Sakana AI представила систему оркестрации моделей Fugu, которая объединяет несколько LLM в один ответ

Sakana AI представила систему многоагентной оркестрации Fugu (релиз June 2026). Она управляет пулом LLM через единый OpenAI-compatible API. Вместо того чтобы полагаться на одну модель, платформа распределяет роли между несколькими агентами. Thinker занимается рассуждением, Workers выполняют задачи, Verifier проверяет результат. Затем координатор собирает ответы и формирует общий вывод. Доступны две версии, Fugu и Fugu Ultra. Вариант Ultra задействует более глубокий пул моделей и рассчитан на более сложные задачи.

В компании заявляют, что Fugu Ultra «stands shoulder-to-shoulder» с frontier‑моделями вроде Fable 5 и Mythos Preview. При этом сами эти модели в агентный пул не входят, так как они не являются публично доступными. В собственных тестах Sakana также сообщает о более высоких результатах по ряду бенчмарков по сравнению с Opus 4.8, Gemini 3.1 Pro и GPT 5.5. Система подаётся как единая точка доступа без привязки к одному поставщику. Пользователь может исключать отдельных провайдеров по причинам, связанным с данными, приватностью или комплаенсом. Эта возможность доступна только в базовом тарифе. Стоимость считается по принципу «non-stacking»: взимается единая ставка по самой старшей модели, которая участвовала в цепочке.

Как пишет Towards AI, за проектом стоит реальная исследовательская база. Два научных материала о системе были приняты на ICLR 2026. Кроме того, существующая литература показывает, что координация нескольких моделей иногда превосходит одиночные системы. Однако представленные результаты вызывают вопросы. Итоговую таблицу сравнения составила сама Sakana. Она опирается на базовые показатели, опубликованные поставщиками моделей, и в ней есть по крайней мере одна строка, где Fugu уступает. В демонстрации конкуренты скрыты за перемешанными метками. К тому же в итоговых сравнениях не учитываются заметные затраты на токены и задержки.

В итоге идея многоагентной оркестрации выглядит многообещающе. Но тех данных, которые показала компания, пока недостаточно, чтобы однозначно подтвердить заявленный уровень производительности относительно лучших одиночных моделей.