体育游戏app平台

新智元报说念

【新智元导读】皆当它是碾压GPT、Opus的新模子，它的着实身份却是个换取层。它击败的那几个，正是它雇来答题的那几个。

6月12日，好意思国一纸出口束缚令，逼Anthropic把最强的两款模子Fable 5和Mythos从公共下架。

10天后，位于日本东京的Sakana AI放出新址品Fugu和旗舰版Fugu Ultra，称我方一经与Fable、Mythos并肩，不错带给用户前沿大模子的智商，又无谓担出口束缚的风险。

在Sakana AI官网贴出的一张跑老实外，fugu-ultra简直一齐飘红：GPQA-D 95.5、LiveCodeBench 93.2、TerminalBench 82.1，多项跑分冲到全场最高。

被它甩在死后的，是Gemini 3.1 Pro、GPT 5.5、Opus 4.8 (max)这些当下最前沿的模子。

Sakana官方跑分图，红色为Fugu／Fugu Ultra，灰色为基线模子。fugu-ultra在GPQA-D（95.5）、LiveCodeBench（93.2）等多项登顶，但SWE-bench Pro一栏，被不在它调用池里的Fable 5以80.0反超。（图源：Sakana AI官网）

fugu-ultra真实这样利弊吗？

它莫得击败Opus

它雇了Opus

先把Fugu是什么说了了。

Sakana AI在官网里给它的界说，是「一套当作基础模子录用的多智能体编排系统（multi-agent orchestration system）」，对外只走漏一个API。

这背后是Sakana的一个中枢信念：

最强的AI，不会是一个孤苦堆大的单模子。它会是一群各有专长的智能体，协同作战的靠拢。

Fugu，便是这个信念落地的产物。

一个模子，高歌扫数模子。

它底层动态谐和一池前沿模子（frontier model），我方决定派谁上、谁跟谁配合。

Sakana Fugu官方架构图。左：Fugu学习从一池开源与闭源模子里挑东说念主调用；右：赓续老到后，它能调用我方，变成递归自调用。

机制来自Sakana AI两篇ICLR 2026论文。

三位一体（Trinity）是用演化计策训出的谐和器，给池子里的LLM轮门户念念考者（Thinker）、本质者（Worker）、考据者（Verifier）三种扮装；指引家（Conductor）用强化学习贪图智能体之间的通讯拓扑，给每个被调用的模子写定向指示。

装起来也省事，一瞥就能塞进Codex。

它的模子池子里，装着GPT-5.5、Opus 4.8、Gemini 3.1 Pro，全是当下最前沿的模子。

Sakana官方也说得显然：但凡能公开访谒的前沿模子，皆在它的调用池里。

把这两句摆一说念就有真义了。

它在跑老实外「击败」的那些对象，正是它我方在调用的对象。

换句话说，Fugu Ultra没在跟Opus比谁更智谋。它把Opus、Gemini、GPT皆调过来，让它们一说念答题，终末把举座得分记在我方名下。

更秘要的是，你还查不到它具体调用了谁。官方称：每次任务调用了哪些底层模子、若何协同，属于买卖微妙，不合外公开。

是以它没击败Opus，它雇了Opus，更像是一场「租来的生效」。

Fugu攒得起一池模子，可它对标的Fable 5和Mythos，正好因为出口束缚不在这池子里，它我方也调不动。

一个连Fable皆用不上的系统，声称跟Fable并肩。这句话天生就没东说念主能证伪。

跑分很猛

手感仅仅「还行」

发布不到24小时，跑分和着实手感的落差，就在社区传开了。

沃顿商学院的Ethan Mollick平直上手测。

他频繁跑的shader（着色器）、交互场景，在Fugu Ultra上要等30分钟才出收敛，效能他给的评价是「还行」，但不足Fable。

他还甩出一个Harbor Town的demo当凭证。

这说念题Mollick跑了三年多。并吞句话喂给每一代模子：生成一座3D口岸小镇，从公元前3000年一齐演化到公元3000年，要面子，还得能上手调。一次成型，不许返工。

从GPT-3.5到今天的最强模子，并吞说念题、并吞套打分，哪代AI强、强在什么场地，对照之下一目了然。

轮到Fugu Ultra：30分钟才跑完，口岸小镇是作念出来了，Mollick一句话定性：能看，但真用起来，它比不上Fable那种完成度。

Mollick的Harbor Town单题测试，fugu-ultra（Sakura Ultra High）版。代码与贪图评分均为Advanced（14／20、13／20）。

