret trei sau patru modele diferite de IA pentru a răspunde întrebării dvs., apoi combină rezultatele într-o singură răspuns. Este o abordare neobișnuită de dezvoltare a unui produs bazat pe IA și tocmai de aceea noul lansament al Sakana AI a devenit una dintre cele mai comentate lansări ale săptămânii.
Cuprins
Ce este de fapt Sakana Fugu
Imagine din Sakana Fugu
Sakana Fugu nu este un model de bază în același sens în care sunt GPT 5.5, Gemini 3.1 Pro sau modelele Claude. Sakana, un laborator de IA cu sediul în Tokyo, nu a antrenat niciun model nou uriaș de la zero, iar aceasta nu susține că ar fi făcut asta.
În schimb, Fugu este un mic model „conductor” care se află în fața unei mulțimi de alte sisteme de IA. Îi trimiteți un prompt prin intermediul unei API compatibile cu OpenAI, aceeași configurație pe care o ați folosi cu orice alt model.
De acolo, Fugu decide ce să facă în interior.
Uneori răspunde pur și simplu direct.
Alteori împarte sarcina în mai multe părți, trimite fragmentele diferite către modele diferite, verifică rezultatele și asamblează totul într-o singură răspuns final. Nicio parte din această complexitate nu ajunge vreodată la codul tău.
Două versiuni, două locuri de muncă.
Fugu pune la duspozitie în două variante, cu același punct de terminare:
- Fugu este opțiunea de zi cu zi. Latență mai scăzută, optimizat pentru programare, revizuirea codului și conversații generale.
- Fugu Ultra este versiunea mai grea, destinată activităților lungi și cu mai multe etape, precum cercetarea în domeniul IA, reproducerea de articole științifice, competițiile de tip Kaggle, evaluarea securității cibernetice, precum și căutările de brevete sau de literatură.
În timpul beta-ului închis, care s-a desfășurat cu aproape 500 de utilizatori inițiali, versiunea de bază a Fugu se numea de fapt „Fugu Mini”.
Grupul de muncitori (modele)
Raportul tehnic al companiei Sakana menționează un pool care include GPT 5.5, Claude Opus 4.8 și Gemini 3.1 Pro, alături de modele open-source. Acest pool este supus schimbărilor. Companiile pot adăuga, elimina sau exclude anumite modele în cadrul bazelor Fugu din motive de conformitate, fără a fi necesară retrainarea la nivelul lor. Este important de remarcat că modelele Fable 5 și Mythos ale Anthropic, care sunt sub restricții de export, nu fac parte deloc din acest pool, deoarece acestea nu sunt accesibile public pentru oricine să le poată utiliza.
Poate să se apeleze singur.
Una dintre cele mai ciudate alegeri de design din acest caz este că Fugu se poate considera singur drept un muncitor. Acest lucru generează bucle recursive, în care sistemul examinează output-ul anterior al propriului său echipament, identifică o eroare și activează pe loc un flux de lucru corector, fără a trebui să reînvețe.
Ce nu poți vedea. Fugu este cu sursă închisă și este disponibil doar în formă gata de folosit. Nu poți să-l rulezi local, iar Sakana nu dezvăluie care modele sunt selectate pentru fiecare cerere specifică. Cercetarea subdiacentă este publică. Produsul final însă nu este.
Indicatoare de referință: Ce arată numerele și ce nu arată
Câteva aspecte sunt importante dincolo de punctajele brute.
- Fiecare număr de aici este raportat de furnizor. Linii de bază provin din rezultatele publicate propriile companii, nu dintr-o parte neutră care să execute toate testele simultan în aceleași condiții.
- Într-un capitol interesant, modelul de bază Fugu, mai ieftin, depășește chiar și pe cel mai scump Fugu Ultra la câteva benchmark-uri. Acest lucru sugerează că o orchestrare mai mare nu este neapărat mai bună, ceea ce chiar și Sakana numește „o orchestrare excesivă”.
- Raportul propriu al lui Sakana menționează, de asemenea, anumite tipare în care sistemul tinde să cadă, precum dezbaterea unui model și agregarea răspunsurilor altor modele, construirea unei soluții de către un model în timp ce altul efectuează debugging-ul acesteia, sau angajarea unui specialist pentru o parte restrânsă a problemei, cum ar fi ca un model să se ocupe de criptografie, în timp ce altul reconstruiește calculul matematic de la zero.
- Chiar și specificațiile de bază sunt puțin neclare. Paginile cu prețuri menționează o fereastră de context de 272.000 de tokeni, în timp ce alte materiale ale produsului vorbesc despre până la 1 milion, deci acesta este un detaliu care ar trebui verificat direct dacă are importanță pentru cazul dvs. de utilizare.
