Sakana AI научила систему Fugu оркестровать десятки моделей вместо одной
Пока крупные лаборатории соревнуются, кто обучит модель побольше и подороже, японский стартап Sakana AI с апреля держится другой стратегии: вместо одной гигантской нейросети — оркестр из множества моделей, каждая из которых включается только тогда, когда действительно нужна. Сегодня компания выпустила сразу два обновления этой системы — Fugu Max и Fugu Ultra v2.
Оба продукта построены на одной архитектуре оркестрации, но решают разные задачи. Fugu Max ищет лучший результат при минимальной цене: система динамически передаёт каждую задачу самой лёгкой модели, которая способна её решить, вместо того чтобы гонять через дорогую модель вообще всё подряд. В новую версию добавили рекордное число открытых и узкоспециализированных моделей, включая семейство NVIDIA Nemotron — результат партнёрства с NVIDIA, о котором Sakana объявила ещё в августе.
Цифры, которые приводит компания, выглядят убедительно: цена — 2 доллара за миллион входных токенов и 6 долларов за миллион выходных, что на 40–60% дешевле, чем у Sonnet 5, GPT 5.6 Terra и Kimi K3. При этом Fugu Max показывает лучший результат среди сравнимых по цене моделей сразу на шести бенчмарках, включая внутренний тест Sakana для реальных задач кодинга SWEFish.
Fugu Ultra v2 решает противоположную задачу — выжать максимум качества там, где Fugu Max сознательно экономит: сложные многошаговые рассуждения, автономные исследования, полноценная разработка. На бенчмарке визуального анализа данных Chartography модель набирает 48,3 балла против 27,3 у Opus 5 и 29,5 у Fable 5 — заметный отрыв. На DeepSWE, тесте по реальным задачам разработки, результат 74,3 обгоняет модели, которые стоят в три-пять раз дороже за токен. И достигается это без единой топовой модели вроде Fable 5.1 или GPT-6 Astra в пуле — то есть оркестрация работает не потому, что где-то внутри спрятан чужой флагман, а потому что слаженная работа специализированных моделей сама по себе даёт результат.
С апреля путь Sakana Fugu выглядит последовательным: сначала доказали, что мультиагентная оркестрация вообще работает как единая система, затем — что она умеет соревноваться с закрытыми флагманами на сложных бенчмарках, потом добавили специализацию под кибербезопасность и кодинг, в августе довели систему до потребительского чата и начали интеграцию моделей NVIDIA. Сегодняшний релиз — это уже не proof of concept, а инфраструктурная заявка: раз архитектура не завязана на одну модель, то и подорожание или отзыв доступа к какой-нибудь одной API-модели систему не остановит.
Перейти на новые версии можно, поменяв один параметр в запросе — без миграции, оба варианта работают через стандартный OpenAI-совместимый API. Ставка Sakana в том, что будущее ИИ — не в одной модели-гиганте, а в оркестре моделей поменьше, которые вместе оказываются и дешевле, и живучее.
