Was ist Sakana Fugu?

Sakana Fugu ist ein Mehragenten-Orchestrierungssystem, das Sakana AI als ein einziges Grundmodell hinter einer OpenAI-kompatiblen API ausliefert. Es ist ein trainiertes Sprachmodell, das auf Delegation, Agentenkommunikation und Arbeitssynthese spezialisiert ist und dynamisch einen Pool anderer LLMs (einschließlich rekursiver Kopien seiner selbst) koordiniert, um eine einzige Eingabeaufforderung zu beantworten. Sakana kündigte es am 22. Juni 2026 unter der Überschrift „Ein Modell, um sie alle zu befehligen“ an (siehe die offizielle Veröffentlichungsseite). Wenn Sie unsere Analysen anderer Spitzenveröffentlichungen wie Claude Fable 5 gelesen haben, ist Fugu eine andere Art von Tier: Es ist ein Dirigent, kein Solist.

Der Name passt zum Design. Fugu ist der japanische Kugelfisch, eine Delikatesse, die tödlich ist, wenn sie nicht von einem erfahrenen Koch genau richtig zubereitet wird. Rohe Kraft, die nur durch sorgfältige Zubereitung nützlich wird, ist eine gute Denkweise über ein System, dessen ganzer Wert aus der Art und Weise entsteht, wie es andere Modelle koordiniert.

Das Wichtigste in Kürze

Was es ist: Ein trainiertes „Dirigenten“-LLM, das ein Team von Spitzenmodellen hinter einem einzigen Endpunkt orchestriert. Zwei Varianten: „Fugu“ (ausgewogen, geringe Latenz) und „Fugu Ultra“ (maximale Antwortqualität). Das Argument: Eine OpenAI-kompatible API; richten Sie Ihren bestehenden Client darauf aus, keine SDK-Migration. Der Haken: Fugu ruft Modelle anderer Anbieter auf (einschließlich rekursiver Aufrufe seiner selbst), daher sind seine Benchmark-Ergebnisse "Modell-von-Modellen"-Ergebnisse, keine Ein-Modell-Siege. Zugang: Produktseite plus console.sakana.ai hinter einem Google-/E-Mail-Login.

Was Sakana Fugu tatsächlich ist

Die meisten Grundmodelle antworten Ihnen direkt. Sie senden eine Eingabeaufforderung, die Gewichte führen einen Forward Pass aus, Sie erhalten Tokens zurück. Fugu fügt dieser Idee eine Ebene hinzu.

Fugu ist ein trainiertes Sprachmodell, dessen Spezialität die Koordination ist. Wenn eine Anfrage eingeht, entscheidet Fugu, ob es diese selbst beantwortet oder ein Team anderer Modelle zusammenstellt, jedem einen Teil der Arbeit übergibt, Nachrichten zwischen ihnen weiterleitet und die Ergebnisse zu einer einzigen Antwort synthetisiert. Laut Sakana kann der Dirigent sogar rekursive Instanzen seiner selbst als Teammitglieder hochfahren. Sie sehen eine Antwort. Dahinter könnten mehrere Modelle die Arbeit erledigt haben.

Deshalb ist die Formulierung „ein einziges Grundmodell“ wichtig und muss auch mit einem Sternchen versehen werden. Aus Sicht Ihres Codes sieht Fugu wie ein Modell mit einem Endpunkt aus. Architektonisch ist es ein Modell-von-Modellen. Wir gehen diesen Ehrlichkeitspunkt unten ausführlich durch, da er die Art und Weise verändert, wie Sie jede Benchmark-Zahl lesen sollten.

Das Branding orientiert sich bewusst am Fischthema. „Sakana“ ist japanisch für „Fisch“, und die Identität des Unternehmens konzentriert sich auf die Schwarmintelligenz im Sinne eines Fischschwarms, bei der viele kleine Agenten ein Verhalten erzeugen, das intelligenter ist als das eines einzelnen. Fugu ist das Kugelfischmitglied dieses Schwarms.