Motivul principal pentru care lansarea aceasta atrage atenția nu are legătură cu scorurile, ci mai mult cu momentul în care a avut loc. Statele Unite au restricționat accesul public la Fable 5 și Mythos pe 12 iunie 2026. Fugu a fost lansat la zece zile după aceea, construit aproape în întregime în jurul acelui eveniment.
Pretul
Partea care contează cu adevărat la alegerea fugu-ului
Acesta este probabil cel mai important motiv pentru care oricine din afara unui laborator de cercetare ar lua în considerare Fugu, deci merită expus clar.
- Abonamentele sunt de 20 $ (Standard), 100 $ (Pro) și 200 $ (Max) pe lună, iar fiecare nivel include atât Fugu, cât și Fugu Ultra.
- Prețul la cerere API pentru Fugu Ultra este de 5 dolari per milion de tokeni de input și de 30 de dolari per milion de tokeni de output, cu inputul cacheat la 0,50 de dolari. Aceste tarife se dublează aproximativ odată ce o solicitare depășește 272.000 de tokeni de context.
Sakana evită aplicarea unor taxe suplimentare pentru mai multe modele, acestea fiind combinate într-o singură cerere. Chiar dacă o solicitare implică trei modele diferite, se facturează o singură taxa combinată, calculată pe baza modelului cu cel mai ridicat nivel de pret, și nu suma tuturor acestora.
- Există o promovare de lansare care oferă al doilea lună gratuit pentru oricine se abonează înainte de sfârșitul lunii iulie 2026.
- Fugu nu este disponibil în UE sau în EEE la lansare, în timp ce Sakana lucrează pentru a se conforma cu GDPR. Aceasta reprezintă o lipsă semnificativă, având în vedere că întregul concept al produsului este orientat către companii și chiar guverne preocupate de dependența față de furnizori.
Comparatie test cu Claude Opus
Un test comparativ a constat că dezvoltatorii au creat același joc mic, o simpla clona în stilul Crossy Road, folosind ambele instrumente.
Fugu Ultra a finalizat în aproximativ 22 de minute și cu aproximativ 89.000 de tokeni, costând aproximativ 7,32 dolari.
Claude Opus 4.8 a durat aproximativ 79 de minute și a utilizat aproximativ 940.000 de tokeni, cu o costă de aproximativ 37,85 dolari.
Verdictul rezultat din această comparatie a fost clar: Opus a produs un rezultat de calitate superioară, în timp ce Fugu a fost mai ieftin și mai rapid, dar nu și mai bun.
Cum funcționează de fapt Fugu
Aceasta este partea pe care majoritatea articolelor de presă o trec cu vederea, dar ea explică de ce Fugu se comportă în modul în care se comportă.
Router-ul din baza Fugu este doar decizional, nu generativ.
În loc să scrie o lanțuri de raționament și apoi să aleagă un model, Fugu Base folosește un capat de selecție ușor care funcționează împreună cu stratul normal de output al modelului. Acesta citește un stadiu ascuns timpuriu din orchestrator și generează o singură scorare pentru fiecare model din grup. Modelul cu cel mai mare scor este cel care preia sarcina, iar Fugu evită pasul costisitor de a genera text complet pentru a lua această decizie. Aceasta este principalul motiv pentru care timpul de răspuns poate părea apropiat de cel al unui apel direct către un singur model de frontieră, în loc să fie semnificativ mai lent.
Fugu Ultra funcționează pe ceva numit Conductor.
În loc să aleagă un singur model, Conductor redactează întregul flux de lucru în limbaj simplu: o secvență de pași, fiecare denumind un subtask, lucrătorul specific atribuit acesteia și care dintre rezultatele anterioare poate fi vizualizat de acesta. Ultima componentă, numită listă de acces, este cea care definește structura de comunicare între agenți. Aceasta este suficient de flexibilă încât să susțină lanțuri simple, soluții bazate pe cele mai bune dintre mai multe încercări, sau fluxuri de lucru ramificate în formă de copac. De obicei, Ultra proiectează fluxuri de până la cinci pași, cu o medie de aproximativ trei pași.
Memoria persistentă este adăugarea mai recentă.
Două mecanisme aici merită cunoscute:
- Izolarea agenților. Un muncitor vede output-ul unui alt muncitor doar dacă acesta este explicit inclus în lista sa de acces. Acest lucru împiedică primul model care răspunde să influențeze subteran, fără a fi observat, de toată lumea care urmează după el.
- Memorie comună între sesiuni. Într-o conversație mai lungă, fluxurile de lucru ulterioare pot accesa apelurile la instrumente efectuate în cele anterioare, astfel încât sistemul nu pierde timp repetând aceeași căutare sau calcule.
Cum a fost de fapt antrenat Sakana Fugu ?
Sakana descrie un flow al compus din patru segmente:
- Reglare supervizată prin ajustare fină pe sarcini cu un răspuns corect clar, în care fiecare model al lucrătorului este testat repetat și router-ul învață din distribuția rezultantă a punctajelor, nu doar dintr-o singură etichetă cea mai bună.
