Sakana Fugu、コストと能力で路線を分岐——マルチモデル・オーケストレーションを単一の互換 API で提供

Sakana AI は9月11日、Fugu Max と Fugu Ultra v2 を発表した。これらは新たなオープンウェイトモデル2種ではなく、同じ学習型オーケストレーション・アーキテクチャを用いた2つのサービス構成だ。ユーザーが1回のリクエストを送信すると、Fugu の指揮モデルが内部で複数の専門モデルを選択し、タスクを委任・調整したうえで結果を統合する。外部からは引き続き、単一のモデルエンドポイントとして見える。

Fugu Max は、コストと能力のパレートフロンティアを最適化することを目標とし、NVIDIA Nemotron を含む、オーケストレーション可能なオープンウェイトモデルおよび専門モデルのプールを拡充した。料金は入力／出力100万 token あたり2／6ドルで、キャッシュ済み入力は0.25ドル。公式発表によると、10項目のテストのうち7項目で従来のコスト—スコア・フロンティアを改善し、Terminal Bench 2.1、GPQAD、AutomationBench など6項目で総合最高スコアを獲得した。一方、Ultra v2 はオーケストレーションの深度を高め、長時間の推論、ソフトウェアエンジニアリング、構造化された視覚タスクを対象とする。料金は5／30ドルで、コンテキストが272Kを超えると10／45ドルに上昇する。

特に注目されるのは、Ultra v2 が Chartography で48.3点を記録したことだ。公式比較対象の Opus 5 と Fable 5 は、それぞれ27.3点と29.5点だった。また、8つのベンチマークのうち5つで単独首位または同率首位となった。Sakana は同時に、学習データのカットオフが8月28日であり、モデルプールには Fable 5、Fable 5.1、GPT-6 Astra が含まれていないと説明している。つまり、最新のクローズドモデルをそのままサブエージェントとして利用したものではない。

今回の発表は、「より大きな基盤モデルへの切り替え」とは異なるスケーリング手法を製品化したものだ。エンジニアリングチームは同一の API を維持したまま、ワークロードに応じてコスト優先と能力優先を切り替えられ、基盤となるベンダーも比較的容易に変更できる。ただし、テストの大半は Sakana 自身が実施しており、SWEFish に至っては社内ベンチマークだ。また、モデル間の協調は本質的に、レイテンシー、障害点、結果の再現性の低下を増大させる。導入を検討する側は今後、公開されている token 単価だけを比較するのではなく、タスク全体のコスト、テールレイテンシー、ツール実行の副作用、リトライ率を基準に評価すべきだ。