日本Sakana AI發布Fugu系統，稱性能超越GPT-5.5、Gemini、Opus
Alina Collins
日本Sakana AI發布多模型協調系統Fugu，聲稱在多項基準中超越GPT-5.5、Gemini 3.1 Pro及Opus 4.8，直接挑戰AI行業「越大越強」的主流路線。
Fugu到底點運作——同ChatGPT有咩唔同？
Fugu的核心不是一個更大的模型，而是一個調度系統：由一個語言模型充當「總調度」，判斷任務該自己答，還是拆給多個專業子模型分頭處理。
子模型各自完成後，調度器再驗證、整合，最終通過統一API輸出結果。
簡單來說＝不造一個全能巨人，而是組建一支各有專長的小隊，由隊長分配任務、彙總答案。
性能數據可信嗎——邊個測、點樣測？
官方稱Fugu Ultra在工程、科學及推理基準上與Anthropic的Fable 5和Mythos Preview表現相當。
在自動化研究、機械設計、日文手寫識別、魔方求解、金融時間序列預測等任務上，Fugu系列據稱優於GPT-5.5、Gemini 3.1 Pro和Opus 4.8。
但這些數據來自Sakana AI自行披露的壓測結果，約500名Beta用戶參與；獨立第三方驗證尚未公開。這意味著→數據好睇歸好睇，暫時只能當參考、唔能夠當定論。
兩個版本分別賣畀邊個？
標準版Fugu面向編程、對話及日常任務，個人用戶按訂閱制付費。
Fugu Ultra定位高難度場景：AI研究、論文複現、網絡安全分析、專利調查，企業客戶按量付費。
這意味著→Sakana AI同時押注C端訂閱和B端按量兩條收入線，用產品分層覆蓋不同付費意願。
點解要強調「唔依賴單一供應商」？
Sakana AI在聲明中特別提到，多模型架構能降低依賴單一AI供應商帶來的營運和地緣政治風險。
公司以近期出口管制波及Anthropic模型為例，暗示單一供應商依賴已成為企業AI部署的現實隱患。
這反映出Fugu的賣點不只是技術路線，更是供應鏈安全敘事——對日本本土企業的採購決策有直接影響。
呢件事對AI行業格局意味著咩？
Fugu用「小模型協調」挑戰「單一大模型越做越大」的主流路線，如果基準數據經第三方驗證企得住，將動搖「規模即能力」的行業共識。
但關鍵節點在於：能否把差異化定位轉化為規模化商業訂單——技術路線再好，冇付費客戶就只係論文。
簡單來說＝Fugu講咗一個好故事，但故事能唔能變成生意，要睇接下來企業客戶買唔買單。
Content is for reference only, not financial advice.