- Optimizare evolutivă, folosind o metodă numită CMA ES, pe sesiuni reale de codare cu mai multe turnuri. Sakana spune că a încercat mai întâi învățarea prin refortificare standard (reinforced learning) și a eșuat în acest caz, deoarece semnalul de răsplată era prea slab și neclar. Abordarea evolutivă a funcționat mai bine.
- Învățarea prin întărire pentru proiectarea fluxului de lucru al Conductorului, antrenată pe seturi aleatorii de modele, astfel încât să se generalizeze la orice combinație de modele deschise și închise cu care va fi mai târziu întâlnită.
- Sistemul de memorie persistent descris mai sus.
Sakana raportează, de asemenea, o cifră de eficiență a token-ilor care merită menționată cu o anumită scepticitate: articolul său Conductor susține că se obțin aproximativ 1.820 de token-uri per cerere, în comparație cu aproximativ 11.203 într-un sistem multi-agent convențional. Aceasta este o măsură specifică unui articol de cercetare, nu o specificație verificată independent pentru produsul livrat.
Fugu vs OpenRouter Fusion
Comparația pe care toată lumea o face este cu Fusion al lui OpenRouter, care a trecut de la o funcție experimentală la disponibilitate completă prin API chiar cu câteva zile înainte de lansarea Fugu. La prima vedere, ele par similare. Cu toate acestea, nu sunt construite în același mod.
Fusion se extinde, apoi se unește.
El trimite promptul dvs. către mai multe modele simultan, în paralel, folosind un model judecător care compară răspunsurile pentru a identifica acord, dezacord și lacune, iar apoi un model sintetizator redactează un răspuns final care combină cele mai puternice aspecte ale fiecărui model. Acest sistem este conceput pentru situații în care mai multe perspective contribuie cu adevărat, cum ar fi întrebările de cercetare sau criticile specializate, iar OpenRouter a publicat rezultate care demonstrează că panourile combinate depășesc performanța modelelor individuale de ultimă generație la un benchmark de cercetare profundă.
Fugu decide mai întâi, apoi acționează.
Conductorul său stabilește dinainte care modele vor fi chemate, în ce ordine și ce anume este permis fiecăruia dintre ele să vadă, înainte ca oricare dintre acele apeluri să aibă loc. În loc să pună aceeași întrebare tuturor și să combine răspunsurile, ar putea face ca un model să construiască ceva, să-l predea unui al doilea model pentru verificarea problemelor de securitate, și să aducă în discuție un al treilea model doar dacă primele două nu sunt de acord. Scurtătura comună care circulă pe internet exprimă bine acest lucru: Fusion se comportă mai mult ca o cabină de vot, iar Fugu se comportă mai mult ca un conductor.
Modelele de costuri sunt, de asemenea, diferite.
- Fusion vă facturează pentru fiecare model pe care îl angajează în cadrul panelului, plus și pentru judecător. Cu un panel tipic de trei modele, costul poate fi aproximativ de patru sau cinci ori mai mare decât cel al unei completări obișnuite.
- Fugu aplică o singură tarifă combinată, indiferent de numărul de modele care sunt aduse în spatele scenei.
Unele analize comerciale stabilesc costul efectiv al Fugu la aproximativ o sfert din cel al unei instanțe echivalente de Fusion, deși acest lucru depinde în mare măsură de sarcina de lucru și de frecvența cu care fiecare sistem decide efectiv să apeleze la ajutor suplimentar.
Niciunul dintre sisteme nu a fost încă testat independent la scară reală, iar ambele au doar câteva zile sau săptămâni de existență.
Despre Sakana
- Sakana a fost fondată în 2023 de David Ha, Llion Jones și Ren Ito.
- A atins o valoare de piață de 2,65 miliarde de dolari după o rundă de finanțare Serie B de 135 milioane de dolari în 2025.
- O replică cu cod sursă deschis, OpenFugu, a apărut la scurt timp după lansare.
- Agentul ALE anterior al lui Sakana a obținut rezultate remarcabile la competițiile majore de programare.
Pentru cine este Fugu
- Cel mai potrivit pentru sarcini complexe, cu mai multe etape, precum programarea, cercetarea și verificarea.
- Mai puțin atrăgător pentru prompt-uri simple, unde un model de frontieră poate fi mai ieftin și mai rapid.
- Utilă ca strategie de diversificare a furnizorilor, dar nu echivalează cu o adevărată suveranitate.
- Nu este momentan disponibil în UE/EEE.
Concluzie
Fugu este un sistem interesant de orchestrare cu idei promițătoare, însă cele mai multe afirmații privind performanța provin chiar de la Sakana. Validarea independentă este limitată, iar primii utilizatori raportează experiențe mixte; prin urmare, acesta ar trebui considerat mai degrabă ca un experiment promițător decât ca o soluție deja dovedită care să înlocuiască modelele de top.