人工智能的新打法
东京——2026年6月22日，Sakana AI发布了多智能体编排服务Fugu，向科技行业提出了一个发人深省的问题：人工智能的下一次飞跃，是否需要打造更大的单体模型？还是说，只要知道该向谁求助，一个更小、更聪明的系统也能取得类似成果？Fugu得名于日语中的“河豚”，体现了这家东京初创公司对后一种方案的押注。该平台对外表现得像一个模型，内部则协调一组专门的前沿人工智能系统来解决复杂任务。
这一发布恰逢生成式人工智能在企业应用中处于关键转折点。多年来，行业进展主要以参数数量、训练算力以及打造更大基础模型的竞赛来衡量。OpenAI、Anthropic、Google等公司一直奉行这种规模扩展理念，并取得了显著成果，推出了能够通过律师资格考试、编写复杂代码并进行长链条推理的系统。然而，能力集中在少数美国供应商手中，也带来了新的脆弱性。出口管制、企业政策变化或地缘政治争端，都可能让最强大的模型一夜之间无法使用，使国际企业暴露于风险之中。
Sakana AI提出了一种以集体智能为基础的替代架构。该公司没有试图通过训练万亿参数的庞然大物来追赶前沿实验室，而是打造了一个规模紧凑的协调器，估计约有70亿个参数，负责统筹分工。用户通过兼容OpenAI标准的Fugu API提交请求后，系统会分析任务，选择直接作答，或召集一组专家模型处理特定子任务。随后，系统会核验各模型的输出，并综合成统一答复。对开发者而言，使用体验就像调用一个大型语言模型；而在底层，可能已有一整个智能体团队参与作答。
发布时机可谓恰到好处。6月早些时候，美国政府发布出口管制命令后，Anthropic突然撤销了公众对Claude Mythos 5和Claude Fable 5模型的访问权限。这一举措在开发者社区引发波动，尤其影响了那些已围绕这些系统构建工作流程的国际客户。Sakana AI明确表示，此类中断正是设计Fugu的动因之一，并将这项服务定位为降低对单一供应商依赖的对冲方案，也是迈向其所谓“人工智能主权”的一步。
Sakana AI由前Google Brain研究员David Ha与Llion Jones于2023年创立。Jones是2017年具有里程碑意义的论文《Attention Is All You Need》（《你只需要注意力机制》）的共同作者。该公司已吸引大量关注和资金。公开信息显示，日本大型银行和芯片制造商Nvidia参与了一轮融资，公司估值约为300亿日元，为这家初创公司提供了与规模大得多的对手竞争所需的资源。借助Fugu，Sakana AI希望证明，日本创新可以挑战前沿模型范式，不是靠照搬，而是靠重新构想如何组合现有能力。
编排引擎内部机制
要理解Fugu，就不能只看它简洁的API表面。收到提示词后，系统会将其交给一个中央模型。Sakana AI称之为“强化学习指挥器”。多数情况下，这个指挥器并不直接生成最终答案，而是像施工现场的工头一样，动态分析任务类型，并将工作拆分后分配给可互换模型池中最合适的智能体。模型池包括OpenAI、Anthropic和Google等供应商的第三方前沿模型，也包括Fugu自身的递归实例，用于嵌套推理。
这种机制的理论基础来自两篇在2026年国际学习表征会议上发表的研究论文：《Trinity: An Evolved LLM Coordinator》（《Trinity：进化式大语言模型协调器》）和《Learning to Orchestrate Agents in Natural Language with the Conductor》（《借助Conductor学习以自然语言编排智能体》）。Trinity提出了一种进化计算框架，中央协调器可即时创建和修改智能体结构，并根据任务需求为其分配Thinker（思考者）、Worker（执行者）或Verifier（验证者）等角色。思考者分析要求，执行者完成具体计算，验证者则检查输出的一致性和准确性。
Conductor进一步采用深度强化学习，训练协调器掌握以自然语言进行任务委派的技巧。经过大量训练，小型中央模型学会何时委派、何时直接回答，智能体之间应如何沟通，以及如何将不同输出整合成连贯的最终结果。由此形成的不是预先设定的工作流程，而是一个能通过经验摸索协调策略的自适应系统。这一区别很重要，因为它让Fugu能够处理设计者可能未曾明确预料的新型任务，而不必受限于僵化的操作流程。
