你還在糾結要用 GPT、Claude 還是 Gemini 嗎？
2026 年 6 月 22 日，日本 AI 獨角獸 Sakana AI 丟出一顆震撼彈。他們沒有推出另一個「更大更強」的單體模型，而是發布了一款完全不同的東西——Sakana Fugu，一個專門負責「指揮其他模型」的編排大師。
這個策略直接挑戰了整個產業的遊戲規則。當所有人都在瘋狂堆參數、搶 GPU 的時候，Sakana AI 選擇了一條截然不同的路：不靠單一模型稱霸，而是讓多個頂尖 AI 協同作戰。
Fugu 到底是什麼？它不是模型，是「指揮家」
簡單來說，Sakana Fugu 本身是一個語言模型，但它不直接回答你的問題。它的工作是決定讓誰來回答。
當你發送一個請求，Fugu 會自動分析任務性質，然後從它的 Agent 池中挑選最適合的模型組合。複雜的程式碼問題？呼叫擅長軟體工程的專家。高難度數學推論？換上數學強項的模型。需要多步驟驗證？它會自動組建一個包含思考者、執行者、驗證者的小隊。
整個過程對你完全透明。你只需呼叫一個 OpenAI 兼容的 API 端點，背後的模型切換、任務拆分、結果交叉驗證，全部由 Fugu 自動完成。
Sakana AI 把這個定位為「集體智能」的實現。他們認為，AI 的下一個前沿不是單一模型的無限擴張，而是如何識別、組合並放大多個模型的互補優勢。
兩個版本，兩種戰場
Fugu 目前提供兩個版本，針對不同場景設計：
Fugu（標準版）：平衡性能與延遲，適合日常編碼、程式碼審查、聊天機器人等互動場景。你可以把特定 Agent 移出池子以符合數據隱私或合規要求。
Fugu Ultra（旗艦版）：調動更深層的專家 Agent 池，專為高難度、高風險問題設計。早期用戶已將它用於 Kaggle 競賽、論文復現、資安分析和專利調查。
兩個版本共用同一個 API 端點，你可以根據工作負載自由切換，無需修改整合代碼。
硬核數據：它真的比 Opus 4.8 強？
根據 Sakana AI 官方公布的基準測試數據，Fugu Ultra 在多項權威測試中表現亮眼：
| 基準測試 | 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 是衡量軟體工程能力的黃金標準，Fugu Ultra 的 73.7 分超過了 Opus 4.8 的 69.2。GPQA-Diamond（研究生級科學問答）達到 95.5，是目前公開可用模型中的最高分。
Sakana AI 宣稱 Fugu Ultra 在工程、科學和推理基準上與 Anthropic 的 Fable 5、Mythos Preview 站在同一水平線。值得注意的是，Fable 5 和 Mythos Preview 並不在 Fugu 的 Agent 池中，因為它們不是公開可存取的模型。
背後的技術：進化算法 + 強化學習
Fugu 的核心技術來自兩篇 ICLR 2026 論文：TRINITY 和 Conductor。
TRINITY 提出了一個輕量級的「進化協調器」。它使用僅約 1 萬參數的輕量頭部，為選中的 LLM 動態分配 Thinker（思考者）、Worker（執行者）、Verifier（驗證者）三種角色。協調器本身透過進化算法優化，不依賴人工設定的規則。
Conductor 則透過強化學習訓練出一個「指揮家」，讓它自己發現最優的 Agent 通信模式和協作策略。研究發現，RL 訓練出來的協調策略往往是「非直覺但高效」的，人類設計師不太會想到那種分工方式。
這意味著 Fugu 的調度邏輯不是寫死的 pipeline，而是學出來的。它會動態地從模型池中組裝團隊，並透過非顯而易見但高效的協作模式來協調它們。
