Sakana AI 发布 Fugu：7B参数小模型如何叫板Fable 5？多智能体编排成新出路

摘要： 2026年6月22日，日本AI独角兽Sakana AI发布多智能体编排系统Fugu及Fugu Ultra，以仅7B参数的核心模型通过动态调度GPT-5.5、Gemini 3.1 Pro、Claude Opus 4.8等顶尖大模型，在工程、科学推理等多项基准测试中性能对标甚至超越Anthropic的Fable 5和Mythos Preview。这一突破打破了”参数即正义”的迷思，也为算力受限地区提供了一条AI突围新路径——不再拼单体大模型，而是拼模型组织能力。本文深度解读Fugu的技术架构、性能表现、商业逻辑及对AI行业格局的启示。

---

一、Sakana AI：日本AI独角兽的自然启发式路线

要理解Fugu为何能”叫板”Fable 5，先得认识Sakana AI这家公司。

Sakana AI成立于2023年，总部位于东京，由Transformer论文《Attention Is All You Need》的共同作者Llion Jones、前Google Brain日本研究团队负责人David Ha，以及拥有日本外务省、Mercari和Stability AI背景的Ren Iito联合创办。

“Sakana”在日语中是”鱼”的意思，这家公司的logo并非装饰，而是其技术路线的隐喻——单条鱼不强，但鱼群会形成整体智能；单个模型未必万能，多模型协作可能才是下一层入口。2025年，Sakana AI获得NVIDIA、Google等巨头投资，估值超过25亿美元。

从诞生之初，Sakana AI就带着鲜明的”自然启发式”基因，致力于用进化算法和自然界的群体智能来解决AI问题。即便有巨头背书，日本本土依然缺乏中美那样庞大的算力基础设施和数据池。在这种资源约束下，Sakana AI没有选择硬刚千亿参数大模型，而是走了一条”编排”路线。

这次发布的Fugu，正是Sakana AI过去两年研究路线的一次产品化：把”很多智能体如何协作”从论文和demo，推到一个能收费、能接入企业工作流的API里。

二、Fugu的技术架构：7B参数的”包工头”

反常识的编排模型设计

传统大语言模型是一个”单体巨兽”——用户输入提示词，模型从第一层神经网络计算到最后一层输出结果。这种模式处理简单问题效率极高，但面对复杂多步骤工程任务时，往往出现幻觉或逻辑断裂。

Fugu彻底改变了这一范式。它的核心是一个经过强化学习训练的7B参数模型，被称为RL Conductor。这个7B模型本身并不直接生成最终答案，而是扮演”包工头”的角色。

当用户通过单一OpenAI兼容API提交任务后，RL Conductor会动态分析任务类型，然后将子任务分配给智能体池中的全球顶尖模型，比如GPT-5、Gemini 3.1 Pro或Claude Opus 4.8。它负责调度、验证和合成这些模型的输出，最终给出一个经过多重校验的结果。

TRINITY与Conductor：调度层的学术基础

Fugu背后是Sakana AI在ICLR 2026上发表的两篇论文——Trinity和Conductor。

TRINITY让coordinator给多个模型分配Thinker、Worker、Verifier角色；Conductor则用强化学习学习自然语言协调策略。换句话说，Sakana在训练的不是某一个员工，而是一个会派活的主管。

Conductor的一个亮点功能是递归测试时扩展——允许Conductor选择自己作为worker，读取自己团队之前的输出，如果发现失败就动态启动纠错工作流。这为推理阶段的计算扩展开辟了新维度。

动态角色分工的实际运作

性能突破源于系统底层的动态角色分工。例如在常识问答中，Fugu Ultra会调度Gemini-3.1-Pro担任聚合器，并由GPT-5.5与第二台Gemini作叶节点各自解题；在数学计算中则切换GPT-5.5作聚合器以纠正Gemini与Opus的计算分歧。在多轮编码任务中，Fugu Ultra会交替让GPT-5.5负责编写代码，并调度Claude-Opus-4.8承担安全审计与调试。

模型之间这种细粒度的动态互补，使系统整体表现大幅超越单个智能体。

三、Benchmark硬核对决：Fugu Ultra凭什么和Fable 5坐一桌

Sakana AI在官方公告中宣称，Fugu Ultra在行业最严苛的工程、科学和推理基准测试中，与Anthropic的Fable 5和Mythos Preview并肩而立。

核心评测成绩

值得注意的是，Fugu Ultra的底层模型池并不包含Claude Fable 5和Claude Mythos Preview——这两个模型受出口管制，并非公开可访问模型。Fugu纯粹通过编排GPT-5.5、Gemini-3.1-Pro和Claude-Opus-4.8等公开模型，以集体智能实现了超越单一顶尖模型的越级性能。

六大实战案例验证

除了基准测试，Sakana AI还展示了六个实战案例，Fugu在AutoResearch（自动化ML研究）、魔方求解、机械设计、日文古籍识别、单次国际象棋、金融时间序列预测中，均超过Gemini 3.1 Pro、Claude Opus 4.8和GPT-5.5：

• AutoResearch：自主运行123次实验，拿到最优BPB得分0.9774±0.0019
• 日文古籍识别：处理日本历史文献阅读顺序恢复时达到NED 0.80，其他模型只有0.24或直接失败
• 魔方求解：仅用19步解开魔方，是四款模型中步数最短
• CAD机械设计：设计出可工作的虹膜机构，其他模型产出存在间隙或不完整
• 国际象棋：连续四局对弈保持完美准确率
• 股票交易：50周回测实现19.43%平均回报，其他模型均低于15%

