Sakana AI выпустила две новые модели семейства Sakana Fugu — Fugu Max и Fugu Ultra v2. Это не отдельные фундаментальные модели, а обученные оркестраторы: они принимают запрос и на лету строят для него агентный каркас, распределяя работу между пулом других моделей за одним API. Новый релиз настраивает одну и ту же архитектуру под две разные задачи: Fugu Max оптимизирована под лучший результат за доллар, Fugu Ultra v2 — под максимальные возможности на сложных многошаговых задачах.
Обе модели уже сегодня доступны как хостинговый сервис через OpenAI-совместимый API Sakana. Открытых весов для самостоятельного развёртывания нет, а в ЕС и ЕЭЗ компания сервис не предоставляет. Для существующих пользователей переход — это переключение одной строкой.
Две оси: качество и стоимость
Аргумент Sakana прост: реальные рабочие нагрузки оценивают по возможностям и цене одновременно. Отправлять простой поиск данных в модель с триллионами параметров — тратить деньги впустую. Лучшая система выбирает самую дешёвую машину, которая всё ещё способна решить задачу. Команда описывает это через границу Парето: на ней рост качества стоит дороже, а снижение цены теряет качество. Fugu Max и Fugu Ultra v2 делят одну ядровую архитектуру оркестрации, различается только цель оптимизации.
Релиз идёт быстрым темпом: Fugu вышла в бета-версии в апреле, достигла общего доступа в июне, а в июле получила Fugu-Cyber и интерфейс Claude Code.
Как устроена оркестрация Fugu
Технический отчёт Sakana Fugu описывает модели Fugu как полноценные языковые модели: они читают запрос и строят агентный каркас для него на лету. Обучение сочетает крупномасштабный файнтюнинг, эволюционные алгоритмы и обучение с подкреплением. Система опирается на две статьи ICLR 2026: TRINITY использует лёгкий эволюционировавший координатор, назначающий роли Thinker, Worker или Verifier по ходу диалога, а The Conductor обучается с подкреплением, чтобы находить стратегии координации на естественном языке и сфокусированные промпты.
Fugu Max: больше моделей, меньше расходов
Fugu Max расширяет пул моделей, которыми может оркестрировать Fugu: добавляется большой набор открытых и специализированных моделей, включая семейство NVIDIA Nemotron — через сотрудничество Sakana с NVIDIA. Каждую задачу Fugu Max направляет самой экономной модели, способной её решить.
Заявленные показатели:
- Цена: $2 за 1M входных токенов и $6 за 1M выходных.
- Цена вывода на 40–60% ниже, чем у Sonnet 5, GPT 5.6 Terra и Kimi K3.
- Лучший общий результат на 6 бенчмарках: Terminal Bench 2.1, GPQA Diamond, AA-LCR, GDP.pdf, AutomationBench и SWEFish.
- Расширяет границу Парето «цена — качество» на 7 из 10 бенчмарков.
Sakana ставит Fugu Max вплотную к элитным моделям при цене в 2–6 раз ниже. SWEFish — внутренний бенчмарк Sakana, собранный из её собственных задач по программированию; к этому результату стоит относиться как к сигналу от вендора.
Fugu Ultra v2: поднять потолок
Fugu Ultra v2 нацелена на сложные рассуждения, автономные исследования и полностековую разработку. Наибольший прирост — на длительном рассуждении по визуальным и структурированным данным:
- Chartography (визуальное рассуждение и интерпретация данных): 48,3 против 27,3 у Opus 5 и 29,5 у Fable 5.
- DeepSWE (реальная разработка ПО): 74,3 — впереди моделей, которые стоят в 3–5 раз дороже за токен.
- Широта: лучший или разделённый лучший результат на 5 из 8 бенчмарков — GDP.pdf, Chartography, SWEFish, DeepSWE и Toolathon.
- Стабильность: место в топ-2 на 7 из 8 бенчмарков.
Fable 5, Fable 5.1 и GPT-6-Astra не входят в агентный пул Fugu Ultra v2. Дата отсечения обучения модели — 28 августа 2026 года. Главный посыл Sakana: результат уровня фронтира без зависимости от какой-либо одной проприетарной модели. По словам исследовательской команды, это снижает риски привязки к вендору, отзыва API и внезапного отключения сервиса.
Что это значит для практики
Для разработчика, который сегодня платит за элитную модель на каждой задаче, смысл релиза в возможности развести нагрузки: простые запросы отдавать дешёвой оркестрации, а тяжёлые многошаговые — модели с высоким потолком. Ограничения тоже важны: сервис хостинговый, весов для самостоятельного размещения нет, а в ЕС и ЕЭЗ он недоступен. Тем, кому нужен локальный контур или соответствие требованиям по хранению данных, придётся искать альтернативы.
Смежные материалы по теме: Sakana AI выпустила Fugu-Cyber — специализированную модель для задач кибербезопасности, а также DeepSeek-V4.1-Flash с контекстом 1M токенов. Обе темы развивают одну линию — снижение стоимости инференса при сохранении качества.
Частые вопросы
Кого касается этот релиз?
Разработчиков и команды, которые платят за инференс по токенам и хотят снизить расходы. Особенно тех, кто уже строит мультиагентные пайплайны или подключает несколько моделей через один API.
Можно ли развернуть Fugu Max локально?
Нет. Обе модели доступны только как хостинговый сервис через OpenAI-совместимый API Sakana. Открытых весов для самостоятельного размещения компания не публикует.
Доступны ли модели в России и ЕС?
Sakana прямо указывает, что не предоставляет сервис в ЕС и ЕЭЗ. Про другие регионы в исходном сообщении ничего не сказано — уточняйте условия у вендора.
Сколько стоит Fugu Max?
$2 за 1M входных токенов и $6 за 1M выходных. По заявлению Sakana, цена вывода на 40–60% ниже, чем у Sonnet 5, GPT 5.6 Terra и Kimi K3.
Что такое Chartography и DeepSWE?
Это бенчмарки, на которых Sakana отчитывается по Fugu Ultra v2. Chartography измеряет визуальное рассуждение и интерпретацию данных (48,3), DeepSWE — реальную разработку ПО (74,3).
Насколько можно доверять заявленным результатам?
Часть бенчмарков, включая SWEFish, — внутренние разработки Sakana. Такие результаты стоит воспринимать как сигнал от вендора, а не как независимую проверку.
Нужно ли менять код при переходе?
Для существующих пользователей Sakana описывает переход как переключение одной строкой — API совместим с OpenAI.
Какие риски снимает оркестрация нескольких вендоров?
По словам исследовательской команды Sakana, независимость от одной проприетарной модели снижает риски привязки к вендору, отзыва API и внезапного отключения сервиса.
Источник: marktechpost.com