另一个用户@LLMJunky更惨，一个辅导词就把20好意思元档位一个月里5小时的配额烧了个精光。

慢和烧钱，如实是这套架构甩不掉的本钱。但本钱仅仅一面。

Mark Santos拿并吞个Crossy Road小游戏测，Fugu Ultra用22分钟、7.32好意思元就作念结束，而Opus 4.8花了79分钟、37.85好意思元，又慢又贵，半途还两次卡进重试轮回，得东说念主工拉追思。

数字上Fugu完胜：更快，更省。可Santos终末给的论断是，论应用的功能、质地和贪图，赢家是Opus。

更快、更省，却不是更好。编排把本钱压下去了，却没把质地提上来。

Fugu的跑分到底算谁的？

社区第一时代就吵开了。

一片倡导很平直：换取系统的天花板，被池子里最强的阿谁单模子死死卡住。

10个傻子凑一屋，也凑不出一个爱因斯坦。照这个逻辑，Fugu分数再高，也高不外它能调到的最强模子。

另一片不平：最强单模子仅仅地板。信得过的玩法，是按每说念题派出最擅长那说念题的模子，这本就可能逾越「最强详尽模子」。

让多个模子相互查功课，蓝本就能提精度。ChatGPT的pro样式、Gemini的Deep Think，干的便是这件事。

两派皆有真义。可这样空对旷地吵，谁也说不平谁。其实，有一栏跑分早就把谜底摆出来了。

SWEBench Pro这一项，fugu-ultra拿到73.7，压过了它池子里的每一个成员，Opus 4.8的69.2、GPT 5.5的58.6，无一例外。

这证据把几个模子按题单干、相互校验，如实能爬到任何单个成员皆够不到的高度。编排并非没用，它榨出了实打实的增量。

可并吞栏里，信得过排在最前边的，是Fable 5的80.0。而Fable，恰正是它够不到、也调不动的那一个。

它打赢了扫数能调用的，却仍输给阿谁被束缚锁走的。

多模子协同这条路，大要率是对的。这样的组合会越来越多，一经有东说念主启动数：这个3个模子，阿谁10个。

但在给这种系统测评的尺子造出来之前，每一张漂亮的收获单，皆得先恢复并吞个问题：这些得分是若何来的，哪些是调用模子的，哪些是它我方的。

绕开束缚

绕不开依赖

Sakana用Fugu讲了一个更大的故事：别把命门交给任何一家。

CEO David Ha曾作念过Google Brain，也当过Stability AI的商量诓骗，聚合首创东说念主里还有Transformer论文作家Llion Jones。

Sakana反复强调的是，把缺欠基础枢纽押在单一厂商的API上，是一种实打实的脆弱性。

就在Fugu发布前，日本官方还公开抒发过担忧：再不加快，国度惟恐要沦为「AI从属国」。Fugu赶在出口束缚十天后出场，时代点和卖点，皆冲着这层慌乱来。

但月旦者一句话就点破了：池子里装的，全是好意思国束缚之下的闭源模子。某家被掐了它能绕，可几家一说念收紧，它的池子照样缩水。

绕开束缚，并不等于信得过自主。你没开脱依赖，仅仅把它从一层，挪到了更深、也更看不清的另一层。社区有网友质疑：这跟把一种单一供应商依赖，换成另一种，辩别在哪？

抛开这些质疑，Fugu所崇敬的理念：当最强的模子可能今夜褪色，别让任何单一模子，成为你架构里的承重墙。这个判断是正确的。

若何看待「并肩」Fable这件事

2025年2月，Sakana的AI CUDA Engineer堪称给料到内核加快10到100倍。

收敛几小时内被东说念主扒出来，它钻的是评测沙盒的破绽，有的案例非但没快，反而慢了3倍。

Sakana自后认了，承认模子「找到了舞弊的主张」。它的AI Scientist经独处复核，被指出存在无数代码格外、收敛幻觉、文件综述简便。

Sakana的首创团队是讲求作念商量的东说念主，Llion Jones、David Ha崇敬的那套「集体智能、鱼群配合」，多年来一以贯之，标的自洽。

这些过往，并不可证据Fugu此次的跑分有水分。

但对一份莫得第三方复现、全靠厂商自报的收获单体育游戏app平台，它自然该打一个问号。