从工程角度看，Fugu最引人注目的特点之一是递归能力。编排器可以把子任务重新交给自己处理，为需要深入分析的问题构建多层推理链。这意味着，拥有70亿参数的协调器无需具备前沿基础模型中数千亿参数所承载的百科全书式知识，也能管理复杂度不受限的工作流程。它以更强的组织智能弥补规模较小的不足，挑战了“大就是好”的主流假设。
基准测试与测试版体验
Sakana AI在发布Fugu时也公布了一系列大胆的性能数据。在广受认可的SWE-Bench Pro基准测试中，该测试评估人工智能系统在真实软件代码库中定位并修复漏洞的能力，据称Fugu Ultra得分为73.7。根据公司公布的评测结果，这一成绩高于Claude 4.8 Opus的69.2分和GPT-5.5的58.6分。其他公布的成绩包括：在GPQA-Diamond这项旨在避免简单网络搜索即可作答的研究生级问答测试中得分95.5；LiveCodeBench得分93.2；评估系统管理能力的TerminalBench 2.1得分82.1；以及在以难度极高著称的推理测试Humanity's Last Exam中得分50.0。
这些数据目前仍缺乏充分的独立核验。人工智能行业长期以来都有基准测试结果难以在生产环境中复现的情况。测试条件、提示词工程技巧以及允许尝试的次数，都可能影响得分。尽管如此，公司发布的报告涵盖了广泛领域，表明这种编排方案至少能够与单体前沿模型竞争，甚至在某些领域表现更优。
与基准测试相比，近500名测试版用户的反馈或许更能说明问题。这些用户在一段较长的预览期内使用Fugu，重点体验长时间、复杂的工作流程。在软件开发方面，参与者表示Fugu Ultra在代码审查中格外细致。一名参与测试的工程师告诉Sakana AI，基准模型通常只能在给定代码库中指出约三个问题，而Fugu能发现二十多个问题，并提供详细解释和修复步骤。
在代码审查方面，Fugu Ultra比GPT-5.5更好。它给出的答案很全面，也能找到其他模型漏掉的漏洞。我现在所有代码审查都会先交给它处理。
在编程以外，网络安全团队也部署Fugu Ultra来自动执行完整的渗透测试流程。人工操作员设定测试范围后，编排引擎会开展侦察，测试跨站脚本（XSS）和SQL注入漏洞，检查身份验证机制，并汇总出包含证据和精确复测步骤的最终报告。测试版用户证实，系统严格遵守操作范围，避免破坏性操作，同时保持全面细致。企业高管还称赞其角色稳定性，指出在其他模型常因上下文退化而表现不佳的长时间会话中，Fugu仍能保持一致的身份设定和专注度。
两种服务层级，一个API
Sakana AI通过两种不同的服务层级实现Fugu商业化，均可通过兼容OpenAI标准的同一个API端点访问。标准版Fugu针对交互式聊天机器人、实时编程辅助以及Codex等代码审查工具这类低延迟生产任务进行了优化。它兼顾性能与速度，适用于用户期待几乎即时响应的应用。对于受严格数据治理或隐私法规约束的机构，标准版允许手动将特定底层智能体从路由池中排除。这一功能使合规团队能够阻止敏感数据流向特定第三方供应商，同时不必彻底放弃编排框架。
Fugu Ultra属于高端服务层级，专为复杂且要求严苛的任务打造，力求提供最高质量的答案，适用于需要跨多个步骤深入推理的任务，包括学术论文复现、专利调查、高级数据科学工作流程和全面安全审计。Ultra协调的专家智能体池规模更大且固定，因此不提供排除特定智能体的功能。代价是延迟更高、令牌消耗更多，但Sakana AI认为，对关键任务应用而言，准确性提升足以抵消成本。目前该层级的模型标识符为fugu-ultra-20260615。
定价体现了两款产品的区别。Fugu Ultra每百万输入令牌收费5美元，每百万输出令牌收费30美元；上下文长度超过272,000个令牌时，费率翻倍。订阅计划月费从20美元到200美元不等。Sakana AI还为2026年7月底前订阅的用户提供其所选套餐的第二个月免费服务。系统会按请求报告令牌用量和相应费用，方便财务和工程团队实时监控支出。值得注意的是，在公司推进业务以符合《通用数据保护条例》（GDPR）要求期间，该服务目前尚未在欧盟或欧洲经济区（EEA）推出，这一缺口限制了平台发布初期的全球覆盖范围。
模型路由背后的地缘政治
