人工智慧的新策略
東京——2026 年 6 月 22 日，Sakana AI 發表 Fugu 多代理協調服務，向科技業提出一個引人深思的問題：人工智慧要再往前邁進，是否非得打造更大型的單體模型不可？還是只要更小巧、更聰明的系統知道該向誰請教，就能達到相近成果？Fugu 取名自日文「河豚」，展現這家東京新創公司押注後者的策略。這個平台對外運作時就像單一模型，內部則協調一組專精於不同領域的前沿人工智慧系統，共同解決複雜任務。
這項發表正值生成式 AI 企業應用的關鍵轉折點。多年來，產業進展主要以參數數量、訓練運算量，以及打造更大型基礎模型的競賽來衡量。OpenAI、Anthropic、Google 等業者採行這套擴大規模的策略，成果斐然，打造出能通過律師資格考試、撰寫複雜程式碼並進行長篇推理的系統。然而，能力集中在少數美國業者手中，也帶來新的脆弱性。出口管制、企業政策轉變或地緣政治爭端，都可能讓最強大的模型一夕之間無法使用，使國際企業暴露於風險之中。
Sakana AI 提出以集體智慧為核心的替代架構。該公司沒有試圖透過訓練兆級參數的龐然模型來追上前沿實驗室，而是打造了一個估計約有 70 億參數的精簡協調器，負責統籌分工。使用者透過相容於 OpenAI 標準的 Fugu API 提出要求後，系統會分析任務，選擇直接作答，或組成專家模型團隊處理特定子任務，再檢查各模型的輸出並整合成一致的回覆。對開發者來說，使用體驗就像呼叫單一大型語言模型；但在背後，可能是整個代理團隊共同完成答案。
推出時機再精準不過。6 月稍早，Anthropic 在美國政府下達出口管制令後，突然撤銷 Claude Mythos 5 與 Claude Fable 5 模型的公開存取權限。此舉在開發者社群引發震盪，尤其衝擊已將工作流程建構在這些系統上的國際客戶。Sakana AI 明確指出，這類中斷正是設計 Fugu 的動機，並將這項服務定位為降低對單一供應商依賴的避險方案，也是邁向該公司所稱「AI 主權」的一步。
Sakana AI 於 2023 年由前 Google Brain 研究員 David Ha，以及 2017 年經典論文《Attention Is All You Need》的共同作者 Llion Jones 創立，已吸引大量關注與資金。公開資訊顯示，日本大型銀行與晶片大廠 Nvidia 曾參與一輪估值約 300 億日圓的募資，為這家新創公司提供資源，得以與規模大得多的競爭者較量。透過 Fugu，該公司希望證明，日本創新無須複製前沿模型的發展模式，也能藉由重新構想現有能力的組合方式，挑戰這套典範。
協調引擎的運作方式
要了解 Fugu，必須看透簡單 API 的表象。系統收到提示詞後，會將其傳送給中央模型；Sakana AI 稱這個模型為強化學習指揮者。多數情況下，指揮者不會自行產生最終答案，而是像工地領班一樣，動態分析任務類型，再將工作分派給可替換模型池中最合適的代理。模型池包括 OpenAI、Anthropic 與 Google 等業者的第三方前沿模型，也包含 Fugu 本身的遞迴執行個體，用於多層推理。
這套運作方式的理論基礎，來自 2026 年國際學習表徵會議（ICLR）發表的兩篇研究論文：《Trinity: An Evolved LLM Coordinator》與《Learning to Orchestrate Agents in Natural Language with the Conductor》。Trinity 提出一種演化運算架構，中央協調器能即時建立並修改代理結構，依任務需求賦予代理「思考者」、「工作者」或「驗證者」等角色。思考者分析需求，工作者執行特定運算，驗證者則檢查輸出的一致性與準確性。
Conductor 則進一步運用深度強化學習，訓練協調器掌握以自然語言分派工作的技巧。經過大量訓練後，小型中央模型會學會何時該委派、何時該直接回答、代理之間應如何溝通，以及如何將不同的輸出整合成連貫的成果。最終形成的不是預先設定好的工作流程，而是能透過經驗自行摸索協調策略的適應性系統。這項差異至關重要，因為 Fugu 因而能處理設計者可能未曾明確預料的新型任務，而不受限於僵化的既定流程。
從工程角度來看，Fugu 最引人注目之處之一是其遞迴能力。協調器可以把子任務再派回自身，為需要深入分析的問題建立多層推理鏈。這表示，這個 70 億參數的協調器無須具備前沿基礎模型中數千億參數所承載的百科全書式知識，也能管理任意複雜度的工作流程。它以更出色的組織智慧彌補規模較小的不足，挑戰了「模型愈大就一定愈好」的主流假設。
