Sakana AI 推出 Fugu：把多智能体系统包装成单一模型 API

Anthropic 的 Fable 和 Mythos 被列入出口管制后，不少依赖单一模型的团队被彻底打了个措手不及。这直接暴露了一个现实风险：只要政策一变，核心业务依赖的 API 可能一夜之间直接断供。

日本 AI 初创公司 Sakana AI 拿出的解法很直接。他们推出了多智能体编排系统 Fugu 和 Fugu Ultra，试图让用户彻底告别单一供应商依赖。

把一整个专家团装进单个接口

从外面看，Fugu 只是一个兼容 OpenAI 标准的单个 API。你发一个请求过去，它像普通基座模型一样给你返回答案。

但在系统内部，Fugu 本身是一个经过专门训练的协调模型。它负责判断任务难度，决定是自己回答，还是把任务拆解、分派给底层模型池里的不同专家，最后再把各方结果验证并汇总。

首发包含两个版本。基础版 Fugu 主打低延迟和常规任务，适合日常写代码和聊天，也支持团队按合规要求剔除特定模型。Fugu Ultra 则针对复杂的多步推理，用来啃科学研究、论文复现和网络安全这类硬骨头。

官方还给出了一个更新，后续推出了针对帕累托前沿性价比优化的 Fugu Max。

跑分比肩顶级模型，但实测评价褒贬不一

官方公布的测试成绩非常亮眼。在多项工程、科学与推理基准上，Fugu Ultra 宣称紧咬甚至对标 Fable 5 和 Mythos Preview，在特定任务上超越了 Gemini 3.1 Pro、Opus 4.8 和 GPT 5.5。

近 500 名测试者的反馈也各有亮点。有工程师提到在代码审查中，别的工具只能挑出 3 个问题，Fugu Ultra 抓出了 20 多个。网络安全测试中，它能端到端自动完成踩点、漏洞扫描和合规报告。

不过，外界的质疑声同样不小。The Verge 毫不客气地指出，Fugu 所谓的前沿能力，本质上还是在调用其他前沿模型，而且系统完全不告诉用户这道题到底派给了谁。

据外媒报道，部分早期用户体验后表示，实际操作时的表现并没有跑分榜那么惊艳，大家对模型调配的黑盒机制和计费成本依然存疑。

为什么重要

我们认为，Sakana AI 这一步走得相当狡黠。在模型出口管制阴影笼罩的当下，它敏锐地把多智能体路由包装成了应对地缘断供的避风港。

对开发者和安全团队来说，如果手头有超长链条的研报梳理、渗透测试或论文复现，Fugu Ultra 的端到端编排确实省去了自己搭建 Agent 框架的工程成本，值得在按量付费下跑几个重度任务测试一下。

但普通场景目前完全不需要急着上车。最大的隐患在于缺乏透明度，用户既不知道背后到底走了哪家模型，也很难预测每一次复杂拆解到底烧了多少 Token。

看起来，这种系统级协调正在成为小团队叫板大厂的新路径。但如果底层依然极度依赖外部主流模型，所谓的免受断供影响，在商业逻辑上恐怕还要打一个问号。