Sakana Fugu Max 与 Fugu Ultra v2 发布：用编排把 AI 推理成本打到 elite 模型的五分之一

AI小蝌蚪AI 前沿2026-09-171050 阅读💛 284 收藏

一句话结论

AI 行业十年都在一条轴上赛跑：造更大更贵的基础模型。但真实任务的前沿是二维的——一轴能力、一轴成本。给一次简单数据查询派上万亿参数模型不是智能，是浪费。Sakana AI 本次同时发布两个 AI 编排引擎版本：Fugu Max 把成本轴推到新低（输出价比 Sonnet 5、GPT 5.6 Terra、Kimi K3 低 40-60%），Fugu Ultra v2 把能力轴推到新高（八基准五个最佳），核心方法论相同——编排一组可替换的开放模型，比单打独斗的任何模型都强。

帕累托前沿示意：Fugu Max 与 Fugu Ultra 如何扩展单模型成本-性能边界

两个版本，一套架构

Fugu Max 和 Fugu Ultra v2 不是两个产品，是同一套编排架构面向两种任务的优化：

Fugu Max 回答的问题是：在尽可能低的成本下，能交付的最好输出是什么？适合大批量、对成本敏感的 AI 推理工作负载。
Fugu Ultra v2 回答的问题是：在复杂多步任务上，能达到的绝对最高能力是什么？适合自动研究、全栈软件开发这类质量优先场景。

从 4 月 Beta 起这个引擎五个月走了五步：Beta 验证多智能体编排可以作为统一基础模型运作；6 月 GA 版证明编排层能在高难度基准上对标闭源旗舰；7 月加入网络安全与 Claude Code 接口的领域特化；8 月接入 NVIDIA Nemotron 开放模型并支撑日常消费级用量；9 月就是本次的双版本发布。每一步都在验证同一件事：编排稳定优于孤立模型，且可替换的智能体池天然保证供应链韧性。

Fugu Max：更多模型、更少花费

Fugu Max 扩大了可编排的 AI 模型池，接入迄今最大规模的开放权重与专用模型组合（含 NVIDIA Nemotron 系列）。做法是动态路由：把每个任务分发给能解决它的最精简模型，用零散小模型协作换来旗舰级结果。

Fugu Max 可编排的 AI 模型池

三个硬数字：

性能上，Fugu Max 在六个基准拿到综合最佳，包括 Terminal Bench 2.1、GPQAD、AA-LCR、GDP.pdf、AutomationBench 和 SWEFish。
成本上，定价每百万输入 token 2 美元、输出 token 6 美元，输出单价比 Sonnet 5、GPT 5.6 Terra、Kimi K3 低 40-60%。
效率上，Fugu Max 在十个基准中的七个上扩展了成本-性能帕累托前沿，输出性能超出既有的单模型效率包络线。

同类价位 AI 模型基准对比：Fugu Max 的帕累托位置

关键点在于：Fugu 是架构不是单一模型，所以这个前沿点位可以按领域调优和扩展。选型视角看，如果 AI 应用的大头是日常推理与批量任务，Fugu Max 的打法是「性能接近精英模型、成本只有五分之一到二分之一」。

Fugu Ultra v2：能力上限继续抬升

压成本不等于封顶能力。Fugu Ultra v2 在需要持续推理复杂视觉与结构化数据的任务上拉开差距：

SWEFish（Sakana 内部真实编码挑战基准）登顶，验证实际编码任务的表现。
Chartography（视觉推理与数据解读）得分 48.3，超过 Opus 5 的 27.3 和 Fable 5 的 29.5。
DeepSWE（真实软件工程基准）得分 74.3，胜过单 token 成本高 3-5 倍的模型。

Fugu Ultra v2 八基准成绩与旗舰模型对照

总结口径：八个基准中五个最佳或并列最佳，七个进前二。值得注意的是，这些成绩是在智能体池中没有 Fable 5、Fable 5.1、GPT-6-Astra 的情况下取得的——编排一组可替换的开放与专用模型，就能在闭源生态之上输出，同时把用户从供应商锁定、API 吊销、地缘动荡和突然断服的风险里摘出来。