De Tokyo-startup Sakana AI heeft Fugu gelanceerd, een systeem dat een verwisselbare pool van taalmodellen dirigeert als rivaal voor Anthropic's beperkte Fable- en Mythos-modellen.
Belangrijkste punten:
- Fugu van Sakana AI draait als één model, maar coördineert een pool van andere systemen achter één enkele API.
- Fugu Ultra scoorde 73,7 op de SWE-Bench Pro-codingtest en versloeg daarmee verschillende frontier-rivalen.
- Het ontwerp wordt gepresenteerd als een hedge tegen de exportcontroles die Fable en Mythos hebben afgesloten.
Sakana Fugu orkestreert modellen
Het lab in Tokio rolde Fugu en een zwaardere Fugu Ultra-laag uit op 22 juni, beide bereikbaar via één OpenAI-compatibel endpoint, zo bevestigde het. Afhankelijk van het verzoek beantwoordt het een taak alleen of zet het een team van andere systemen in.
Het model voert vervolgens zelf de controles en de synthese uit.
Fugu is zelf een taalmodel.
Het is getraind om agents uit een verwisselbare pool aan te roepen en kan zelfs kopieën van zichzelf oproepen wanneer één klus meer handen nodig heeft dan één model kan leveren. De basistier richt zich op lage latentie voor dagelijks coderen, chatten en tools zoals Codex, en laat teams specifieke agents schrappen om aan privacyregels te voldoen. Fugu Ultra mikt daarentegen op de hoogste antwoordkwaliteit bij lange problemen zoals paperreproductie en security-analyses, die een groep van ongeveer 500 bètagebruikers de afgelopen weken heeft getest.
Ook lezen: Is de Anthropic-perp-sell-off een waarschuwing voor pre-IPO-cryptobets?
Mollick en Levie wegen in
Benchmarkcijfers die het bedrijf publiceerde zetten Fugu Ultra op 73,7 op de SWE-Bench Pro-codingtest, voor Opus 4.8, Gemini 3.1 Pro en GPT-5.5 in dezelfde run.
Het bedrijf zegt dat die scores op één lijn liggen met Fable 5 en Mythos Preview, en zijn eigen tabel laat zien dat de orkestrator in 10 van de 11 gepubliceerde rijen bovenaan eindigt.
Niet elke tester was overtuigd. AI-onderzoeker Ethan Mollick schreef dat Fugu Ultra „ongelooflijk traag” draaide, met routinematige codingtests die tot 30 minuten aansleepten en output die Fable in praktisch gebruik niet bijhield. Box-topman Aaron Levie klonk positiever en noemde de single-API-routering van elke taak naar het best passende model een stap vooruit voor hoe toegepaste AI wordt gebouwd.
Anderen wezen op de prijs, omdat de orkestratie de tokenkosten vele malen hoger kan opstapelen dan het direct aanroepen van een enkel frontier-model voor een vergelijkbare taak. Sakana presenteert het gepoolde ontwerp als verzekering tegen het wegvallen van een provider, en wijst op de nieuwe exportbeperkingen voor Fable en Mythos als het soort schok dat de toegang van de ene op de andere dag kan afsnijden.
De oorsprong van Sakana AI
Sakana AI kreeg vorm in 2023 onder leiding van Llion Jones, coauteur van Google’s paper „Attention Is All You Need”. David Ha, ooit onderzoeksleider bij Stability AI, voegde zich bij hem als medeoprichter. Het lab bouwde zijn naam op evolutionaire modelmerging en de AI Scientist-lijn van geautomatiseerd onderzoek, en stelt al langer dat gecoördineerde pools van modellen elk enkel systeem kunnen overtreffen bij de moeilijkste, langstlopende klussen.
Lees hierna: Mane City Mobile landt op iOS en Android in meer dan 100 landen