Sakana AI提出大模型訓練新思路。

智東西6月22日報導，今天，日本AI獨角獸Sakana AI發佈了Sakana Fugu系列編排器模型，包括Fugu Ultra和Fugu兩款模型。其中Fugu Ultra模型在工程、科學和推理基準測試中，性能接近或超越了Fable 5以及Mythos Preview等頂尖模型。

和傳統大語言模型不同的是，Sakana Fugu不會自己回答問題，它會呼叫世界上各種模型來完成任務。簡單來說，Sakana Fugu像一個“總指揮”，會根據任務選擇最佳的模型來處理。

Fugu在日文中是河豚的意思，從官方發佈的動畫可以看出，Sakana Fugu是要用多個“小魚”匯聚成一個“大河豚”這種美味食材。

Sakana AI是一家日本AI獨角獸，成立於2023年，由Transformer論文第五作者Llion Jones聯合創辦，曾用“進化”的方式，通過小模型組合實現堪比大模型的能力。如今，他們在Sakana Fugu在技術報告提出了訓練模型的新思路：讓一個模型學會調度多個模型，把不同特長不同的大模型組織起來，形成一種“集體智能”。

Sakana AI在部落格中提出，編排模型將會超越傳統大模型成為新的前沿方向。他們認為，過去幾年AI進步靠暴力堆算力和資料，但現實複雜任務需要的專業知識遠超單一模型的能力邊界。充分發揮模型的最佳性能需要集體智慧，需要知道何時該用那個模型、什麼時候委派、怎麼組合擅長不同領域的模型。

同時，這種編排不僅是技術上的進步，更是地緣政治的產物。Sakana AI從近期Anthropic模型被施加出口管制中吸取教訓，認為繫結單一供應商，存取權可能會一夜消失，而Fugu的底層模型池完全可替換，一家斷供就換另一家，Sakana AI稱之為“AI主權的現實藍圖”。

Sakana AI在部落格中提出，Fugu本身是一個專門用於理解何時委派任務、Agent之間如何通訊以及如何將它們的工作整合為一個可靠答案的語言模型。這套技術路線建立在此前團隊關於學習模型編排的研究之上，包括在ICLR 2026上發表的論文Trinity和Conductor。

技術報告地址：
https://github.com/SakanaAI/fugu/blob/main/Fugu_technical_report.pdf
體驗地址：
https://sakana.ai/fugu

01. 超越Mythos Preview和Fable 5調度最強模型完成任務

技術報告列出了Fugu系列在覆蓋程式設計、推理、科學、Agent能力四個維度的八個基準測試上的表現，報告顯示Fugu系列在這些評測中達到或接近尖端模型的水平。

技術報告顯示，Fugu模型僅通過智能調度，就在三項基準測試中超越了Mythos Preview和Fable 5的能力。

在跨領域的適應性方面，Terminal Bench測試中，Fugu和Fugu Ultra呼叫模型的峰值都集中於在該測試中表現頂尖的GPT-5.5。而在GPQADiamond測試中，Gemini-3.1-Pro作為領先模型，兩款Fugu模型都將其調度核心圍繞Gemini展開。

Fugu拿高分的方式跟傳統模型完全不同，它沒有訓練一個更強的基座去解題，而是去判斷這道題該派交給那個模型、怎麼拆解任務、如何校驗檢查，最終綜合得到的答案的質量超過多個單一模型獨立作答所得。

這正是技術報告反覆強調的核心定位：Fugu的技術價值不在於替代GPT、Claude、Gemini這些模型，而在於把這些模型的能力組合起來。現在的大模型中，有的擅長數學推理、有的擅長程式碼工程、有的擅長安全分析，隨著不同模型各自形成特長，編排能力本身正在成為一種獨立的競爭力。

02. 四大機制讓Fugu指揮模型軍團

報告解讀了Fugu的四個基礎機制：

第一，識別問題類型。判斷使用者問題是程式碼、數學、推理、資訊檢索、科學分析還是多模態任務，這一步決定了後續整個派活邏輯的起點。

第二，選擇合適的worker模型。不同模型在不同任務上的表現差異很大，Fugu被訓練的目標之一就是學會在什麼問題上該呼叫什麼模型，報告提到，即使在同一類任務內部，比如競賽性質的程式設計，不同模型也可能分別擅長直接實現、制定解題計畫或組合多種演算法思路，Fugu需要把這些細微的差異也納入決策。

第三，設計Agent工作流。對複雜問題，Fugu Ultra會生成完整的agentic workflow，包括任務拆分、子任務分配、上下文共享策略以及最終答案合成，全部可以在模型內部以自然語言完成。

