Sakana AI 发布了一套全新的多智能体编排系统——Sakana Fugu。它的核心思路不是造更大的单体模型，而是“谁擅长什么就让谁干”。通过一个 70亿参数的RL调度模型，系统像智能总指挥一样，精准识别用户请求的任务类型，然后从模型池里挑出最合适的模型来承接子任务，最后整合输出。

在部分工程、科学与推理基准测试中，这种思路的性能甚至超越了 Anthropic 的顶级模型 Fable 5。这为 AI 产业开辟了一条“编排优先”的新路。

Fugu：调度中枢，而非巨型模型

简单来说，Fugu 本身不是那种什么都管的巨型大模型，它更像一个调度中枢。用户扔过来一个问题，它先判断任务类型，然后从前沿模型池里找出最匹配的模型去完成子任务，最后把多个模型的输出整合成最终结果。

这个设计打破了单一模型的能力天花板。不同模型各有所长，组合起来输出的质量，往往比任何单一模型单独干都要好。

两个版本，定位清晰

本次发布的 Fugu 系列有两个版本：

1. 平衡版 Fugu：主打性能与延迟的平衡。通过轻量化快速选择机制，快速匹配最合适的模型。既保证输出质量，又把响应时间压到最短，适合日常高频的通用场景。
2. Fugu Ultra：专门对付高难度复杂任务。它会自动生成完整的多智能体工作流，从任务拆解、子任务分配、上下文共享到答案合成，全部包办。在工程、科学、推理维度的8项基准测试中，性能已经达到甚至超过了 Fable 5 和 Mythos Preview 的水平。

供应链韧性与实际应用

这套系统还有一个优势——供应链韧性。它完全不绑定某一家厂商的模型资源，底层模型池支持灵活替换。即便某款模型因访问限制用不了，也能快速切换到其他替代模型，保证服务不中断。

从技术层面，它规避了单一供应商断供的风险。这正是 Sakana AI 一直强调的“AI主权”落地的具体体现。目前 Fugu 已经在软件代码评审、安全诊断、数据分析等实际工业场景跑过了，实测效率远超传统单一模型的工作模式。

未来规划与体验

按照官方规划，Fugu 的模型池会持续迭代更新。后续新发布的前沿 AI 模型可以直接接入调度体系，不需要重新训练核心编排模块，就能让整个系统持续升级。

目前，用户已经可以通过官方开放的单一 API 接口，直接体验这套多智能体编排系统的完整能力。

《夸克》非常好用的免费AI浏览器

下载APP查看