更特別的是，Fugu 能夠遞迴呼叫自己。如果第一次的答案不夠好，它會重新評估協調策略並再次啟動工作流。這被定位為一種新型的測試時縮放（Test-time Scaling），無需重新訓練就能在推理時調整計算量。
實戰案例：從古籍到股票交易
Sakana AI 展示了六個具體案例，展現 Fugu 在真實場景中的能力：
AutoResearch：Fugu Ultra 自主運行了 123 次實驗，在單張 H100 GPU 上耗時約 14 小時，最終取得最優的 BPB 得分（0.9774），超過所有 frontier 競爭者。
日文古籍識別：處理日本歷史文獻的閱讀順序恢復時，Fugu 達到 NED 0.80，而競品模型只有 0.24 或直接失敗。
魔方求解器：Fugu 生成的純 Python 程式碼成功解出全部 300 個測試魔方，解法步數從未輸給對手（7 勝 293 平 0 負）。
CAD 機械設計：設計了一個可運作的虹膜機構，其他模型產出的設計則存在間隙或不完整。
盲棋對弈：連續四局對弈中保持完美準確率。
股票交易：50 週回測中實現 +19.43% 的平均回報，其他 frontier 模型均低於 15%。
價格與商業模式
Fugu 提供訂閱制和按量計費兩種方式：
訂閱制（同時包含 Fugu 和 Fugu Ultra）：
- Standard：$20/月
- Pro：$100/月（10 倍 Standard 額度）
- Max：$200/月（20 倍 Standard 額度）
2026 年 7 月前訂閱可免費獲得第二個月。
按量計費（Fugu Ultra）：
- 輸入：10）
- 輸出：45）
- 緩存輸入：$0.50/1M tokens
這個定價與 Opus 4.8 接近，比 Fable 5 便宜不少。
最大賣點：規避單一供應商風險
Fugu 這次主打的敘事不只是性能，還有AI 主權。
底層模型池可以隨時替換。如果某家供應商因出口管制斷供、漲價或限流，Fugu 會動態切換到其他模型，業務不會中斷。Sakana AI 直接把這上升到「新時代 AI 主權解決方案」的高度。
對於把 AI 用在關鍵基礎設施、金融、政務上的組織，這個賣點極具吸引力。你不再需要擔心 Anthropic 突然限制境外訪問，或某個 API 被無預警關閉。
爭議與現實
當然，Fugu 並非沒有質疑聲音。
有技術開發者指出，Fugu 本身是閉源的調度器，底層還依賴閉源大模型。你以前至少知道自己在用哪個模型，現在連「用了哪個模型、用了多少 token、成本多少」都不知道，完全黑盒。有人直言：「這不就是個 AI 服務包裝器嗎？」
另有實測顯示，雖然 Fugu Ultra 在複雜任務上表現優異，但在某些簡單任務上的性價比可能不如直接使用單一模型。例如有團隊實測發現，Fugu 的價格比 GLM 5.2 貴了約 17 倍，雖然輸出品質更高。
此外，Fugu 的能力上限理論上取決於它 Agent 池中最強的模型。如果沒有頂尖模型可用，編排再精妙也難以突破天花板。
結語：2026 是編排模型元年？
Sakana Fugu 的出現，標誌著 AI 競賽正式進入第二階段。
過去三年，全球 AI 軍備競賽的關鍵詞是參數、算力、單模型跑分。現在，Fugu 證明了另一條路線的可行性：不追求單一模型無敵，而是靠調度整合全球各類 AI，揚長避短。
這條路線的優勢顯而易見：靈活可控、風險更低、無懼廠商限流或管制。對於開發者和企業來說，這意味著你不再需要押注單一廠商，而是可以透過一個統一介面，獲得集體智能的加成。
無論 Fugu 最終能否顛覆現有格局，它至少證明了一件事：AI 的未來，不只屬於最大的模型，也屬於最聰明的編排者。
如果你對多智能體系統或 AI 編排技術感興趣，歡迎在下方留言討論。你覺得「指揮家模型」會成為下一個主流趨勢嗎？
留言