你还在纠结要用 GPT、Claude 还是 Gemini 吗？
2026 年 6 月 22 日，日本 AI 独角兽 Sakana AI 丢出一颗震撼弹。他们没有推出另一个「更大更强」的单体模型，而是发布了一款完全不同的东西——Sakana Fugu，一个专门负责「指挥其他模型」的编排大师。
这个策略直接挑战了整个产业的游戏规则。当所有人都在疯狂堆参数、抢 GPU 的时候，Sakana AI 选择了一条截然不同的路：不靠单一模型称霸，而是让多个顶尖 AI 协同作战。
Fugu 到底是什么？它不是模型，是「指挥家」
简单来说，Sakana Fugu 本身是一个语言模型，但它不直接回答你的问题。它的工作是决定让谁来回答。
当你发送一个请求，Fugu 会自动分析任务性质，然后从它的 Agent 池中挑选最适合的模型组合。复杂的程式码问题？呼叫擅长软体工程的专家。高难度数学推论？换上数学强项的模型。需要多步骤验证？它会自动组建一个包含思考者、执行者、验证者的小队。
整个过程对你完全透明。你只需呼叫一个 OpenAI 兼容的 API 端点，背后的模型切换、任务拆分、结果交叉验证，全部由 Fugu 自动完成。
Sakana AI 把这个定位为「集体智能」的实现。他们认为，AI 的下一个前沿不是单一模型的无限扩张，而是如何识别、组合并放大多个模型的互补优势。
两个版本，两种战场
Fugu 目前提供两个版本，針对不同场景设计：
Fugu（标准版）：平衡性能与延迟，适合日常编码、程式码审查、聊天机器人等互动场景。你可以把特定 Agent 移出池子以符合数据隐私或合规要求。
Fugu Ultra（旗舰版）：调动更深层的专家 Agent 池，专为高难度、高风险问题设计。早期用户已将它用于 Kaggle 竞赛、论文复现、资安分析和专利调查。
两个版本共用同一个 API 端点，你可以根据工作负載自由切换，无需修改整合代码。
硬核数据：它真的比 Opus 4.8 强？
根据 Sakana AI 官方公布的基准测试数据，Fugu Ultra 在多项权威测试中表现亮眼：
| 基准测试 | Fugu Ultra | Opus 4.8 | Gemini 3.1 Pro | GPT 5.5 |
|---|---|---|---|---|
| SWE-Bench Pro | 73.7 | 69.2 | 54.2 | 58.6 |
| LiveCodeBench | 93.2 | 87.8 | 88.5 | 85.3 |
| GPQA-Diamond | 95.5 | 92.0 | 94.3 | 93.6 |
| Humanity’s Last Exam | 50.0 | 49.8 | 44.4 | 41.4 |
| TerminalBench 2.1 | 82.1 | 74.6 | 70.3 | 78.2 |
SWE-Bench Pro 是衡量软体工程能力的黄金标准，Fugu Ultra 的 73.7 分超过了 Opus 4.8 的 69.2。GPQA-Diamond（研究生级科学问答）达到 95.5，是目前公开可用模型中的最高分。
Sakana AI 宣称 Fugu Ultra 在工程、科学和推理基准上与 Anthropic 的 Fable 5、Mythos Preview 站在同一水平线。值得注意的是，Fable 5 和 Mythos Preview 并不在 Fugu 的 Agent 池中，因为它们不是公开可存取的模型。
背后的技术：进化算法 + 强化学习
Fugu 的核心技术来自两篇 ICLR 2026 论文：TRINITY 和 Conductor。
TRINITY 提出了一个輕量级的「进化协调器」。它使用仅约 1 万参数的輕量头部，为选中的 LLM 动态分配 Thinker（思考者）、Worker（执行者）、Verifier（验证者）三种角色。协调器本身透过进化算法优化，不依赖人工设定的规则。
Conductor 则透过强化学习训练出一个「指挥家」，让它自己发现最优的 Agent 通信模式和协作策略。研究发现，RL 训练出来的协调策略往往是「非直觉但高效」的，人类设计师不太会想到那种分工方式。