第四，根據反饋最佳化。Fugu的訓練不止監督微調，還包括進化演算法和強化學習，用真實任務結果來反向最佳化編排策略，這種策略讓它知道怎麼讓合適的模型去做合適的事。

Sakana Fugu共有兩個版本的模型，分別為Fugu和Fugu-Ultra。Fugu更強調日常使用，側重性能和延遲平衡，在保證較高品質的同時，儘量快速響應。因此它不會每次都進行非常複雜的多Agent協作，會通過一個輕量選擇機制，快速判斷那個worker模型更適合當前任務。

Fugu-Ultra則更偏向質量優先。它會使用更複雜的編排方式，把任務拆成多個子任務，安排不同Agent去處理，隨後再進行綜合。這種方式響應時間可能更長，但更適合高難度問題，例如複雜程式碼任務、數學推理、科學問題、多步驟規劃等。

兩者的共同點是與模型無關的完全模組化，Sakana Fugu不需要訪問worker模型的權重，甚至不需要它們是開放原始碼的。新模型發佈後可以直接加入worker模型池，使用者可以根據成本、隱私、合規等需求定製可用的模型列表。

03. 解魔方、下盲棋，沒被洗車問題難倒

Sakana Fugu技術報告附錄中有幾個實驗：

一個是“一次性魔方求解器”。模型需要一次性寫出一個Python標準庫實現的魔方求解程序，並在300個亂序魔方上測試。報告稱Fugu和Fugu-Ultra都成功解出了全部魔方，其中Fugu-Ultra的平均步數更短，Fugu的運行速度更快。

另一個是“盲棋測試”。模型在看不到棋盤、沒有合法走法列表、沒有FEN的情況下，只根據歷史走法繼續下棋。這個實驗主要測試模型是否能長期維護內部狀態。報告展示的幾盤代表性對局中，Fugu戰勝了多個基線模型和限制強度的Stockfish。

還有一個是“線上股票交易”實驗。模型只能看到過去和當前的匿名市場資料，不能偷看未來價格，需要逐周做買入、持有或賣出決策。報告稱Fugu-Ultra在五次運行中取得了更高平均收益。

這些實驗未必可以直接代表模型的實際能力，但它們展示了Fugu想證明的一件事：編排模型可以處理好需要長期運行、策略調整以及多步驟執行的任務。

有網友使用Fugu-Ultra去處理了一些讓很多模型崩潰的問題，比如strawberry（草莓）中有幾個“r”、5.11比5.1大嗎以及經典洗車問題，他直呼把Fable找回來了。可以看到Fugu-Ultra在這三個問題上的回答都是正確的。

Sakana Fugu技術報告中最值得關注的，是它提出了一種模型研究的新路徑。

過去我們常問那個模型最強，而Sakana Fugu提出的新問題是如何讓多個尖端模型協同起來更強。

這會帶來幾個變化：第一，模型能力會變得更加模組化。新模型發佈後，可以直接加入worker池，成為某類任務的專家；第二，使用者控制權更強。企業或個人可以根據隱私、合規、成本、延遲、供應商偏好來配置模型池。第三，AI競爭可能從“單一模型能力”擴展到“系統組織能力”。誰更會調度模型、使用工具、設計工作流、整合反饋，誰就會擁有更強大的能力。

當然，技術報告中的測試結果來自於廠商，實際能力還要看真實開發者的使用體驗，其次，多模型編排會帶來更高成本和更高的延遲，特別是Fugu-Ultra這類深度協作模式。同時，多模型系統的錯誤歸因會更複雜，一旦最終答案出錯，很難分清是路由、worker模型還是綜合過程出錯。

此外，編排器模型本身也可能出現偏差，它如果錯誤判斷任務類型，或者過度依賴某個模型，就可能削弱整體表現。因此，Sakana Fugu的路線雖然很有潛力，但真正落地仍需要大量工程驗證。

04. 結語：入局大模型訓練的新方式

Sakana Fugu系列模型的發佈表明，AI的下一階段，可能不只是更大更強的單一模型，還有更會協作的模型系統。

如果說過去的大模型競爭是在培養“超級智能”，那麼Sakana Fugu的方向就是在訓練“超級指揮”讓模型專門去學習如何分工、協調、驗證以及綜合。在大模型領域被少數頂尖模型廠商統治的現在，這個只調度不執行的模型訓練方式，或許是當下入局大模型訓練的新方式。  (智東西)

6月22日，日本AI獨角獸Sakana AI發佈了Fugu——一個自己不回答問題、專門調度其他大模型的"總指揮"。

在SWE-Bench Pro、TerminalBench、LiveCodeBench等多個硬核基準測試中，Fugu Ultra的成績超越了GPT-5.5和Claude Opus 4.8，接近甚至持平Anthropic尚未公開的Fable 5和Mythos Preview。

