В мире искусственного интеллекта, где гонка за параметрами и вычислительной мощностью часто затмевает вопросы экономической эффективности, появление новых решений, балансирующих между ценой и качеством, становится не просто приятным дополнением, а необходимостью. Компания Sakana AI, известная своими инновационными подходами к архитектуре агентов, официально выпустила две новые модели в своей линейке Sakana Fugu: Fugu Max и Fugu Ultra v2. Это не просто очередное обновление базовой модели; это пересмотр самой парадигмы взаимодействия с ИИ. Fugu позиционируется не как единая фундаментальная языковая модель, а как «обученный оркестратор», который маршрутизирует задачи через пул других моделей, доступных через единый API. Такой подход позволяет пользователям получать оптимальный результат, не переплачивая за избыточную мощность там, где она не нужна.
Новый релиз четко разделяет стратегии оптимизации на два направления. Fugu Max нацелен на достижение наилучшего соотношения качества вывода к затраченным деньгам, что делает его идеальным выбором для масштабных коммерческих проектов с жесткими бюджетами. В то же время Fugu Ultra v2 ставит перед собой задачу достижения максимальной вычислительной способности для решения сложных, многошаговых задач, требующих глубокого анализа и автономного принятия решений. Обе модели уже доступны сегодня через OpenAI-совместимый API Sakana, что позволяет разработчикам интегрировать их в свои проекты с минимальными усилиями, хотя стоит отметить, что сервис не доступен в Европейском Союзе и Европейской экономической зоне, а открытые веса для самостоятельного хостинга не предоставляются.
01Почему Sakana рассматривает это как проблему двух осей?
Аргументация Sakana AI звучит прямолинейно и убедительно: реальные рабочие нагрузки оцениваются по двум критериям одновременно — способности решать задачи и стоимости их выполнения. Отправка простого запроса на поиск данных через много-триллионную модель — это расточительство ресурсов. Более эффективная система должна выбирать самое дешевое оборудование, которое все еще способно решить поставленную задачу. Команда Sakana описывает эту концепцию через призму Парето-фронта (Pareto frontier). На этом фронте улучшение качества всегда требует дополнительных затрат, а снижение стоимости неизбежно ведет к потере качества. Fugu Max и Fugu Ultra v2 разделяют одну и ту же базовую архитектуру оркестрации, но их целевые функции оптимизации различаются, что позволяет каждому из них занимать свою нишу на этом фронте.
Этот релиз является частью быстрого цикла развития продукта. Семейство Fugu прошло путь от бета-версии в апреле, до общего доступа (general availability) в июне, и уже в июле расширило свои возможности, добавив специализированные модули Fugu-Cyber и интерфейс для Claude Code. Такая скорость итераций свидетельствует о зрелости платформы и ее готовности к внедрению в реальные производственные процессы. Важно понимать, что Fugu — это не просто «обертка» для других моделей. Это самостоятельная языковая модель, которая обучается читать запрос и динамически строить агентный каркас (agentic scaffold) для его решения. Обучение сочетает в себе крупномасштабное дообучение (fine-tuning), эволюционные алгоритмы и обучение с подкреплением (reinforcement learning).
02Fugu Max: Больше моделей, меньше затрат
Fugu Max расширяет пул моделей, которыми может управлять оркестратор. В этот пул добавлено большое количество моделей с открытыми весами и специализированных решений, включая семейство NVIDIA Nemotron, доступное через сотрудничество Sakana с NVIDIA. Ключевая идея здесь — маршрутизация каждого запроса к самой экономичной модели, способной решить задачу. Это позволяет существенно снизить операционные расходы без значительной потери качества.
Команда Sakana приводит следующие ключевые показатели для Fugu Max:
- Тарификация: $2 за 1 миллион входных токенов и $6 за 1 миллион выходных токенов. Это делает его одним из самых доступных решений на рынке для высоконагруженных систем.
- Стоимость вывода: На 40–60% ниже, чем у таких конкурентов, как Sonnet 5, GPT 5.6 Terra и Kimi K3. Для проектов, обрабатывающих терабайты данных, эта экономия может составлять сотни тысяч долларов ежемесячно.
- Производительность: Лучший общий балл на 6 бенчмарках: Terminal Bench 2.1, GPQA Diamond, AA-LCR, GDP.pdf, AutomationBench и SWEFish. Это подтверждает, что низкая цена не достигается за счет критического падения качества.
- Эффективность: Расширяет Парето-фронт стоимости и производительности на 7 из 10 бенчмарков. Sakana позиционирует Fugu Max как решение, находящееся в непосредственной близости от элитных моделей, но при стоимости в 2–6 раз ниже.
Стоит отметить, что SWEFish — это внутренний бенчмарк Sakana, созданный на основе их собственных задач по программированию. Хотя этот результат следует воспринимать как сигнал от вендора, он демонстрирует сильную специализацию модели в задачах разработки ПО. Для разработчиков, ищущих способ автоматизировать рутинные задачи кодирования или рефакторинга без переплаты за премиальные API, Fugu Max представляет собой крайне привлекательную альтернативу.
03Fugu Ultra v2: Поднятие потолка возможностей
Если Fugu Max — это король экономии, то Fugu Ultra v2 — это король сложности. Эта модель нацелена на сложные рассуждения, автономные исследования и разработку программного обеспечения полного цикла (full-stack). Наибольшие улучшения наблюдаются в области устойчивого рассуждения над визуальными и структурированными данными, что критически важно для аналитики и научных исследований.
