Sakana AI 发布 Fugu Max 与 Ultra v2：编排开源模型，输出成本降 60%

让一个万亿参数的庞然大物去替你查一个简单的数据，在今天看来已经不是炫技，而是浪费。

Sakana AI 正式发布了 Fugu Max 和 Fugu Ultra v2。这不是两颗从头训起的大单体模型，而是一套多模型编排架构。它们把大量开源模型与专精模型塞进一个动态资源池里，根据任务难易度来回切换调度。

一个负责省钱，一个负责冲顶

这两套系统的底层架构完全一样，只是调优的目标刚好分成两个方向。

Fugu Max 主打性价比。它的定价直接压到了输入每百万 token 2 美元、输出每百万 token 6 美元。对比 Sonnet 5、GPT 5.6 Terra 和 Kimi K3，输出成本降了 40% 到 60%。在模型池里，它大量吃进了包括英伟达 Nemotron 在内的开源和垂类模型，在 Terminal Bench 2.1、GPQAD、AA-LCR、GDP.pdf、AutomationBench 以及 Sakana 自己的 SWEFish 这六项基准测试上拿到了头名。

另一边的 Fugu Ultra v2 则负责死磕极限能力。面对复杂的长链条推理、视觉数据分析和全栈开发，它在八个基准测试中的五个拿到了第一，包括 DeepSWE 上拿下 74.3 分，在图表视觉推理测试 Chartography 上拿到了 48.3 分，远超 Opus 5 的 27.3 和 Fable 5 的 29.5。

最值得注意的一点是，Sakana 明确表示 Fugu Ultra v2 的模型池里完全没有纳入 Fable 5、Fable 5.1 或 GPT-6-Astra。它只靠调度开源和专精模型，就压过了这些闭源旗舰。

对开发者来说接入门槛也很低，两款系统都兼容标准的 OpenAI API 格式。如果你之前已经在用 Fugu，改一行参数就能直接切换。

为什么重要

我们认为，Sakana AI 这一步走得相当清醒。行业过去几年都在赌「单体模型越大越好」，但真正在业务里跑过 AI 的人都知道，昂贵的前沿旗舰用在杂活上就是纯烧钱。Fugu 这套多模型编排方案，给企业和开发者指了一条很务实的路：用便宜的模型兜底，用专精的模型攻坚，把算力和 token 账单打下来。

它最直接的吸引力在于降低供应链风险。如果你的业务全绑在某一家头部闭源巨头的 API 上，一旦遇到接口政策调整、价格上涨或者地缘限制，系统就会瞬间瘫痪。而 Sakana 证明了用可随时替换的开源模型池，同样能跑出顶尖的工程代码和推理水准。

不过隐患也显而易见。多模型调度非常依赖路由策略的准确率。系统能不能每一次都精准挑中那颗最轻、最便宜且刚好能解题的模型，而不是在调度层来回折腾增加延迟，在长文本、高并发的真实生产场景里还需要进一步验证。但看起来，这种不造单体怪兽、转做智能调度的思路，正在逼着靠卖高价 API 维生的闭源大厂们重新算账。