而它的核心，只是一個7B參數的小模型。

傳統大模型的思路是"把一個模型做得更強"。Fugu的思路完全不同：讓一個輕量模型學會調度一群強模型。

Fugu本身不生成最終答案。它的工作流程是：

2判斷問題類型（程式碼/數學/推理/科學/多模態）

3從模型池中選擇最合適的worker模型

4設計任務拆分和agent間通訊策略

用Sakana AI的話說："Multi-Agent System, Delivered as One Model"——多智能體系統，以單一模型的形式交付。

•Fugu：日常版，平衡性能和延遲，適合程式碼審查、聊天機器人等場景

•Fugu Ultra：質量優先版，深度多Agent協作，適合Kaggle競賽、論文復現、安全分析等高難度任務

Fugu並非憑空而來，它建立在Sakana AI團隊在ICLR 2026上發表的兩篇論文之上。

核心idea：用強化學習（RL）訓練一個7B的"指揮家"模型，讓它自動發現LLM之間的最優協調策略。

•訓練方法：GRPO（Group Relative Policy Optimization）

•訓練資料：960個問題，覆蓋數學、程式碼、通用推理、科學四個領域

•訓練輪次：200次GRPO迭代，batch size 256，無KL正則化

Conductor的輸出格式很巧妙——它生成Python列表，定義每個workflow step的三個要素：

•該agent可以訪問那些前序步驟的結果

這意味著Conductor可以自由設計從簡單序列到複雜樹狀的任意workflow拓撲。

更有趣的是遞迴機制：Conductor可以把"自己"也作為worker呼叫，形成遞迴編排，實現一種新的test-time scaling。

核心idea：用進化演算法（CMA-ES）訓練一個約0.6B參數的輕量協調器，給LLM動態分配三種角色：

•Thinker（思考者）：負責分析和推理

•Worker（執行者）：負責具體任務執行

•Verifier（驗證者）：負責檢查和糾錯

TRINITY在LiveCodeBench上達到86.2%的成績。

兩篇論文的共同啟示：編排能力本身可以通過學習獲得，而不是靠人工設計workflow。

以下是Sakana AI官方公佈的資料：

基準測試FuguFugu UltraOpus 4.8Gemini 3.1 ProGPT 5.5SWE-Bench Pro59.073.769.254.258.6TerminalBench 2.180.282.174.670.378.2LiveCodeBench92.993.287.888.585.3GPQA-Diamond95.595.592.094.393.6Humanity's Last Exam47.250.049.844.441.4SciCode60.158.753.558.956.1

官方特別註明：Fable 5和Mythos Preview的分數取兩者中較高的那個，且兩者都不在Fugu的agent池中——因為它們不公開可用。

Fugu拿高分的方式跟傳統模型完全不同。它沒有訓練一個更強的基座去解題，而是學會了這道題該派交給誰、怎麼拆解、如何校驗，最終綜合得到的答案質量超過任何單一模型獨立作答。

Fugu的調度對象包括當前最強的一批閉源和開源模型：

閉源模型：GPT-5.5、Claude Opus 4.8、Gemini 3.1 Pro

開源模型（論文訓練時使用的）：DeepSeek-R1-Distill-Qwen-32B、Gemma3-27B-instruct、Qwen3-32B

關鍵特性：Fugu不需要訪問worker模型的權重，甚至不需要它們是開放原始碼的。新模型發佈後可以直接加入worker池，使用者可以根據成本、隱私、合規需求定製可用模型列表。

Fugu的調度策略也很聰明——不同任務會自動集中呼叫不同模型：

•GPQA Diamond → 主要呼叫Gemini 3.1 Pro

Sakana AI在官方部落格中特別強調了一個不太技術但很重要的點：繫結單一供應商的風險。

原文寫道："存取權可能會一夜消失"——暗指Anthropic模型近期被施加出口管制的事件。

Fugu的底層模型池完全可替換，一家斷供就換另一家。Sakana AI稱之為"AI主權的現實藍圖"。

這個定位在當前中美AI博弈、日本算力受限的背景下，頗有深意。

•Fugu Ultra：輸入$5/M tokens，輸出$30/M tokens（context超過272K時翻倍）

•Fugu：單agent時只收底層模型的標準費率；多agent時不疊加費用，按最高級模型的單一費率計費

先算一筆帳：一個複雜任務可能涉及5個workflow step，每步呼叫一個不同的大模型。假設每個step都用GPT-5.5或Opus 4.8這種頂級模型，實際token消耗是單一模型的數倍。

Sakana AI說不疊加費用，按最高級模型單一費率計費——這說明他們自己也知道多模型呼叫的成本問題，在用定價策略補貼。

那它憑什麼談降低成本？它的邏輯不是總成本更低，而是三件事：

1同等質量下更便宜——用小模型編排+中等模型執行，可能比直接用最貴模型反覆試錯便宜

2避免浪費——簡單任務不派大模型，只在需要時才呼叫頂級模型

3減少人工成本——一次編排成功 vs 人工反覆偵錯prompt和workflow

但這些都是理論上的。Fugu Ultra定價$30/M output tokens，比GPT-5.5還貴——說明Sakana AI自己也認為這個服務值premium價格。