Результаты тестирования Fugu Ultra v2 впечатляют:
- Chartography (визуальное рассуждение и интерпретация данных): 48.3 балла. Для сравнения, у Opus 5 этот показатель составляет 27.3, а у Fable 5 — 29.5. Разрыв в 20+ баллов свидетельствует о качественном скачке в способности модели «видеть» и анализировать графики, диаграммы и сложные визуальные паттерны.
- DeepSWE (реальная инженерия ПО): 74.3 балла. Этот результат опережает модели, цена которых в 3–5 раз выше за токен. Это говорит о том, что Ultra v2 эффективно справляется с многошаговыми задачами разработки, где требуется не просто написать код, а понять архитектуру и контекст.
- Широта применения: Лучший или совместный лучший результат на 5 из 8 бенчмарков, включая GDP.pdf, Chartography, SWEFish, DeepSWE и Toolathon.
- Стабильность: Входит в топ-2 на 7 из 8 бенчмарков, что указывает на высокую предсказуемость работы системы.
04Как работает оркестрация Fugu: технический взгляд
Чтобы понять, почему Fugu работает так эффективно, нужно заглянуть под капот его архитектуры. В отличие от традиционных подходов, где пользователь выбирает одну модель для всей задачи, Fugu действует как интеллектуальный диспетчер. Он читает запрос и в реальном времени строит «агентный каркас» (agentic scaffold). Этот процесс включает в себя распределение ролей между различными моделями в пуле. Например, для сложной задачи по анализу кода система может отправить начальную часть запроса в быструю и дешевую модель для понимания контекста, затем перенаправить специфические части задачи в мощную модель для генерации кода, и наконец, отправить результат в модель-верификатор для проверки на ошибки.
Этот процесс обучения сочетает в себе три мощных метода:
- Крупномасштабное дообучение (Fine-tuning): Позволяет модели усвоить паттерны распределения задач и оценки их сложности.
- Эволюционные алгоритмы: Используются для оптимизации структуры координатора, позволяя ему находить неочевидные пути маршрутизации, которые человек мог бы упустить.
- Обучение с подкреплением (RL): Помогает модели «понимать», какие стратегии координации приводят к наилучшему результату, корректируя свои действия на основе обратной связи от среды.
Такой гибридный подход позволяет Fugu адаптироваться к изменяющимся условиям. Если одна из моделей в пуле становится недоступной или дорогой, оркестратор может перенаправить нагрузку на альтернативы, сохраняя общее качество сервиса. Это делает систему не только эффективной, но и устойчивой к сбоям.
05Практическое применение и доступность
Для разработчиков и компаний, рассматривающих внедрение Fugu, важно понимать практические аспекты использования. Обе модели доступны сегодня через OpenAI-совместимый API Sakana. Это означает, что для перехода с существующих решений (таких как OpenAI, Anthropic или Google) требуется всего одна строка кода для изменения базового URL и ключа API. Такая совместимость значительно снижает порог входа и позволяет быстро протестировать производительность Fugu в существующих пайплайнах.
Однако есть несколько ограничений, о которых следует знать. Во-первых, сервис не доступен в Европейском Союзе и Европейской экономической зоне (EU/EEA). Это может быть критичным для европейских компаний, соблюдающих строгие правила GDPR и локализации данных. Во-вторых, веса моделей не открыты, что исключает возможность самостоятельного хостинга на собственных серверах. Это означает, что данные пользователей будут обрабатываться на инфраструктуре Sakana AI. Для многих корпоративных клиентов это может стать препятствием, если требуется полная изоляция данных.
06Что это значит на практике
Внедрение Fugu Max и Fugu Ultra v2 меняет ландшафт использования ИИ для бизнеса. Для стартапов и небольших команд Fugu Max предлагает возможность использовать возможности, сопоставимые с элитными моделями, но при бюджете, который позволяет масштабироваться без риска банкротства от счетов за API. Экономия в 2–6 раз может стать решающим фактором для выживания на ранней стадии.
Для крупных предприятий и исследовательских лабораторий Fugu Ultra v2 предлагает уникальный баланс. Способность достигать результатов уровня frontier без зависимости от единственного проприетарного поставщика снижает стратегические риски. Компании могут строить свои продукты на базе Fugu, зная, что они не окажутся в заложниках у одного вендора. Кроме того, высокая производительность в задачах визуального анализа (Chartography) и сложной инженерии ПО (DeepSWE) открывает новые возможности для автоматизации процессов, которые ранее требовали участия человека-эксперта.
Тем не менее, решение о выборе между Fugu Max и Fugu Ultra v2 должно основываться на конкретных потребностях. Если задача — массовая обработка данных, чат-боты или генерация контента, Fugu Max обеспечит лучшую экономику. Если же речь идет о сложных исследованиях, анализе научных данных или разработке сложного программного обеспечения, Fugu Ultra v2 будет более уместен, несмотря на более высокую стоимость. Важно также учитывать географические ограничения и политику конфиденциальности Sakana AI перед принятием окончательного решения.
Семейство Fugu продолжает развиваться, и его способность адаптироваться к новым требованиям рынка делает его одним из самых интересных игроков в сфере многоагентной оркестрации. Следующие месяцы покажут, насколько успешно Sakana сможет удерживать лидерство в этом быстро меняющемся секторе.
Источник: MarkTechPost ↗