Die zwei Varianten: Fugu und Fugu Ultra

Sakana liefert zwei Varianten über dieselbe API aus.

Fugu ist die ausgewogene Option mit geringer Latenz. Sakana positioniert es für alltägliche Aufgaben: Codierung, Code-Überprüfung, Chatbots und interaktive Dienste, bei denen die Reaktionszeit wichtig ist. Dies ist die Variante, die in der Beta und in einem Großteil der frühen Presse als „Fugu Mini“ bezeichnet wurde. Führen Sie mit „Fugu“; „Mini“ ist nur der alte Beta-Name.

Fugu Ultra zielt auf maximale Antwortqualität ab. Sakana richtet es auf anspruchsvollere Arbeiten aus: KI-Forschung, Reproduktion von Veröffentlichungen, Cybersicherheitsanalyse sowie Literatur- oder Patentrecherchen. Sie tauschen Latenz gegen Tiefe.

Beide Varianten laufen über einen einzigen Endpunkt. Fugu selbst entscheidet pro Anfrage, ob es direkt antwortet oder ein Team zusammenstellt, sodass Sie die Orchestrierung nicht mikromanagen müssen. Wenn Sie die vollständige Funktionsweise und einen tieferen Vergleich wünschen, finden Sie unseren Vergleich Fugu Ultra vs. Fable 5 vs. Mythos zusammen mit diesem Artikel im selben Cluster.

Spezifikationstabelle

Wie die Orchestrierung funktioniert

Der Kern von Fugu ist ein gelernter Dirigent, kein handgeschriebener Router. Diese Unterscheidung ist die eigentliche Geschichte.

Ein traditioneller Router wählt ein Modell für eine Anfrage aus und leitet sie weiter. Tools wie OpenRouter oder Martian machen das gut. Ein Agenten-Framework wie Swarm, AutoGen oder LangGraph geht den anderen Weg: Es bietet Ihnen die Infrastruktur, um ein Team aufzubauen, aber Sie, der Mensch, schreiben die Koordinationslogik. Fugu sitzt zwischen diesen beiden. Es ist ein Modell, das darauf trainiert wurde, der Koordinator zu sein. Es lernt, wann delegiert werden soll, wie Arbeit aufzuteilen ist, was jeden Agenten zu fragen ist und wie deren Ausgaben zusammengeführt werden.

Laut Sakana erledigt der Dirigent drei Aufgaben:

• Delegation. Er wählt aus, welche Agenten (oder rekursive Kopien seiner selbst) welche Unteraufgaben erhalten.
• Kommunikation. Er verwaltet die Nachrichten, die zwischen Agenten fließen, und formt dabei die Teamstruktur dynamisch.
• Synthese. Er fasst Teilergebnisse zu einer kohärenten Antwort zusammen.

Zwei weitere Mechanismen machen Fugu besonders, und beide neigen zur Governance:

• Austauschbare Agenten. Der Pool ist nicht fest. Teams können bestimmte Agenten aus Daten- oder Compliance-Gründen ausschließen, sodass Sie ein Modell eines bestimmten Anbieters vollständig aus Ihren Anfragen heraushalten können.
• Umgehen von Beschränkungen. Laut Sakana „umgeht“ Fugu dynamisch Anbieterbeschränkungen, indem es einen anderen Agenten auswählt, wenn einer nicht verfügbar oder nicht zulässig ist.

Wenn Sie den konzeptionellen Verwandten in diesem Cluster wünschen, deckt der Mythos-Klasse-Modellerklärer die Einzelmodell-Spitzenebene ab, an der sich Fugu misst.

Die Offenlegung: Orchestrator, kein einzelnes Modell

Diesen Teil sollten Sie zweimal lesen.