Fugu的商业宣传不只涉及技术架构，还延伸至地缘政治风险管理。现代人工智能供应链高度集中，少数美国公司控制着对最强大基础模型的访问，而其决策日益受到政府监管。2026年6月，美国对Anthropic的Fable和Mythos模型实施出口管制后，这一事件向美国以外、围绕单一供应商构建关键工作流程的企业敲响了警钟：访问权限一夜之间消失，采购团队也没有可立即替代的方案。
Sakana AI将Fugu定位为应对这一情形的保险方案。公司认为，由于编排器可以动态绕开无法访问或受到限制的供应商，客户得以在不牺牲能力的情况下增强韧性。如果Anthropic模型无法访问，Fugu就会将工作负载转交给OpenAI、Google或公开可用的替代模型。如果市场上出现新模型并在某项任务中表现出色，Sakana AI表示，也可以将其纳入模型池，而无需客户围绕新API重写应用。这种可互换架构，让“人工智能主权”比当前科技界流行的许多抽象政策讨论更具实际意义。
对日本企业和政府机构而言，这一主张尤其具有吸引力。日本已将本土人工智能能力列为战略优先事项，而完全依赖美国前沿技术体系会带来经济和国家安全方面的顾虑。一家总部位于东京的供应商，能提供本地支持、区域数据处理选项以及不同的技术理念，这为希望实现技术组合多元化的买家提供了有力方案。Sakana AI的投资者包括日本主要金融机构，也强化了这一定位。
不过，保持审慎仍有必要。Fugu的智能体池仍高度依赖它声称要绕开的美国巨头。如果GPT、Claude和Gemini的API访问权限被彻底切断，系统就无法提供前沿水平的结果。真正的独立需要一个强大的本土或开放模型生态，能够与这些系统匹敌，而这样的生态目前尚未达到规模。批评者还指出，Fugu是一项专有商业服务，而非开放框架，这意味着客户只是从依赖一家供应商转为依赖另一家，只不过后者的商业模式有所不同。
此次发布对人工智能发展的意义
如果Fugu公布的性能数据经得起持续的外部审视，其对人工智能研究的影响可能相当重大。近十年来，这一领域一直遵循规模扩展假说：更多参数、更多数据和更多算力会带来更好的结果。这一理念催生了真正令人瞩目的系统，但也抬高了行业门槛，只有财力最雄厚的企业和政府才有能力参与。训练一个前沿基础模型需要数亿美元，还需要专用硬件，而这些硬件本身也受到出口限制。
Fugu展现了另一条路径。它表明，一个相对小型、专门针对协调而非百科知识进行训练的模型，能够通过智能调用现有资源发挥超出自身规模的能力。这将竞争焦点从原始训练能力转向架构创新和编排效率。从某种意义上说，这也让高性能人工智能更易普及：理论上，精心设计的路由器所需预算远低于从零开始训练GPT级模型的成本。
研究界长期以来一直在探索多智能体系统和混合专家模型，但Fugu是首批将自身定位为单体前沿模型直接替代方案、并受到广泛关注的商业化实现之一。它的成败很可能影响风险投资和企业研究资金的流向，推动资金转向编排与协调技术，而不再只投向基础模型扩展。目前的测试版反馈已表明，在一些企业工作流程中，尤其是代码审查和安全审计这类周期较长的任务，分布式系统可能比一次调用的模型更合适。
当然，这种方案并非没有取舍。复杂的多智能体推理步骤可能带来延迟，因此Fugu不适用于要求毫秒级响应的应用。高强度任务也会消耗大量算力配额，而路由逻辑不透明意味着用户未必总能知道是哪一个底层模型处理了自己的数据，这会让受监管行业的合规工作更加复杂。Sakana AI承认这些局限，同时认为，对于广泛的分析和工程工作负载而言，其收益大于成本。
要点
- Sakana AI推出多智能体编排服务Fugu，通过一个兼容OpenAI标准的API，在可互换的前沿人工智能模型池中分配任务。
- 该系统采用规模约70亿参数的紧凑协调器模型，而非庞大的单体基础模型，并运用了Sakana AI的Trinity和Conductor论文中的研究成果。
- Fugu Ultra称其在SWE-Bench Pro、GPQA-Diamond、LiveCodeBench及其他测试中取得了有竞争力的成绩，可与GPT-5.5和Claude Opus 4.8等领先系统较量。
- 服务分为两个层级：标准版Fugu适用于低延迟生产任务，并提供手动排除模型的合规控制；Fugu Ultra则面向复杂推理，采用规模更大且固定的智能体池。
- 此次发布面向希望降低供应商锁定风险、应对出口管制中断的企业，但该服务仍依赖美国前沿模型的API。
- 除欧盟和欧洲经济区外，Fugu目前在全球其他地区均可使用；该公司仍在推进GDPR合规。Ultra的定价为每百万输入令牌5美元、每百万输出令牌30美元起。
