Sakana AI 推出 Fugu：把多智慧體系統包裝成單一模型 API

Anthropic 的 Fable 和 Mythos 被列入出口管制後，不少依賴單一模型的團隊被徹底打了個措手不及。這直接暴露了一個現實風險：只要政策一變，核心業務依賴的 API 可能一夜之間直接斷供。

日本 AI 初創公司 Sakana AI 拿出的解法很直接。他們推出了多智慧體編排系統 Fugu 和 Fugu Ultra，試圖讓使用者徹底告別單一供應商依賴。

把一整個專家團裝進單個介面

從外面看，Fugu 只是一個相容 OpenAI 標準的單個 API。你發一個請求過去，它像普通基座模型一樣給你返回答案。

但在系統內部，Fugu 本身是一個經過專門訓練的協調模型。它負責判斷任務難度，決定是自己回答，還是把任務拆解、分派給底層模型池裡的不同專家，最後再把各方結果驗證並彙總。

首發包含兩個版本。基礎版 Fugu 主打低延遲和常規任務，適合日常寫程式碼和聊天，也支援團隊按合規要求剔除特定模型。Fugu Ultra 則針對複雜的多步推理，用來啃科學研究、論文復現和網路安全這類硬骨頭。

官方還給出了一個更新，後續推出了針對帕累托前沿價效比最佳化的 Fugu Max。

跑分比肩頂級模型，但實測評價褒貶不一

官方公佈的測試成績非常亮眼。在多項工程、科學與推理基準上，Fugu Ultra 宣稱緊咬甚至對標 Fable 5 和 Mythos Preview，在特定任務上超越了 Gemini 3.1 Pro、Opus 4.8 和 GPT 5.5。

近 500 名測試者的反饋也各有亮點。有工程師提到在程式碼審查中，別的工具只能挑出 3 個問題，Fugu Ultra 抓出了 20 多個。網路安全測試中，它能端到端自動完成踩點、漏洞掃描和合規報告。

不過，外界的質疑聲同樣不小。The Verge 毫不客氣地指出，Fugu 所謂的前沿能力，本質上還是在呼叫其他前沿模型，而且系統完全不告訴使用者這道題到底派給了誰。

據外媒報道，部分早期使用者體驗後表示，實際操作時的表現並沒有跑分榜那麼驚豔，大家對模型調配的黑盒機制和計費成本依然存疑。

為什麼重要

我們認為，Sakana AI 這一步走得相當狡黠。在模型出口管制陰影籠罩的當下，它敏銳地把多智慧體路由包裝成了應對地緣斷供的避風港。

對開發者和安全團隊來說，如果手頭有超長鏈條的研報梳理、滲透測試或論文復現，Fugu Ultra 的端到端編排確實省去了自己搭建 Agent 框架的工程成本，值得在按量付費下跑幾個重度任務測試一下。

但普通場景目前完全不需要急著上車。最大的隱患在於缺乏透明度，使用者既不知道背後到底走了哪家模型，也很難預測每一次複雜拆解到底燒了多少 Token。

看起來，這種系統級協調正在成為小團隊叫板大廠的新路徑。但如果底層依然極度依賴外部主流模型，所謂的免受斷供影響，在商業邏輯上恐怕還要打一個問號。