Sakana AI 发布多智能体编排系统 Sakana Fugu，对外表现为单一模型

今天，Sakana AI 推出了 Sakana Fugu。这是一个多智能体编排系统，行为表现却如同单一模型。你只需向单一端点发送请求，Fugu 会在内部决定如何处理。当直接处理足以完成任务时，它会直接解决；当需要时，它也会组建并协调一支专家模型团队。多智能体系统的复杂性永远不会触及你的代码。

TL;DR

Fugu 在一个 OpenAI 兼容 API 背后交付了一套多智能体系统。
Fugu Ultra 在大多数已公布的编程与推理基准测试中领先。
该编排器的表现超越了它所协调的各个单独模型。
退出选项与提供商路由针对的是合规性和单一供应商风险。
路由机制为专有技术，因此每次查询的模型选择始终不对外公开。

什么是 Sakana Fugu

Fugu 本身就是一个语言模型。它经过训练，能够调用智能体池中的其他 LLM。该池中包含它自身的实例，以递归方式调用。Fugu 在内部管理模型选择、任务委派、验证与综合。

Fugu 不是采用硬编码的角色或工作流，而是学习如何协调。它自行决定何时委派任务，以及智能体之间应如何沟通。随后，它将这些智能体的工作整合为一个答案。从外部看，你调用的是单一模型。而在内部，一个由专家组成的协调系统在完成工作。

Sakana AI 将此定位为对单一供应商依赖的一种对冲。如果某家提供商限制访问，Fugu 会绕过这一中断进行路由。研究团队援引近期针对 Anthropic 的 Fable 和 Mythos 模型的出口管制作为动机。随着时间推移，更新的模型可以被纳入这一池中。

Fugu 与 Fugu Ultra：两个模型，一个 API

Fugu 以两种变体发布，二者都通过一个兼容 OpenAI 的 API 提供：

Fugu 在强劲性能与低延迟之间取得平衡。它是日常编程、代码审查和聊天机器人的默认选择。它也适用于 Codex 等工具。你可以将特定智能体排除在其池之外。这有助于团队满足数据、隐私和合规要求。
Fugu Ultra 针对困难的多步骤问题进行了调优，以实现最高的答案质量。它协调一个更深的专家智能体池。其池是固定的，因此无法选择排除。当前的模型 ID 是 fugu-ultra-20260615。

编排器背后的研究

Fugu 建立在两篇 ICLR 2026 论文之上：Trinity 以及关于学习式编排的 Conductor。

TRINITY 在多个轮次中使用一个轻量级的进化协调器。它分配 Thinker、Worker 或 Verifier 角色，以自适应地委派工作。Conductor 通过强化学习训练。它为多样化的 LLM 池发现自然语言协调策略和聚焦的提示词。

两者共同表明，系统可以学会按任务组装和路由智能体。这取代了手工设计的工作流。

交互式讲解

基准测试

Sakana AI 将 Fugu 与其所编排的基础模型进行对比。基线使用提供商报告的分数。SWE Bench Pro 使用 mini-swe-agent 作为脚手架。

基准测试	Fugu	Fugu Ultra	Opus 4.8	Gemini 3.1 Pro	GPT 5.5
SWE Bench Pro*	59.0	73.7	69.2	54.2	58.6
TerminalBench 2.1	80.2	82.1	74.6	70.3	78.2
LiveCodeBench	92.9	93.2	87.8	88.5	85.3
LiveCodeBench Pro	87.8	90.8	84.8	82.9	88.4
Humanity's Last Exam	47.2	50.0	49.8	44.4	41.4
CharXiv Reasoning	85.1	86.6	84.2	83.3	84.1
GPQA-D	95.5	95.5	92.0	94.3	93.6
SciCode	60.1	58.7	53.5	58.9	56.1
τ³ Banking	21.7	20.6	20.6	8.4	20.6
长上下文推理	74.7	73.3	67.7	72.7	74.3
MRCRv2	86.6	93.6	87.9	84.9	94.8

该编排器在 11 行中的 10 行上取得了最高分。Fugu Ultra 在四项编程基准、CharXiv Reasoning 和 Humanity's Last Exam 上均位居榜首。它在 GPQA-D 上与普通版 Fugu 打成平手。普通版 Fugu 在 SciCode、τ³ Banking 和 Long Context Reasoning 上领先。GPT 5.5 赢得了 MRCRv2，这是此处唯一的基线模型胜出。

其 Fugu 系列模型与 Anthropic 的 Fable 5 和 Mythos Preview 不相上下。这两款模型不在 Fugu 的候选池中，因为它们并未公开可用。

用例

Sakana AI 开展了面向近 500 名早期用户的 beta 测试。公布的示例偏向于长流程、多步骤任务。

AutoResearch：一个智能体自主改进了一个小型 GPT 的训练配方。它在一张 H100 GPU 上运行了约 14 小时，共进行了 123 次实验。Fugu Ultra 达到了最佳平均验证 BPB 0.9774，最佳单次运行为 0.9748。
魔方求解：每个模型都编写了一个纯 Python 求解器，不允许使用任何库。Fugu Ultra 解出了全部 300 个留出测试魔方，平均 19.72 步。一个基线模型以 19.76 步紧随其后。另外两个模型崩溃，一个都没解出。
古典日语假名读音顺序：在一封 1610 年的信件上，Fugu Ultra 取得了 NED 0.80 的分数。最接近的基线模型仅达到 0.24。
盲棋：Fugu 凭记忆下了四盘棋，全程不显示棋盘。它击败了三个前沿模型以及一个 2100 Elo 的 Stockfish 引擎。
在线交易：在一个 50 周的窗口内，Fugu Ultra 在五次运行中平均回报率为 +19.43%。其他前沿模型均低于 +15%。Sakana AI 指出，过往表现并不保证未来结果。

一个最小 API 示例

Fugu 使用与 OpenAI 兼容的 API，因此无需迁移 SDK。只需将现有客户端指向控制台提供的端点即可。

from openai import OpenAI

# Endpoint and key come from your Sakana console (console.sakana.ai).
client = OpenAI(
    base_url="https://<your-fugu-endpoint>/v1",  # from console.sakana.ai
    api_key="YOUR_SAKANA_API_KEY",
)

resp = client.chat.completions.create(
    model="fugu-ultra-20260615",           # or "fugu"
    messages=[
        {"role": "user",
         "content": "Reproduce the method in this paper and report the gap."},
    ],
)

print(resp.choices[0].message.content)

Token 用量和成本按请求报告。因此你可以实时监控支出。

社区反响

Sakana Fugu——社区早期情绪

对 X 和 Hacker News 上公众反应的人工审阅，附每个来源的链接。采集于 2026 年 6 月 22 日。

已审阅 12 条帖子

情绪分布（n = 12）

支持 3

怀疑 6

批评 3

支持

怀疑

早期反应偏向怀疑。“这到底只是个路由器还是套壳？”这个问题占据主导。最明确的支持声音来自 Sakana 相关人员。

媒体报道与分析

Hacker News 讨论帖 · 50 分 ↗

VentureBeat 报道 ↗

Clanker Cloud 分析 ↗

方法：情绪是根据 2026 年 6 月 22 日一小部分公开帖子手工判定的。这不是一项统计调查，随着更多反应出现，分布可能会发生变化。三条支持性帖子中有两条来自 Sakana AI 或其 CEO。引文经过缩短；请点击每个链接查看完整上下文。Reddit 引文按 VentureBeat 的报道呈现。

· Sakana Fugu 情绪追踪器

来源：X · Hacker News · VentureBeat