Sakana AI Fugu是什么｜深度解析编排全球顶尖模型的多智能体API的性能、定价与使用方法
全面解析Sakana AI于2026年6月22日发布的Fugu。结合官方数据介绍这一多智能体平台如何在单一API背后动态编排多个大语言模型，Fugu与Fugu Ultra的基准测试表现、定价、使用方法，以及避免单一厂商依赖这一独特优势。
图片来源：Sakana AI「Sakana Fugu」官方页面。本文所载图表均引用自 Sakana AI 官方网站。
Sakana AI 于2026年6月22日正式公开了全新 AI 基座 Fugu（河豚），它能将多个大语言模型（LLM）动态编排为单一 API 对外提供。其最大特点在于：不依赖单一前沿模型，而是在内部「指挥（编排）」世界顶级的多个模型协同工作，对外却表现得如同一个模型。
本文将结合官方发布的数据，系统介绍 Sakana Fugu 的工作原理、Fugu 与 Fugu Ultra 的基准测试表现、定价、使用方式，以及它「可避免被特定厂商锁定」的独特价值。
本文数据与图表来源：Sakana AI 官方发布（2026年6月22日） 及 Fugu 产品页面。
Sakana Fugu 是什么
Sakana Fugu 是 Sakana AI 开发的多智能体编排基座。从用户视角看，它就是一个 API（而且兼容 OpenAI）；但在其内部，它会根据任务动态调用多个专用模型（智能体），自动完成角色分工、任务委派、结果校验与整合。
- 像使用单一模型一样简单：模型选择、任务委派等复杂环节全部在内部处理，用户无需感知这些复杂性即可使用。
- 动态编排多个模型：从智能体「池」中挑选最合适的模型，必要时甚至会递归调用 Fugu 自身。
- 避免厂商锁定：即便某家供应商限制了访问，也能切换到其他模型继续完成任务。
- 长会话下人格稳定：即使经历长时间的交互，也能保持一致的应答风格与人格。
Fugu 经过约500名早期用户的 Beta 测试后，于2026年6月22日正式开放（GA）。
为什么 Fugu 在当下备受关注
Fugu 之所以「应运而生」，背景在于前沿模型的供给开始面临地缘政治风险。例如 Anthropic 的最新模型 Fable 5 / Mythos 5，就在2026年6月因美国政府的出口管制指令而被突然停止访问（详情参见 Claude Fable 5 解析文章）。
Fugu 正是针对这种「单一厂商依赖风险」给出的现实答案。由于其设计本就是编排多个模型，即便某家供应商不可用，也能重组智能体池以维持前沿级别的性能——这正是 Sakana 所倡导的「AI 主权（AI sovereignty）」理念。
Fugu 的工作原理（多智能体编排）
正如开头的概念图所示，Fugu 以「指挥者」的身份将 LLM 池（封闭模型、开放模型，以及 Fugu 自身）编排起来，并把任务分派给最合适的模型。其核心源自 Sakana AI 在 ICLR 2026 上发表的两项研究。
- Trinity（三位一体）：一个轻量、经进化优化的「协调器」，在多轮交互中指挥多个 LLM。它为各模型分配 Thinker（思考者）、Worker（执行者）、Verifier（校验者）等角色，并根据任务自适应地进行委派。
- Conductor（指挥家）：通过强化学习训练，自行发现以自然语言表达的协作策略。它不依赖人工设计的工作流，而是让模型自己学习出虽不显而易见却高效的协作模式。
Fugu 本身也是一个语言模型，专门擅长理解「何时委派任务，以及如何将各专家的输出加以整合」。
相关研究：Sakana Fugu 技术报告（arXiv:2606.21228）、Trinity（arXiv:2512.04695, ICLR 2026）、Conductor（arXiv:2512.04388, ICLR 2026）
Fugu 与 Fugu Ultra 的区别
Fugu 提供两个版本。
| 模型 | 特点 | 适用场景 |
|---|---|---|
| Fugu | 性能与低延迟均衡型 | 日常工作、编码、代码审查、对话式服务 |
| Fugu Ultra | 最大化回答质量，协同更深的智能体池 | 难度较高的多步骤问题 |
据称，Fugu Ultra 在工程、科学、推理等各类基准上，已能与 Anthropic 的 Fable 5 和 Mythos Preview「平分秋色」。
Fugu 的基准测试表现
下表为 Fugu / Fugu Ultra 与 Opus 4.8、Gemini 3.1 Pro、GPT 5.5 的官方基准对比（数值引用自官方表格）。
| 基准测试 | 领域 | Fugu | Fugu Ultra | Opus 4.8 | Gemini 3.1 Pro | GPT 5.5 |
|---|---|---|---|---|---|---|
| SWE Bench Pro | 智能体编码 | 59.0 | 73.7 | 69.2 | 54.2 | 58.6 |
| TerminalBench 2.1 | 智能体编码 | 80.2 | 82.1 | 74.6 | 70.3 | 78.2 |
| LiveCodeBench | 编码 | 92.9 | 93.2 | 87.8 | 88.5 | 85.3 |
| LiveCodeBench Pro | 编码 | 87.8 | 90.8 | 84.8 | 82.9 | 88.4 |
| Humanity's Last Exam | 多领域推理 | 47.2 | 50.0 | 49.8 | 44.4 | 41.4 |
| CharXiv Reasoning | 图表推理 | 85.1 | 86.6 | 84.2 | 83.3 | 84.1 |
| GPQA-D | 科学 | 95.5 | 95.5 | 92.0 | 94.3 | 93.6 |
