Sakana Fugu: jeden model, który dyryguje resztą

Japońska Sakana AI wypuściła Fugu, model, który zamiast liczyć wszystko sam, dobiera i dyryguje innymi modelami. Z zewnątrz wygląda jak jeden model za jednym API, w środku to system, który dla każdego zadania sam składa zespół wyspecjalizowanych agentów. Pomysł jest na tyle świeży, że warto się przy nim zatrzymać.

Na czym polega orkiestracja

Zwykły model dostaje pytanie i sam generuje odpowiedź. Fugu działa inaczej. Według Sakany to „system wieloagentowy, który zachowuje się jak jeden model“: dynamicznie dobiera najlepsze dostępne modele do konkretnego, wieloetapowego zadania i koordynuje ich pracę. Ty widzisz jedno wejście i jedno wyjście, a decyzja „który model do czego“ dzieje się pod maską.

Premiera przypadła na 22 czerwca 2026. Sakana wiąże Fugu ze swoimi pracami badawczymi nad uczoną orkiestracją modeli, opisanymi w dwóch artykułach na konferencję ICLR 2026, TRINITY i Conductor. Zamiast ręcznie projektowanych przepływów pracy system uczy się sam składać i kierować ekspertów pod dane zadanie.

Dwie wersje, dwa zastosowania

Fugu przychodzi w dwóch wariantach. Zwykłe Fugu stawia na równowagę: przyzwoita jakość przy niskim opóźnieniu, do codziennej roboty. Fugu Ultra jest strojone pod maksymalną jakość na trudnych, wieloetapowych problemach. Sakana twierdzi, że Ultra „staje w szranki z czołowymi modelami, takimi jak Fable 5 i Mythos Preview“ na benchmarkach inżynierskich, naukowych i rozumowania. W relacjach z premiery pojawił się między innymi wynik rzędu 73,7 na SWE-Bench Pro dla Fugu Ultra, z przewagą nad kilkoma znanymi modelami.

Do liczb z materiałów producenta podchodź jak zwykle: to punkt startu do własnego testu, a nie wyrok. Zwłaszcza przy modelu, który sam dobiera inne modele, realny wynik zależy od tego, do jakiego zadania go zaprzęgniesz.

Co to znaczy dla vibe codera

Dla osoby budującej aplikacje z pomocą AI orkiestracja rozwiązuje realny problem: zmęczenie wyborem modelu. Zamiast zastanawiać się, czy do danego zadania lepszy będzie tani model do prostej roboty, czy drogi do trudnego rozumowania, oddajesz tę decyzję systemowi. Fugu wystawia interfejs zgodny z API OpenAI, więc w wielu narzędziach podłączysz go w miejsce dotychczasowego modelu bez przepisywania integracji.

Jest i druga strona. Kiedy to system decyduje, który model odpowiada, tracisz część kontroli i przewidywalności kosztu. Trudniej z góry powiedzieć, ile tokenów i za ile pochłonie dane zapytanie, skoro pod spodem może odpalić się jeden model albo kilka. Przy budżetowaniu warto to przetestować na własnym ruchu.

Cennik i dostępność

Sakana oferuje abonamenty do codziennego użytku oraz plan pay-as-you-go dla cięższych i firmowych obciążeń, z dostępem do obu wersji. Konkretnych stawek w złotówkach nie podajemy, bo w materiałach premiery ceny za milion tokenów nie były jednoznacznie rozpisane, a nie chcemy zgadywać. Warto też sprawdzić dostępność w swoim regionie, bo część relacji wskazuje na ograniczenia w Unii Europejskiej związane z RODO. Gdy poznamy twarde stawki, przeliczymy je na złotówki.

Orkiestracja kontra pojedynczy model

Warto zestawić dwa podejścia wprost. Pojedynczy model jest przewidywalny: znasz jego mocne strony, cenę za milion tokenów i mniej więcej wiesz, czego się spodziewać. Wadą jest to, że żaden model nie jest najlepszy do wszystkiego, więc albo godzisz się na kompromis, albo sam przełączasz modele między zadaniami. Orkiestracja odwraca ten układ. Zyskujesz „najlepszy dostępny do tego kroku“ bez ręcznego żonglowania, a płacisz za to mniejszą przejrzystością tego, co dzieje się pod spodem.

Dla prostych, powtarzalnych zadań ta warstwa pośrednia bywa zbędna, a nawet dokłada opóźnienia i koszt. Swój sens pokazuje przy zadaniach naprawdę złożonych, wieloetapowych, gdzie różne fragmenty problemu wołają o różne kompetencje. To dlatego Sakana rozdzieliła zwykłe Fugu (szybkie, do codziennej roboty) od wersji Ultra (pod trudne przypadki). Wybór wariantu to w praktyce wybór, ile jakości chcesz kupić kosztem prędkości i ceny.

Czego jeszcze nie wiemy

Kilka rzeczy trzeba sprawdzić w boju, zanim padnie werdykt. Po pierwsze, jak orkiestracja radzi sobie z powtarzalnością wyniku, skoro dobór modeli jest dynamiczny. Po drugie, jak wygląda realny koszt i opóźnienie w porównaniu z sięgnięciem wprost po jeden mocny model. Po trzecie, na ile wygodnie podłącza się to do popularnych narzędzi do kodowania. Interfejs zgodny z API OpenAI dobrze wróży, ale dopiero test na realnym projekcie pokaże, czy warstwa orkiestracji pomaga, czy przeszkadza.

Werdykt na dziś

Fugu to inny sposób myślenia o modelach: nie „który model jest najlepszy“, tylko „który złożyć do tego zadania“. Dla kogoś, kto nie chce ręcznie żonglować modelami, brzmi to wygodnie. Dla kogoś, kto pilnuje każdej złotówki i chce pełnej kontroli, dochodzi znak zapytania przy przewidywalności kosztu. To ciekawy trend obok premier pojedynczych modeli, takich jak GLM-5.2. Gdy tylko będą dostępne stabilne ceny i szersze testy, wrócimy do Fugu z konkretami. Do porównania kosztów różnych modeli na własnym wolumenie zajrzyj do kalkulatora kosztów API.