Sakana Fugu 分拆成本與能力路線，多模型編排改以單一相容 API 提供

Sakana AI 於 9 月 11 日發布 Fugu Max 與 Fugu Ultra v2。它們並非兩組新開放權重，而是同一套學習式編排架構的兩種服務設定：使用者送出一次請求，Fugu 的指揮模型在內部選擇、委派及協調多個專門模型，再整合結果，對外仍呈現為單一模型端點。

Fugu Max 以成本—能力帕累托前緣為目標，擴充可調度的開放權重與專門模型池，包含 NVIDIA Nemotron。定價為每百萬輸入／輸出 token 2／6 美元，快取輸入為 0.25 美元；官方宣稱它在十項測試中的七項改善既有成本—成績前緣，並於 Terminal Bench 2.1、GPQAD、AutomationBench 等六項取得最高綜合分數。Ultra v2 則增加編排深度，面向長推理、軟體工程及結構化視覺任務，定價為5／30美元；超過272K上下文後升至10／45美元。

較值得注意的是，Ultra v2 在 Chartography 得到48.3分，官方對照的 Opus 5與Fable 5分別為27.3與29.5；八項基準中有五項最佳或並列最佳。Sakana 同時說明其訓練截止日為8月28日，模型池不含Fable 5、Fable 5.1或GPT-6 Astra，因此不是直接以最新閉源模型充當子代理。

這項發布把「換更大的基礎模型」之外的另一條擴展路徑產品化：工程團隊可以維持同一 API，按工作負載在成本優先與能力優先間切換，也較容易替換底層供應商。但測試大多由 Sakana 自行執行，SWEFish 更是內部基準；跨模型協作亦天然增加延遲、失敗節點及結果不可重現性。採用者下一步應以完整任務成本、尾延遲、工具副作用與重試率評估，而不能只比較公開的每 token 單價。