Sakana发布Fugu Max与Ultra v2，押注编排降低智能体成本
Sakana AI推出Fugu Max和Fugu Ultra v2，通过动态调度多种模型，同时冲击更低成本与更高阶智能体性能。
两个版本，瞄准两条路线
日本人工智能公司Sakana AI发布Fugu Max和Fugu Ultra v2，分别面向成本效率与极限性能。Fugu Max会根据任务难度，把请求分配给能够完成工作的最低成本模型；Fugu Ultra v2则针对复杂、多步骤任务，追求更高的最终质量。
这套系统并不是单一模型，而是把开放权重模型和专用模型组织成可替换的模型池。Sakana表示，当前模型池已纳入英伟达Nemotron系列，用户也可以随着模型、价格和服务可用性的变化更换底层组件。两款产品均通过兼容OpenAI接口的API提供，现有Fugu用户只需修改一个参数即可切换。
Sakana称，Fugu Max在Terminal Bench 2.1、GPQAD、AutomationBench和SWEFish等六项基准中取得综合最佳成绩，输入价格为每百万Token 2美元，输出价格为每百万Token 6美元。公司宣称，它在接近顶级模型表现的同时，成本低约两至六倍。Fugu Ultra v2则定位更高端：Sakana公布其在Chartography上的得分为48.3，在DeepSWE上为74.3，并称超过了发布稿中列出的对比模型。
这些结果目前仍主要来自厂商自己的测试，且评测模型池没有纳入GPT-6 Astra和Claude Fable 5.1，因此跨产品比较仍有限。真实部署中，调度延迟、工具调用稳定性和失败重试同样会影响最终成本。
为什么重要
这次发布值得关注的地方，在于它把“多模型编排”从概念推进到可购买的基础设施。如果Sakana的结果能在独立测试中复现，企业或许可以减少对单一前沿模型供应商的依赖，同时保留较强的智能体能力。但生产环境的关键难题仍未解决：模型之间的路由和协作一旦出错，纸面上的成本优势可能很快消失。