De Tokyo-startup Sakana AI heeft Fugu gelanceerd, een systeem dat een verwisselbare pool van taalmodellen orkestreert om te concurreren met de beperkte Fable- en Mythos-modellen van Anthropic.
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 meerdere 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 Tokyo rolde op 22 juni Fugu en een zwaardere Fugu Ultra-laag uit, beide bereikbaar via één OpenAI-compatibel endpoint, zo bevestigde het. Afhankelijk van het verzoek beantwoordt het een taak alleen of trekt het een team van andere systemen samen.
Het model voert daarna 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 enkele klus meer handen vraagt dan één model kan leveren. De basismodule richt zich op lage latentie voor dagelijks coderen, chat en tools zoals Codex, en laat teams specifieke agents uitschakelen om aan privacyregels te voldoen. Fugu Ultra jaagt in plaats daarvan op de hoogste antwoordkwaliteit bij lange problemen zoals paper-reproductie en beveiligingsanalyse, die een groep van ongeveer 500 bèta-gebruikers 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 plaatsen Fugu Ultra op 73,7 op de SWE-Bench Pro-codingtest, vóór Opus 4.8, Gemini 3.1 Pro en GPT-5.5 in dezelfde run.
Het bedrijf zegt dat die scores op hetzelfde niveau liggen als Fable 5 en Mythos Preview, en de 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 30 minuten aansleepten en output die in praktijkgebruik achterbleef bij Fable. Box-topman Aaron Levie klonk positiever en noemde het routeren van elke taak via één API naar het meest geschikte 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 een verzekering tegen het wegvallen van een aanbieder, en wijst op de nieuwe exportbeperkingen op Fable en Mythos als het soort schok dat de toegang van de ene op de andere dag kan doorsnijden.
De Oorsprong Van Sakana AI
Sakana AI ontstond in 2023 onder leiding van Llion Jones, een 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 model-merge-technieken en de AI Scientist-lijn voor geautomatiseerd onderzoek, en betoogt al langer dat gecoördineerde pools van modellen elk enkel systeem kunnen overtreffen bij het moeilijkste, langstlopende werk.
Lees Hierna: Mane City Mobile Verschijnt Op iOS En Android In Meer Dan 100 Landen