Sakana Fugu模型全解读：不靠超大参数，靠模型调度比肩Fable 5/Mythos

本次日本Sakana AI发布Fugu（河豚）系列编排调度模型，跳出传统堆参数路线，用小模型当总指挥调度各路顶尖大模型，工程推理跑分对标甚至局部超越Claude Fable 5、Mythos Preview，正式拉开Orchestration编排模型新时代。

一、两款版本定位

1. Fugu Ultra：旗舰版，8项硬核工程、代码、科研基准里，三项指标反超Mythos与Fable 5，主攻长代码Agent、科学计算、漏洞挖掘等高难度闭环任务；
2. 标准版Fugu：轻量化调度器，日常多任务路由、RAG串联、子Agent分工，性价比部署首选。

二、核心底层逻辑（和传统LLM本质区别）

传统模型：单个大模型包揽理解、思考、写代码、查资料全流程，靠参数与数据堆上限；
Fugu编排模型：小体量主模型做决策者，不亲自生成答案，完成三步工作：

1. 拆解任务，判断子环节该调用GPT5.5、Gemini、开源代码模型里哪一个；
2. 分发子任务给专精模型，汇总多份结果交叉校验；
3. 整合全部输出、修正矛盾，给出最终完整交付物。
通俗理解：Fugu是CEO Agent，手里握着各路专家Worker，按需派活、汇总审核，集群智慧碾压单个最强模型。

三、四大核心落地优势

1 绕开模型封禁风险

Fable 5发布后因高危安全能力被大范围限流封禁，Fugu不依赖单一受限模型池，可自由替换合规可用模型，规避出口管制、API封禁风险。

2 成本大幅下降

一份API调用价，等价调用多个专精模型；不用持续训练万亿参数底座，迭代只需要优化调度策略，训练、推理成本远低于旗舰大模型。

3 能力无单点短板

代码任务调用代码专精模型、数学调用理科模型、文案调用创作模型，解决单一模型偏科问题，全场景下限远高于任何单体模型。

4 完美适配Loop工程闭环

天然适配层级化Agent架构：可自动定时循环、失败重试、更换执行模型、沉淀调度经验，用来搭建无人值守代码研发流水线极其契合。

四、对标Fable5/Mythos的能力边界

- 优势项：多任务并行、跨工具组网、长期循环任务、多模型交叉纠错，Fugu Ultra在代码Terminal、工程实操类跑分实现反超；
- 短板项：纯深度原创基础科研、底层概念生成，不如Mythos无限制原生推理能力，依旧依赖底层基座模型的原生知识上限。

五、行业范式转变启示

AI进化两条并行路线：

1. 单体模型路线：持续做大基座，Mythos/Fable代表，突破原生认知上限；
2. 编排集群路线：Fugu代表，靠智能组网整合现有所有AI能力，边际成本更低、落地灵活性更强，也是多Agent ASI集群的前置形态。

落地选型参考

- 自建私有化闭环、怕API锁卡→选Fugu架构，混合本地开源模型+云端API组网；
- 极致底层科研、前沿理论突破→依旧选用Mythos级原生大模型。

AI模型横评 企业级AI架构 AI计算架构 AIGEO模型 NPU架构 Adam算法 MGRPO算法