基準測試與 Beta 測試
Sakana AI 在推出 Fugu 時，也公布了一系列大膽的效能主張。在廣受推崇的 SWE-Bench Pro 基準測試中，這項測試評估 AI 系統在實際軟體程式庫中找出並修正錯誤的能力，據稱 Fugu Ultra 得分為 73.7。根據該公司公布的評測，這項成績高於 Claude 4.8 Opus 的 69.2 與 GPT-5.5 的 58.6。其他公布的分數包括：專為避免單靠網路搜尋就能作答而設計的研究所程度問答測試 GPQA-Diamond 得分 95.5；LiveCodeBench 得分 93.2；評估系統管理能力的 TerminalBench 2.1 得分 82.1；以及以難度極高著稱的推理測試 Humanity's Last Exam 得分 50.0。
這些數據目前仍缺乏充分的獨立驗證，而 AI 產業中，基準測試結果難以在實際環境重現的情況並不少見。測試條件、提示工程技巧以及允許嘗試的次數，都可能影響分數。即便如此，該公司公布的測試涵蓋多個領域，顯示這套協調方法至少能與單體前沿模型一較高下，在部分領域甚至可能表現更好。
與基準測試相比，近 500 名 Beta 測試者的回饋或許更具參考價值。這些使用者在一段較長的預覽期間內，測試了 Fugu 處理冗長複雜工作流程的能力。在軟體開發方面，參與者表示 Fugu Ultra 在程式碼審查時格外仔細。一名參與 Beta 測試的工程師告訴 Sakana AI，一般基礎模型通常只會在特定程式碼庫中標出約三個問題，Fugu 卻找出二十多項，並提供詳細說明與修正步驟。
就程式碼審查而言，Fugu Ultra 比 GPT-5.5 更好。它的回答完整，也能找出其他模型漏掉的錯誤。現在我所有的程式碼審查都會交給它處理。
除了程式設計之外，資安團隊也使用 Fugu Ultra 自動執行完整的滲透測試流程。操作人員先界定範圍，協調引擎便會執行偵察、測試跨網站指令碼（XSS）與 SQL 注入漏洞、檢查驗證機制，最後彙整報告，附上證據與明確的複測程序。Beta 測試者證實，系統會嚴格遵守操作限制，在維持測試完整性的同時避免破壞性操作。企業主管也特別肯定其角色穩定性，指出 Fugu 在長時間工作階段中能維持一致的身分與專注度；其他模型則往往會出現上下文衰退。
兩種級別，共用一組 API
Sakana AI 透過兩種服務級別銷售 Fugu，兩者皆可透過同一個相容於 OpenAI 標準的 API 端點存取。標準版 Fugu 專為低延遲的正式環境任務最佳化，例如互動式聊天機器人、即時程式碼輔助，以及 Codex 等程式碼審查工具。它在效能與速度之間取得平衡，適合使用者期待幾乎即時回覆的應用。對於受嚴格資料治理或隱私法規約束的組織，標準級別允許手動將特定底層代理排除在路由模型池之外。藉此，合規團隊可以避免敏感資料傳送給特定第三方供應商，同時不必完全放棄協調架構。
Fugu Ultra 則定位為高階級別，專為需要多步驟深入推理的複雜艱鉅任務，提供最高品質的答案。適用任務包括重現學術論文、專利調查、進階資料科學工作流程，以及全面的資安稽核。Ultra 會協調規模更大且固定的專家代理池，因此不提供排除代理的功能。取捨是延遲較高、令牌用量也較大；但 Sakana AI 認為，對攸關重大任務而言，準確度提升足以抵銷成本。這個級別目前的模型識別碼為 fugu-ultra-20260615。
定價反映了兩款產品的差異。Fugu Ultra 每百萬輸入令牌收費 5 美元，每百萬輸出令牌收費 30 美元；上下文長度超過 272,000 個令牌時，費率加倍。訂閱方案月費介於 20 至 200 美元，Sakana AI 為 2026 年 7 月底前加入的訂閱者，提供所選級別的第二個月免費優惠。每次請求的令牌用量與相關費用都會逐筆回報，讓財務與工程團隊能即時監控支出。值得注意的是，該服務目前尚未在歐盟或歐洲經濟區提供；公司正努力讓營運符合《一般資料保護規則》（GDPR），這項缺口限制了平台推出初期的全球觸及範圍。
模型路由的地緣政治
Fugu 的商業訴求不只關乎技術架構，也延伸至地緣政治風險管理。現代 AI 供應鏈高度集中。少數美國公司掌握最強大基礎模型的存取權，而這些公司的決策也愈來愈受到政府監督。2026 年 6 月，美國對 Anthropic 的 Fable 與 Mythos 模型實施出口管制，這起事件提醒美國以外的企業：若將關鍵工作流程建立在單一供應商之上，便可能面臨風險。存取權一夕消失，採購團隊也無法立即找到替代方案。