四、AI主权与单一供应商风险：Fugu的地缘政治意义

Fugu的推出，除了技术突破，还直指一个现实问题——鸡蛋不能放在一个篮子里。

前阵子Anthropic的Claude Fable 5刚发布就被限制使用，这一事件让单一供应商依赖的风险变得无比真实。Sakana AI指出，监管框架、出口管制和各国政策的变化，可能让企业对AI模型的访问权限”一夜之间改变甚至断绝”。

对于一个组织乃至一个国家而言，将关键基础设施、金融或治理系统寄托于一家公司的API，是”现实存在的弱点”。而Fugu的设计恰恰回应了这一问题——它底层的Agent池完全可替换。如果某家供应商限制访问，Fugu可以动态绕开干扰。

Sakana AI称之为**”AI主权的现实蓝图”**。这种编排不仅是技术上的进步，更是地缘政治的产物。集体智能成为对抗权力集中的实用对冲手段。

五、商业模式与定价：调度层的价值捕获

定价策略

Sakana AI提供订阅制和按量计费两种方式：

订阅制：

• Standard套餐：月费20美元（轻度日常使用）
• Pro套餐：月费100美元（10倍Standard使用量）
• Max套餐：月费200美元（20倍Standard使用量）

按量付费模式（Fugu Ultra）：

• 输入：每百万tokens 5美元（超过27.2万tokens后为10美元）
• 输出：每百万tokens 30美元（超过27.2万tokens后为45美元）

作为对比，Opus 4.8的价格是输入每百万tokens 15美元，输出每百万tokens 75美元。Fugu Ultra的输入价格只有Opus的三分之一，输出价格不到一半。

关键创新：不叠加模型费用

Fugu Ultra的定价有一个关键创新——当多个agent同时工作时，Sakana不逐个叠加模型费用，而是按参与池里最高tier的模型收一个价格。这解决了多模型系统过去”太难算账”的痛点。

Fugu把复杂性收走，再向用户收调度费。这本质上是在训练的不是某一个员工，而是一个会派活的主管——而主管的价值，正在于知道谁适合干什么。

六、行业启示：大模型战争进入”调度层”新维度

从”谁更强”到”谁能组织”

过去两年，模型公司都在抢一个位置：最强单模型。现在这个位置越来越拥挤。同一个模型，写代码强，长文本可能一般；推理强，延迟可能高；便宜模型适合日常对话，复杂agent任务又容易半路掉链子。

企业真正要买的，也不是某个榜单上的第一名，而是一次任务能不能在成本、速度、合规和稳定性之间跑完。这就是Fugu瞄准的方向。

价值分配的重构

如果底层模型越来越多，模型本身会更像可替换零件。不是不值钱，而是客户关系、工作流入口和任务数据，会逐渐往调度层集中。

谁掌握调度层，谁就知道用户在做什么任务、哪些模型在什么场景更可靠、成本卡在哪里、失败通常发生在哪一步。这比一次回答更有价值。

云计算历史的重演

云计算早期也发生过类似变化。一开始，大家关心服务器配置、机房、网络、扩容方式。后来云厂商把这些复杂性封装成服务，用户只关心应用能不能稳定跑起来。模型也在走到这一步。

调用一个模型只是开始。复杂任务里，更难的是把任务拆开、选模型、控制token、处理失败、复核结果、记录成本，再把这一切藏在一个稳定接口后面。普通router只是在模型之间分流，Fugu想做的更接近一个调度系统。

七、风险与挑战：调度层的隐忧

调度层也有自己的风险。Fugu不公开具体用了哪些底层模型，也不公开怎么协调。Fugu Ultra的模型池固定，普通Fugu可以按隐私、数据和合规要求排除某些模型或提供商。

用户得到的是更简单的入口，也交出了更多不可见的控制权。过去，你至少知道自己在用GPT、Claude或Gemini。现在，你信的是一个黑盒调度器。

四个关键观察变量

接下来要看的不是Fugu有没有某一个benchmark第一，而是四个更实际的变量：

1. 复杂任务里的端到端延迟能否接受
2. 调度后的成功率是否稳定高过单模型
3. 新的公开frontier model出现后，Sakana能否真的在两周左右完成接入和评估
4. 企业是否愿意为更好的结果，接受一个不完全透明的模型入口

Sakana在FAQ里提到：新公开frontier model发布后，他们预计花大约两周训练和评估新版Fugu，再逐步推出。这说明Fugu的目标不是绑定某个模型，而是持续吸收新的强模型。强模型越多，调度层越有用。

八、结语：编排模型——AI发展的新前沿

Sakana AI在博客中明确提出：编排模型将会超越传统大模型成为新的前沿方向。

过去几年AI进步靠暴力堆算力和数据，但现实复杂任务需要的专业知识远超单一模型的能力边界。充分发挥模型的最佳性能需要集体智慧——需要知道何时该用哪个模型、什么时候委派、怎么组合擅长不同领域的模型。

在”越大越好”的竞赛之外，Sakana AI提供了一条不同的思路：与其造一个全能的神，不如建一个懂得调兵遣将的指挥官。

大模型战争没有从”谁更强”结束。它只是进入了下一层：当强模型越来越多，谁能把它们变成一个可用系统。Fugu的发布，或许正是这场战争新阶段的发令枪。

---

文章来源：

• AI PIONEER《刚刚日本AI公司发布Fugu，凭什么和Fable坐一桌？》
• Sakana AI官方博客（sakana.ai/fugu-release）
• 智东西《又一大模型发布！号称比肩Fable 5和Mythos》
• Panewslab《日本AI黑马Fugu杀出：7B小模型如何叫板Fable与Mythos？》
• The Block Beats《Sakana AI发布多智能体系统Fugu，多项推理与编程评测击败Fable 5》