Sakana AI 为多智能体调度新增两个模型

Sakana AI 在 Fugu 系列中发布了两款新模型：Fugu Max 和 Fugu Ultra v2。Fugu 并不是单一的基础模型，而是一个经过训练的调度器（orchestrator），在同一个 API 背后把任务分发给一组其他模型。这次发布沿用同一套架构，只是优化目标不同：Fugu Max 追求每美元的最佳产出，Fugu Ultra v2 针对多步骤的高难度任务追求最强能力。

两款模型当天即可通过 Sakana 的 OpenAI 兼容 API 调用。官方没有放出可自行部署的开放权重，该服务也不在欧盟/欧洲经济区提供。

架构与研究基础

技术报告把 Fugu 模型本身也视为语言模型：它读取查询，并即时为该查询搭建智能体（Agent）脚手架。训练方式结合了大规模微调、进化算法与强化学习。系统建立在两篇 ICLR 2026 论文之上：TRINITY 使用一个轻量的进化协调器，在多轮交互中分配 Thinker、Worker、Verifier 角色；Conductor 则通过强化学习训练，用于发现自然语言的协调策略和聚焦提示。

Sakana 用帕累托前沿（Pareto frontier）来解释这一设计：提升质量意味着更高成本，压低成本则牺牲质量。把一次简单的数据查询交给数万亿参数的模型是浪费钱，更合理的做法是挑选能解决任务的最廉价工具。

两款模型的分工

Fugu Max 扩大了可调度的模型池，新增大量开放权重模型和专用模型，其中包括通过与 NVIDIA 合作引入的 NVIDIA Nemotron 系列。每个任务都会被路由到能够解决它的最轻量模型。Sakana 称 Fugu Max 的表现接近顶尖模型，成本低 2 至 6 倍，依据是 SWEFish，这是该公司用自有编程题构建的内部基准，属于厂商自述数据。

Fugu Ultra v2 面向复杂推理、自主研究和全栈软件开发，最明显的提升出现在对视觉数据和结构化数据的持续推理上。Fable 5、Fable 5.1 与 GPT-6-Astra 不在它的智能体池中，模型训练数据截止日期为 2026 年 8 月 28 日。

Sakana 强调的核心是：不依赖任何单一闭源模型也能拿到前沿输出。研究团队表示，这可以降低厂商锁定、API 被撤销以及服务突然中断带来的风险。

更多细节见 MarkTechPost 的报道。