这意味著 Fugu 的调度逻辑不是写死的 pipeline，而是学出来的。它会动态地从模型池中组装团队，并透过非显而易见但高效的协作模式来协调它们。
更特别的是，Fugu 能够递回呼叫自己。如果第一次的答案不够好，它会重新评估协调策略并再次启动工作流。这被定位为一种新型的测试时缩放（Test-time Scaling），无需重新训练就能在推理时调整计算量。
实战案例：从古籍到股票交易
Sakana AI 展示了六个具体案例，展现 Fugu 在真实场景中的能力：
AutoResearch：Fugu Ultra 自主运行了 123 次实验，在单张 H100 GPU 上耗时约 14 小时，最终取得最优的 BPB 得分（0.9774），超过所有 frontier 竞争者。
日文古籍识别：处理日本历史文献的阅读顺序恢复时，Fugu 达到 NED 0.80，而竞品模型只有 0.24 或直接失败。
魔方求解器：Fugu 生成的纯 Python 程式码成功解出全部 300 个测试魔方，解法步数从未输给对手（7 胜 293 平 0 负）。
CAD 机械设计：设计了一个可运作的虹膜机构，其他模型产出的设计则存在间隙或不完整。
盲棋对弈：连续四局对弈中保持完美准确率。
股票交易：50 周回测中实现 +19.43% 的平均回报，其他 frontier 模型均低于 15%。
价格与商业模式
Fugu 提供订阅制和按量计费两种方式：
订阅制（同时包含 Fugu 和 Fugu Ultra）：
- Standard：$20/月
- Pro：$100/月（10 倍 Standard 额度）
- Max：$200/月（20 倍 Standard 额度）
2026 年 7 月前订阅可免费获得第二个月。
按量计费（Fugu Ultra）：
- 输入：10）
- 输出：45）
- 缓存输入：$0.50/1M tokens
这个定价与 Opus 4.8 接近，比 Fable 5 便宜不少。
最大卖点：规避单一供应商风险
Fugu 这次主打的叙事不只是性能，还有AI 主权。
底层模型池可以随时替换。如果某家供应商因出口管制断供、涨价或限流，Fugu 会动态切换到其他模型，业务不会中断。Sakana AI 直接把这上升到「新时代 AI 主权解决方案」的高度。
对于把 AI 用在关键基础设施、金融、政务上的组织，这个卖点极具吸引力。你不再需要担心 Anthropic 突然限制境外访问，或某个 API 被无预警关闭。
争议与现实
当然，Fugu 并非没有质疑声音。
有技术开发者指出，Fugu 本身是闭源的调度器，底层还依赖闭源大模型。你以前至少知道自己在用哪个模型，现在连「用了哪个模型、用了多少 token、成本多少」都不知道，完全黑盒。有人直言：「这不就是个 AI 服务包装器吗？」
另有实测显示，虽然 Fugu Ultra 在复杂任务上表现优异，但在某些简单任务上的性价比可能不如直接使用单一模型。例如有团队实测发现，Fugu 的价格比 GLM 5.2 贵了约 17 倍，虽然输出品质更高。
此外，Fugu 的能力上限理论上取决于它 Agent 池中最强的模型。如果没有顶尖模型可用，编排再精妙也难以突破天花板。
结语：2026 是编排模型元年？
Sakana Fugu 的出现，标志著 AI 竞赛正式进入第二阶段。
过去三年，全球 AI 军备竞赛的关键词是参数、算力、单模型跑分。现在，Fugu 证明了另一条路线的可行性：不追求单一模型无敌，而是靠调度整合全球各类 AI，扬长避短。
这条路线的优势显而易见：灵活可控、风险更低、无惧厂商限流或管制。对于开发者和企业来说，这意味著你不再需要押注单一厂商，而是可以透过一个统一介面，获得集体智能的加成。
无论 Fugu 最终能否颠覆现有格局，它至少证明了一件事：AI 的未来，不只属于最大的模型，也属于最聪明的编排者。
如果你对多智能体系统或 AI 编排技术感兴趣，欢迎在下方留言讨论。你觉得「指挥家模型」会成为下一个主流趋势吗？
留言