日本Sakana AI发布Fugu系统，称性能超越GPT-5.5、Gemini、Opus
Alina Collins
Fugu到底怎么运作——和ChatGPT有什么不一样？
Fugu的核心不是一个更大的模型，而是一个调度系统：一个语言模型充当"总调度"，判断任务该自己答，还是拆给多个专业子模型分头处理。
子模型各自完成后，调度器再验证、整合，最终通过统一API输出结果。
用大白话说＝不造一个全能巨人，而是组建一支各有专长的小队，由队长分配任务、汇总答案。
性能数据可信吗——谁在测、怎么测？
官方称Fugu Ultra在工程、科学及推理基准上与Anthropic的Fable 5和Mythos Preview表现相当。
在自动化研究、机械设计、日文手写识别、魔方求解、金融时间序列预测等任务上，Fugu系列据称优于GPT-5.5、Gemini 3.1 Pro和Opus 4.8。
但这些数据来自Sakana AI自行披露的压测结果，约500名Beta用户参与；独立第三方验证尚未公开。这意味着→数据好看归好看，目前只能当参考、不能当定论。
两个版本分别卖给谁？
标准版Fugu面向编程、对话及日常任务，个人用户按订阅制付费。
Fugu Ultra定位高难度场景：AI研究、论文复现、网络安全分析、专利调查，企业客户按量付费。
这意味着→Sakana AI同时押注C端订阅和B端按量两条收入线，用产品分层覆盖不同付费意愿。
为什么强调"不依赖单一供应商"？
Sakana AI在声明中特别提到，多模型架构能降低依赖单一AI供应商带来的运营和地缘政治风险。
公司以近期出口管制波及Anthropic模型为例，暗示单一供应商依赖已成为企业AI部署的现实隐患。
这反映出Fugu的卖点不只是技术路线，更是供应链安全叙事——对日本本土企业的采购决策有直接影响。
这件事对AI行业格局意味着什么？
Fugu用"小模型协调"挑战"单一大模型越做越大"的主流路线，如果基准数据经第三方验证站得住，将动摇"规模即能力"的行业共识。
但关键节点在于：能否把差异化定位转化为规模化商业订单——技术路线再好，没有付费客户就只是论文。
用大白话说＝Fugu讲了一个好故事，但故事能不能变成生意，要看接下来企业客户买不买单。
Content is for reference only, not financial advice.