Sakana Fugu深度解析：7B小模型如何编排出顶级性能

📰 本文选自 自游人今日AI科技日报

一个小模型凭什么叫板Fable 5

2026年6月22日，东京创业公司Sakana AI发布了Fugu——一个多智能体编排系统。跑分数据相当炸裂：LiveCodeBench 93.2分（Fable 5是89.8分），GPQA Diamond 95.5分（Mythos Preview是94.6分）[^1]。

更反直觉的是：Fugu的核心不是一个千亿参数的庞然大物，而是一个只有7B参数的RL Conductor。它的工作不是自己解题，而是决定"这道题该让谁来做"[^2]。

Sakana AI把这种思路总结为一句话：AI产业的下一个前沿不是造更大的模型，而是模型编排——在一系列任务中自动选择最适合当前需求的模型。

模型路由器：Fugu的架构原理

Fugu本质上是一个"模型路由器"——它本身是一个语言模型，接收用户请求后，分析任务类型，然后从后台的模型池中调度最合适的模型执行，最后把结果封装成单一API返回[^3]。

这个模型池包括Sakana自研的闭源模型和多种开源模型。用户不需要关心底层用了谁，只通过一个API接口调用——对开发者而言，它看起来就是一个普通的LLM服务。

Fugu提供两种版本[^4]：

• Fugu（平衡型）：侧重低延迟优化，适合常规开发场景
• Fugu Ultra：面向复杂推理和严苛工程任务，调用更强的后台模型组合

定价方面：Fugu Pro 100/月**订阅制，**Fugu Ultra按量计费5/百万输入token[^3]。相比直接买多个顶级模型的API，这个价格有一定竞争力——尤其是在你需要频繁在不同任务类型之间切换时。

Fugu vs Fugu Ultra：该怎么选

两者不是简单的"更好还是更便宜"的关系，而是适用于不同场景：

选Fugu（平衡型）的情况：

• 日常代码补全和简单调试
• 需要低延迟响应的聊天场景
• 预算敏感的中小型项目

选Fugu Ultra的情况：

• 复杂算法设计和数学证明
• 科学推理任务（GPQA Diamond级别的题目）
• 需要顶级代码能力的工程竞赛场景
• 大规模代码库重构（SWE-bench Pro级别的任务）

本质区别在于：Fugu Ultra会调度性能更强的后台模型组合来处理复杂问题，代价是更高的延迟和成本。而Fugu在保证基本质量的前提下，优先选择响应快的模型路径。

出口管制背景下的供应链意义

这篇文章里不能绕过的一个话题是：Sakana AI为什么强调Fugu的"供应商独立性"。

Anthropic近几个月的供应链波动让行业看到了单模型依赖的风险。Fugu的设计哲学——把多个模型封装在单一API后面——恰好提供了一种对冲方案。单个模型不可用（不管是技术故障、政策限制还是商业策略变动），不会让整个服务瘫痪[^3]。

这对两类用户尤其有意义：

1. 需要模型多样性的企业

金融、法律、医疗等受监管行业，往往需要针对不同任务选用不同模型（有些模型在特定领域经过了专门的微调或评估）。Fugu的编排层可以自动化这个过程。

2. 地缘政治敏感区域的开发者

某些地区可能对特定国家的AI模型访问受限。Fugu可以无缝切换到可用模型池中的替代方案。

当然，这也带来一个反向风险：你的业务逻辑依赖Fugu，而Fugu挂了。所以如果真要深度使用，建议关注Sakana AI作为26亿美元估值创业公司的财务稳定性[^1]——创业公司跑路和模型被禁一样可怕。

企业切换指南

如果你在考虑把部分工作负载迁移到Fugu，以下是一个务实的路线图：

第一步：评估现有工作负载

列出你当前调用了哪些模型、各占多少token量。标记出那些"不依赖特定模型的特殊能力，只要基本推理质量"的任务——这些是迁移收益最高的部分。

第二步：小范围A/B测试

在一个非核心模块上用Fugu替代现有模型API（Fugu兼容OpenAI格式，迁移成本很低[^4]），跑一周，对比延迟、成本、输出质量。

第三步：监控三类指标

• 质量：Fugu声称在某些基准上超越Fable 5，但你的实际业务场景可能完全不同。用真实的评估集，别信benchmark。
• 延迟：模型路由本身有开销。如果Fugu的"思考-路由-执行"链路比直接调单个模型慢，那就得算这笔账值不值。
• 成本：$5/百万输入token看似不贵，但如果Fugu Ultra频繁调用最贵的后台模型，总成本可能高于预期。

第四步：规划降级方案

永远保留直接调用单个备份模型的通路。不要把Fugu设成唯一的生产管线。

一个需要冷静的问题

Sakana AI给出的跑分数字很漂亮，但有两个地方值得追问：

Fugu到底调了哪些模型？

论文和官方公告都没完全公开Fugu后台的模型池构成。这有点像"如果我能无限次试所有模型，总能找到一个答对的"——虽然7B的Conductor确实降低了路由开销，但最终性能很大程度上依赖于池子里到底有什么。

Benchmark成绩能在真实场景复现吗？

LiveCodeBench和GPQA Diamond是精心设计的测试集。Fugu的编排系统是否过度优化了这些特定问题的路由策略，而在未知的真实任务上表现一般？在没有大规模第三方测评之前，这个问题没有答案。

不过，Fugu代表的"模型编排"方向确实是正确的问题。与其卷千亿参数，不如在工程层做好模型的选择和组合——这在2026年的AI产业里，正在从"奇技淫巧"变成"核心能力"。

参考来源:

1. 日本Sakana AI宣称旗下新工具可对标Anthropic的Fable 5 - 环球市场播报 — 官方发布数据与估值信息
2. 日本AI黑马杀出：7B小模型如何叫板Fable与Mythos - PANews — 架构深度拆解
3. 日本Sakana推Fugu：智能调用最佳模型，部分场景优于Fable 5 - IT之家 — 定价与API信息
4. Sakana AI发布多智能体系统Fugu - 币界网 — 产品版本与评测数据
5. Sakana AI GitHub — 官方开源仓库

📖 延伸阅读

• 🔧 GLM-5.2 本地部署实战：M3 Ultra 跑出 21.6 tok/s — 本地部署实战
• 🔧 Unsloth 从零到一训练指南：显存减70%，速度翻倍 — 训练效率翻倍
• 🧠 Claude Tag 深度体验：Anthropic 打响 Slack 协作 AI 第一枪 — Slack原生AI协作

最后更新：2026-06-24
本文由 AI 辅助撰写，经人工审阅。内容仅供参考，不构成任何建议。
© 2026 自游人 17YOU.COM · 转载请注明出处