本質上Fugu賣的不是便宜，而是同樣的錢得到更好的結果。就像請一個項目經理指揮5個專家幹活，總成本肯定比一個專家高，但如果產出質量顯著提升，ROI可能更划算。

不過真實成本效益，還得等大量使用者實際使用後才能驗證。

除了跑分，Sakana AI還展示了幾個有趣的實驗：

一次性魔方求解器：Fugu和Fugu Ultra都成功解出了全部300個亂序魔方，Fugu Ultra平均步數更短（19.72步 vs 基線模型的19.76步），Fugu運行速度更快。

盲棋測試：在看不到棋盤、沒有FEN、只憑歷史走法記憶的情況下，Fugu連續擊敗4個對手，包括3個前沿模型和2100 Elo的Stockfish。

線上股票交易：在50周的歷史資料上做逐周買賣決策，Fugu Ultra平均收益+19.43%，其他前沿模型均不到+15%。

AutoResearch實驗：讓AI agent自主最佳化一個小GPT的訓練程式碼，Fugu Ultra在單張H100上跑了123次實驗、14小時，最終BPB（0.9774）優於所有基線模型。

Sakana Fugu提出的不只是一個新產品，而是一種新的範式：

現在的問題：怎麼讓多個模型協同起來更強？

1模型能力模組化：新模型發佈後直接加入worker池，成為某類任務的專家

2使用者控制權增強：企業可以根據隱私、合規、成本、延遲來配置模型池

3競爭維度擴展：從"單一模型能力"擴展到"系統組織能力"——誰更會調度模型、設計工作流、整合反饋

•多模型編排帶來更高成本和延遲

•錯誤歸因更複雜——出錯了很難分清是路由、worker還是綜合過程的問題

•編排器本身可能產生偏差，過度依賴某個模型

•技術報告中的測試來自廠商，實際能力還需要真實開發者的驗證

但無論如何，7B小模型通過學習編排策略，在多個基準上超越了百倍參數量的單一模型——這件事本身就很值得思考。

AI的下一階段，可能不只是更大更強的模型，還有更會協作的系統。 (覓血兵城)

由來自美國Google的著名AI研究者們2023年7月在日本成立的新興企業Sakana AI最早將在本月內籌集約200億日元的資金，企業價值將因此超過11億美元。Sakana AI採取了自主策略，通過結合小規模的AI，高效實現高智能……

日本經濟新聞（中文版：日經中文網）獲悉，由來自美國Google的著名人工智慧（AI）研究者們在日本成立的新興企業Sakana AI（東京港區）最早將在本月內籌集約200億日元的資金。該公司的企業價值將因此超過11億美元（約1700億日元），自2023年7月創立以來不到一年就將成為獨角獸（企業價值超過10億美元的未上市企業）。

估計這是日本國內企業中最快成為獨角獸的企業。隨著生成AI市場的擴大，具有實力的初創企業不斷誕生的勢頭也擴大到了日本。

Sakana AI正在就從美國知名風險投資公司New Enterprise Associates(NEA)、Khosla Ventures及Lux Capital籌集共計1.25億美元的事宜進行調整。

Sakana AI是由來自Google的知名研究者David Ha、Llion Jones以及曾在日本外務省任職並擔任過日本二手交易平台Mercari執行董事的伊藤錬在日本創立。2024年1月，該公司宣佈已從Khosla Ventures等公司、NTT集團以及索尼集團共計籌集約45億日元。

目前生成AI的開發由Google及"Chat GPT"的開發企業OpenAI等美國科技公司主導。這些企業投入巨額資金，開發高性能、大規模的AI，不斷提高處理語言的能力等。

Sakana AI採取了自主策略，通過結合小規模的AI，高效實現高智能。該公司在3月發佈了模仿生物進化機制、結合多個AI來生成高級AI的技術。有望開發出降低成本和電力消耗的出色AI，因此受到全球投資者的高度關注。

生成AI以2022年Chat GPT發佈為契機，在全球迅速普及。風險投資公司等的資金正在向生成AI領域集中。據美國CB Insights介紹，OpenAI的估值截至2月達到了800億美元。 (日經中文網)

彙整鉅亨號中所有使用「Sakana AI」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

又一大模型發佈！號稱比肩Fable 5和Mythos

7B小模型指揮GPT-5.5和Opus 4.8幹活，Sakana AI的Fugu憑什麼？

日本將誕生最快增長獨角獸，設立不到1年