Стартап Sakana AI из Токио представил Fugu — систему, которая координирует работу нескольких больших языковых моделей и для пользователя выглядит как одна модель. Компания заявляет, что такой подход помогает конкурировать с ведущими ИИ-системами и снижает зависимость от одного поставщика API.
Fugu — это языковая модель, обученная вызывать другие LLM из пула агентов, включая собственные копии. В зависимости от запроса система либо решает задачу сама, либо собирает команду из специализированных моделей. Выбор моделей, распределение задач, проверка и сбор итогового ответа проходят внутри сервиса, а доступ к нему открыт через единый API, совместимый с OpenAI.
Ранее Sakana AI уже показывала сильные результаты с оркестрацией моделей в задачах программирования. По данным компании, её агент ALE-Agent занял 21-е место из 1 000 участников-людей в соревновании по кодингу.
Компания запускает две версии Fugu. Базовая модель рассчитана на низкую задержку и повседневные сценарии, включая программирование, ревью кода и чат-боты. Команды с требованиями к приватности или соответствию правилам могут исключать отдельные агенты из пула.
Версия Fugu Ultra нацелена на максимальное качество ответов в сложных многошаговых задачах. По словам Sakana AI, ранние пользователи уже применяют её в ИИ-исследованиях, воспроизведении научных работ, анализе кибербезопасности, а также в патентном и литературном поиске.
Согласно опубликованным компанией бенчмаркам, Fugu Ultra показывает уровень Anthropic Fable 5 и Mythos Preview в ряде тестов на программирование, рассуждение, научные задачи и агентные сценарии. При этом модели Anthropic не входят в пул агентов Fugu, поскольку недоступны публично. Sakana AI добавляет, что базовые цифры для сравнения взяты из данных самих поставщиков моделей.
Sakana AI продвигает Fugu как защиту от зависимости от одного провайдера. Компания указывает на недавние экспортные ограничения для моделей Anthropic Fable и Mythos как на практический пример такого риска, когда доступ к сильным ИИ-системам может исчезнуть из-за регуляторных решений или внешней политики.
В анонсе компания пишет: «Для организации или государства опора на API одной компании для критической инфраструктуры, финансов или управления — это существенная уязвимость. Этот риск больше не гипотетическая возможность, а реальность». По словам Sakana AI, пул моделей в Fugu можно полностью заменять, поэтому система способна перенаправлять запросы к другим моделям, если один из провайдеров становится недоступен.
При этом фактическая эффективность Fugu зависит от того, какие модели входят в пул. Если доступ одновременно ограничат несколько ведущих поставщиков, вариантов у системы станет меньше.
По данным Sakana AI, систему уже протестировали около 500 бета-пользователей в реальных сценариях. Лучше всего Fugu показала себя в длинных многошаговых процессах, таких как автоматизированный сбор данных, анализ безопасности и ревью кода.
Один из разработчиков ПО заявил, что Fugu Ultra находит заметно больше ошибок при проверке кода, чем GPT-5.5. По его словам: «Когда другие инструменты отмечают около трёх проблем, Fugu обнаружила больше двадцати». Также Sakana AI утверждает, что в собственных тестах Fugu обошла Gemini 3.1 Pro, Opus 4.8 и GPT 5.5 в автоматизированных исследованиях, механическом проектировании и финансовом прогнозировании.
По данным Sakana, Fugu также быстрее отдельных моделей решает и визуализирует сборку кубика Рубика.
Компания пишет: «Бета-тестирование ясно показало, что оркестрация нескольких агентов важнее всего тогда, когда задача запутанная, длительная и плохо решается одним вызовом модели».
Обе версии уже доступны через единый API на странице продукта и в консоли. Sakana предлагает подписку для повседневного использования и оплату по мере потребления для крупных нагрузок.
Технический подход Fugu опирается на исследования Sakana AI по обучаемой оркестрации моделей, в частности на две статьи, представленные на ICLR 2026: Trinity и Conductor.
Sakana AI рассматривает развитие ИИ как систему совместной работы моделей, а не как задачу для одной модели. Эта идея связана с более широкой концепцией компании, которая использует принципы роевого поведения, эволюции и коллективного интеллекта.
Sakana AI основали бывшие исследователи Google AI Ллион Джонс и Дэвид Ха. Джонс был соавтором статьи 2017 года Attention Is All You Need, которая заложила основу архитектуры Transformer.
Источник: The Decoder, Sakana AI.