| SciCode | 科学编码 | 60.1 | 58.7 | 53.5 | 58.9 | 56.1 |
| τ³ Banking | 金融智能体 | 21.7 | 20.6 | 20.6 | 8.4 | 20.6 |
| Long Context Reasoning | 长上下文推理 | 74.7 | 73.3 | 67.7 | 72.7 | 74.3 |
| MRCRv2 | 长上下文检索 | 86.6 | 93.6 | 87.9 | 84.9 | 94.8 |
Fugu 在 GPQA-D（95.5）、LiveCodeBench（93.2）等多个项目上取得最高分；尤其在 SWE Bench Pro 上，Fugu Ultra 以 73.7 超越了 Opus 4.8（69.2）。值得关注的是，尽管采用的是编排多个模型的方式，它却展现出可与单一前沿模型比肩甚至超越的性能。
真实用例与用户评价
在 Beta 测试期间，Fugu 被广泛应用于自动数据科学研究、论文复现、网络安全分析、代码审查、专利与文献调研等场景。以下摘录部分官方公布的用户反馈。
- 代码审查：「在代码审查中，Fugu Ultra 明显优于 GPT-5.5。对于竞品只能找出3处问题的代码，Fugu 指出了20处以上。」（软件工程师）
- 长会话稳定性：「输出质量与顶级前沿模型相当。此外，即便在长会话中，它的人格（persona）也格外稳定。」（某企业级基座负责人）
- 安全评估：「仅凭一条范围说明，Fugu 就从侦察、XSS/SQLi 检查、认证审查到报告撰写，端到端地自主完成了整个安全评估。」（安全工程师）
此外，还有报告称在生成魔方求解器、机械 CAD 设计、盲棋（专家级）、股票交易分析（实现 +19.43% 的平均回报）等多步骤高难度任务中，Fugu 的表现超越了 Gemini 3.1 Pro、Opus 4.8 和 GPT 5.5。
Fugu 的定价
Fugu 提供订阅制与按量计费（Pay-as-you-go）两种形态。
订阅制
| 方案 | 月费 | 用量参考 |
|---|---|---|
| Standard | $20 | 基准 |
| Pro | $100 | 约为 Standard 的10倍 |
| Max | $200 | 约为 Standard 的30倍 |
按量计费（Fugu Ultra / 模型 ID：fugu-ultra-20260615，每百万 token）
| 项目 | 价格 | 超过 272K 上下文 |
|---|---|---|
| 输入 | $5 | $10 |
| 输出 | $30 | $45 |
| 缓存输入 | $0.50 | $1.00 |
官方表示：「即便有多个智能体在运行，费用也不会叠加累计，用户只需按参与其中的最高级别模型支付单一费率。」
Fugu 的使用方式
你也可以通过下方卡片查看 Sakana Fugu 的产品概览。
- API：以兼容 OpenAI 的 API 形式提供，可通过单一端点访问两个模型（Fugu / Fugu Ultra）。
- 控制台 / 注册：可在
console.sakana.ai注册后开始使用。 - 智能体池配置：可自定义配置，例如将不希望使用的特定模型或供应商从池中排除。
ai-best-search 也介绍了可能被 Fugu 在内部编排调用的主要模型。
使用须知
- 可用地区：目前在 EU / EEA 地区尚不可用。
- 模型更新时机：新前沿模型问世后，预计约2周后池内的模型会随之更新。
- 后续规划：计划扩展智能体池（新增开放模型及 Sakana 自研模型）、强化长时任务的协同能力，以及增强用户对行为的可控性。
关于 Sakana Fugu 的常见问题（FAQ）
Sakana Fugu 是单一模型吗？
从用户视角看，它可以像单一 API / 单一模型一样使用；但其内部是一个动态编排并协调多个专用 LLM 的「多智能体基座」。
Fugu 与 Fugu Ultra 有什么区别？
Fugu 是性能与延迟的均衡型，面向日常工作；Fugu Ultra 则协同更深的智能体池以最大化回答质量，面向高难度问题。
Fugu 会依赖特定厂商吗？
不会。由于其编排多个模型的设计，即便某家供应商不可用，也能切换路径以维持前沿级别的性能。这正是 Sakana 所倡导的「AI 主权」理念。
Fugu 的费用大概是多少？
订阅制为 Standard $20 / Pro $100 / Max $200（月费）。按量计费方面，Fugu Ultra 的输入为 $5、输出为 $30（每百万 token；超过 272K 上下文时输入 $10、输出 $45）。即便有多个智能体运行，费用也不会叠加累计。
Fugu 兼容哪种 API？
以兼容 OpenAI 的 API 形式提供。可在 console.sakana.ai 注册后开始使用。
在中国可以使用吗？
除 EU / EEA 之外的地区均可使用。
总结
- Sakana Fugu 是一个将多个 LLM 动态编排为单一 OpenAI 兼容 API 对外提供的多智能体基座（2026年6月22日正式开放）。
- 它以 Trinity、Conductor（ICLR 2026）的研究为基础，让模型自身学习出高效的协作模式。
- Fugu / Fugu Ultra 在 SWE Bench Pro 73.7、GPQA-D 95.5、LiveCodeBench 93.2 等基准上，展现出可与单一前沿模型比肩甚至超越的性能。
- 定价方面，订阅制起步价 $20，按量计费为输入 $5 / 输出 $30（每百万 token），且多个智能体运行时费用不会叠加。
- 在前沿模型供给风险日益加剧的当下，这种可避免被特定厂商锁定的「AI 主权」取向，正引发广泛关注。
不妨将这种编排多个模型的全新思路——Fugu，运用到你自己的业务与产品中去。