日本 AI 新創 Sakana 推出 Fugu：AI 下一場戰爭不只比模型，而是誰更會協調模型
當 Anthropic 因美國出口管制調整 Claude Fable 5 與 Mythos 5 的公開存取政策後，一個過去較少被討論的問題浮現：如果企業的關鍵 AI 能力建立在單一模型供應商之上，當政策、商業策略或地緣政治發生變化時，企業是否有能力維持系統穩定運作？
就在這個時間點，日本 AI 新創 Sakana AI 發表多模型編排系統（Model Orchestration System）Fugu。與其說這是一個新的大型語言模型，不如說它是一套負責協調不同模型合作的「AI 指揮系統」。Sakana AI 希望證明，透過多個模型組成的 Agent 群協同運作，即使不擁有最強大的單一模型，也能在部分任務上達到接近甚至超越前沿模型的表現，並且無需承擔出口管制的風險。
不是更大的模型，而是會調度模型的模型
根據 Sakana AI 官方說明，Fugu 的核心並不是又一個試圖包辦所有任務的大型語言模型，而是「編排模型」（orchestration model）。Fugu 被訓練來調用一個「可隨時抽換的代理池」，當收到複雜請求時，它會自行判斷是直接回答，還是把問題拆解、委派給多個專家模型，再驗證並整合出最終輸出。
對開發者而言，這整套多代理協作被隱藏在單一且相容 OpenAI 的 API 之後，多代理系統的複雜度不會進到程式碼裡。Sakana 在技術說明中提到，Fugu 本身就是一個被訓練來調用代理池中各種大型語言模型的語言模型，甚至能遞迴地調用自己。
這也是 Fugu 與一般「模型路由」的差異。據《VentureBeat》報導，路由平台如 Not Diamond、Martian 或開源的 RouteLLM 等，做的是一次性決策：分析提示後，預測哪一個單一模型最合適，再把整個查詢分派過去，像個只負責調度的空中交通管制員。Fugu 則更接近 Router-R1（NeurIPS 2025）這類多輪系統，會把任務拆解、邊推理邊委派，讓多個模型並行或接力處理後再整合輸出。簡單來說，路由是「挑一個模型來用」，編排是「拆任務、調度多個模型分工」。
這套設計奠基於 Sakana 2026 年的兩篇研究 TRINITY 與 Conductor：系統以學習而來的協調策略、而非人工設計的固定流程，自主管理模型選擇與驗證的整個生命週期。
Sakana 共同創辦人暨執行長 David Ha（曾任職 Google Brain）在 X 上的貼文中將 Fugu 定位為比任何單一模型供應商更可靠的企業選項，並寫道：「編排模型才是下一個前沿，超越更大的模型。」
Sakana 提供兩個版本：標準版 Fugu 主打低延遲、適合日常互動與寫程式等任務；旗艦版 Fugu Ultra 則針對 AI 研究、資安分析、多步驟專利調查等高難度工作，調度更深的專家池。
Fugu 能打敗前沿模型嗎？效能數字怎麼說
為了驗證多模型協作的效果，Sakana 公布了多項基準測試結果，並表示在業界最嚴苛的工程、科學和推理基準測試中，與 Anthropic 的 Fable 5 和 Mythos Preview 等領先模型並駕齊驅。根據官方數據，Fugu Ultra 在 LiveCodeBench 程式能力測試中獲得 93.2 分，高於 Claude Fable 5 的 89.8 分；在 GPQA Diamond 科學推理測試中則達到 95.5 分，略高於 Mythos Preview 的 94.6 分。
在 SWE-Bench Pro 等軟體工程測試中，Fugu Ultra 也優於 GPT-5.5 與 Claude Opus 4.8。Sakana 因此宣稱，Fugu Ultra 已具備接近 Frontier Model 的能力水準。
不過，《VentureBeat》也指出，Fugu 並非在所有測試中都取得領先。例如在 Humanity’s Last Exam 與 SWE-Bench Pro 等部分測試項目中，Anthropic 的 Fable 5 仍維持優勢；而在長上下文能力與資安相關測試中，GPT-5.5 與 Claude Opus 4.8 也各自在特定項目保持領先。
具體的取捨在開發者實測中更清楚。據《VentureBeat》報導，創意公司 Mark Studios 負責人 Mark Santos 同時要求 Fugu Ultra 與 Claude Opus 4.8 用 Three.js 打造一款「Crossy Road」遊戲：Fugu Ultra 在 22 分鐘內以約 8.9 萬 token、約 7.32 美元完成，但成品有方向反轉、鏡頭角度怪異等小瑕疵；Opus 4.8 則耗時 79 分鐘、燒掉約 94 萬 token、近 37.85 美元，中途還一度卡在重試迴圈需人工介入，但最終做出的應用設計與功能性較佳。Santos 的結論是，論應用的功能、品質與設計，Opus 勝出；論速度與效率，則是 Fugu 勝出。
AI 主權、供應鏈備援與新的基礎設施層
《VentureBeat》報導指出，Box 執行長 Aaron Levie 認為，隨著閉源與開源前沿模型持續推陳出新，未來將有大量價值集中在能夠有效進行模型路由與編排的中介層。
但雲端開放 AI 基礎設施商 Prime Intellect 研究工程師 Elie Bakouch 則提出不同看法。他認為，Fugu 本質上仍建立在封閉模型之上，使用者無法掌握底層究竟使用哪些模型，也無法完全控制其運作方式，因此未必能直接等同於真正的 AI 主權。
《VentureBeat》觀察，Fugu 的重要性不在於又出現一個更強大的模型，而是在於它提出另一種可能性。當企業同時使用 GPT、Claude、Gemini、DeepSeek、Qwen 與各種開源模型時，未來決定效能、成本與風險控管能力的關鍵，可能不再是模型本身，而是背後那層負責協調與編排的系統。
【推薦閱讀】
◆ Anthropic 被迫關閉 Fable 5、Mythos 5：美國經濟學家 Tyler Cowen 警告，全球可能轉向中國 AI
＊本文開放合作夥伴轉載，資料來源：Sakana AI、《VentureBeat》、《Bank Info Security》，首圖來源：Sakana AI