Sakana AI 將 Fugu 定位為防範這類情況的保險。該公司主張，協調器能動態改用其他供應商，避開無法使用或受到限制的服務，讓客戶在不犧牲能力的情況下提升韌性。若 Anthropic 模型無法存取，Fugu 就會將工作轉交給 OpenAI、Google 或公開可用的替代模型。若有新模型上市並擅長特定任務，Sakana AI 表示可以將其納入模型池，客戶不必為了新 API 重寫應用程式。相較於科技圈目前流傳的許多抽象政策討論，這種可替換架構更具體地展現了 AI 主權。
對日本企業與政府機構而言，這套說法格外具有共鳴。日本已將本土 AI 能力列為戰略優先事項，完全倚賴美國前沿技術堆疊，既有經濟考量，也涉及國家安全疑慮。由東京業者提供在地支援、區域資料處理選項與不同的技術理念，對希望分散科技投資組合的買家而言，具有吸引力。Sakana AI 的投資人包括日本主要金融機構，也進一步強化了這項定位。
然而，仍有理由保持懷疑。Fugu 的代理池仍高度依賴它聲稱要繞開的美國科技巨頭。若 GPT、Claude 與 Gemini 的 API 存取權完全遭切斷，系統就無法提供前沿水準的成果。真正的獨立性需要建立健全的本土或公開可用模型生態系，並具備與這些系統匹敵的能力；但目前這樣的生態系尚未形成足夠規模。批評者也指出，Fugu 是專有商業服務，而非開放架構，客戶不過是從依賴一家供應商，轉為依賴另一家，只是後者採用不同的商業模式。
這次推出對 AI 發展的意義
如果 Fugu 的效能主張經得起外部長期檢驗，對人工智慧研究的影響可能相當深遠。近十年來，這個領域大多奉行規模擴張假說：更多參數、更多資料與更多運算資源，能帶來更好的成果。這套理念打造出確實令人印象深刻的系統，但也抬高了進入門檻，只有最富有的企業與政府才有能力參與。訓練前沿基礎模型動輒耗資數億美元，還需要可能受到出口限制的專用硬體。
Fugu 指向另一條道路。它顯示，專為協調而非百科知識訓練的相對小型模型，只要能善用現有資源，也能發揮超出規模的實力。這使競爭重心從純粹的訓練能力，轉向架構創新與協調效率。從理論上來說，只要設計出得宜的路由器，預算遠低於從零開始訓練 GPT 級模型的組織，也能打造高效能 AI，讓取得高效能 AI 的門檻降低。
研究社群長期以來持續探索多代理系統與混合專家模型，而 Fugu 則是首批受到矚目的商業實作之一，並將自身定位為單體前沿模型的直接替代方案。它的成敗很可能影響創投資金與企業研究經費的流向，促使資源投入協調與統籌技術，而非一味擴大基礎模型規模。目前的 Beta 測試回饋已顯示，某些企業工作流程，尤其是程式碼審查與資安稽核等需要長時間執行的任務，可能更適合交由分散式系統處理，而非只呼叫一次模型。
當然，這種做法也有取捨。複雜的多代理推理步驟可能增加延遲，使 Fugu 不適合需要毫秒級回應的應用。高強度任務也會消耗大量運算額度，而路由邏輯不透明，代表使用者不一定知道是哪個底層模型處理資料，增加了受監管產業的合規難度。Sakana AI 承認這些限制，同時主張，對許多分析與工程工作而言，效益仍大於成本。
重點整理
- Sakana AI 推出 Fugu 多代理協調服務，透過單一相容於 OpenAI 標準的 API，將任務分派至可替換的前沿 AI 模型池。
- 系統採用約 70 億參數的精簡協調器，而非龐大的單體基礎模型，並以 Sakana AI 的 Trinity 與 Conductor 研究論文為基礎。
- Fugu Ultra 宣稱在 SWE-Bench Pro、GPQA-Diamond、LiveCodeBench 等基準測試中，能與 GPT-5.5、Claude Opus 4.8 等領先系統競爭。
- 服務分為兩種級別：標準版 Fugu 適用於低延遲的正式環境任務，並提供手動排除模型的合規控制；Fugu Ultra 則用於複雜推理，採用更深入且固定的代理池。
- 這項服務鎖定希望降低供應商鎖定與出口管制中斷風險的企業，但仍依賴美國前沿模型 API。
- 除歐盟與歐洲經濟區外，Fugu 全球皆可使用；該區域仍待完成 GDPR 合規。Fugu Ultra 每百萬輸入令牌起價 5 美元，每百萬輸出令牌 30 美元。
