日本Sakana AI正式推出Fugu多智能体编排系统

当大模型领域还在拼命堆参数、拼算力的时候，日本AI独角兽Sakana AI给出了一个完全不同的答案。他们最新发布的多智能体编排系统Sakana Fugu，核心思路不是造一个更大的单体模型，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，像一个智能总指挥一样，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。这种思路，在部分工程、科学与推理基准测试中，性能甚至超越了Anthropic的顶级模型Fable 5，可以说为AI产业开辟了一条“编排优先”的新路。

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，它先判断这个任务属于什么类型，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。这个设计彻底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。

这次发布的Fugu系列有两个版本，定位很清楚：

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。

这套系统还有一个很有意思的优势——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。即便某款模型因为访问限制用不了，也能快速切换到其他替代模型，保证服务不中断。从技术层面规避了单一供应商断供的风险，这也正是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。

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。