Fugu ist ein Orchestrator, der Spitzenmodelle anderer Anbieter aufruft, einschließlich rekursiver Aufrufe seiner selbst. Wenn Sie ein Fugu-Benchmark-Ergebnis sehen, wurde es möglicherweise von Fugu erzeugt, indem es Opus 4.8 (oder Fable 5 oder mehrere Modelle) aufrief und deren Ausgaben synthetisierte. Das ist ein "Modell-von-Modellen"-Ergebnis. Es ist kein direkter Vergleichs-Ein-Modell-Sieg. Fable 5 und Mythos sind einzelne Anthropic-Modelle, die aus ihren eigenen Gewichten antworten. Die Zahlen von Fugu mit ihren ohne diesen Vorbehalt zu vergleichen, ist, als würde man ein Team mit einem Einzelnen vergleichen.

Behalten Sie dies bei zwei spezifischen Behauptungen von Sakana im Hinterkopf.

Erstens steht Fugu Ultra laut Sakana bei Benchmarks in den Bereichen Ingenieurwesen, Wissenschaft und Argumentation „Schulter an Schulter mit führenden Modellen wie Fable 5 und Mythos Preview“. Lesen Sie das als Gleichrangigkeitsanspruch, nicht als Überlegenheitsanspruch. Beachten Sie auch, dass Sakana das ältere Mythos Preview (April) benannt hat, nicht das aktuelle Mythos 5.

Zweitens, und davon getrennt, übertrifft Fugu laut Sakana Gemini 3.1 Pro (hoch), Opus 4.8 (max) und GPT 5.5 (xhoch) bei einer bestimmten Reihe von Anwendungen durchweg: AutoResearch, Rubik's Cube, mechanisches Design, japanische Handschriftenanalyse, One-Shot-Schach und Finanzzeitreihenprognose. Auch hier gilt der Ehrlichkeitspunkt. Ein Ergebnis, das "Opus 4.8 übertrifft", kann dadurch zustande kommen, dass Fugu Opus aufruft und zusätzlich Orchestrierung hinzufügt. Das orchestrierte Team kann den Solisten schlagen und ist dabei immer noch vom Solisten abhängig.

Dies ist keine Kritik an Fugu. Orchestrierung ist eine echte Fähigkeit. Es ist ein Grund, die Zahlen korrekt zu kennzeichnen. Wir präsentieren die Ergebnisse von Fugu niemals als Ein-Modell-Sieg, und das sollten Sie auch nicht tun.

Als Referenz: Fable 5 ist Anthropic’s leistungsstärkstes allgemein verfügbares Modell, ein Modell der Mythos-Klasse, das für den öffentlichen Gebrauch sicher gemacht wurde und eine Stufe über Opus 4.8 liegt. Mythos Preview (7. April 2026) war das Spitzenmodell, das Anthropic als zu gefährlich für die Veröffentlichung erachtete. Unser Claude Fable 5-Erklärer bietet das vollständige Bild dazu.

Die Forschungslinie: Trinity und Conductor

Fugu entstand nicht aus dem Nichts. Zwei reale, zitierfähige ICLR 2026-Arbeiten bilden seinen Forschungsvorsprung, und sie verwenden unterschiedliche Methoden.

Trinity: Ein entwickelter LLM-Koordinator (arXiv:2512.04695) beschreibt einen winzigen Koordinator mit unter 20.000 Parametern, optimiert durch ableitungsfreie Evolution. Er weist Denker-, Arbeiter- und Prüferrollen zu. Die Schlagzeile ist, dass ein sehr kleiner entwickelter Controller eine nützliche Multi-Agenten-Schleife steuern kann.

Conductor: Lernen, Agenten in natürlicher Sprache zu orchestrieren (arXiv:2512.04388) beschreibt ein 7B-Modell, das mit Reinforcement Learning trainiert wurde und die Kommunikationsstruktur zwischen Agenten lernt. Es behauptet, Mixture-of-Agents zu geringeren Kosten zu übertreffen.

Dies sind unterschiedliche Methoden (Evolution versus RL) und unterschiedliche Größen (unter 20K versus 7B). Verwechseln Sie sie nicht. Sakana hat keine Parameteranzahl für das ausgelieferte Produkt veröffentlicht, daher ist die Anwendung der 7B-, Qwen2.5- oder GRPO-Spezifikationen auf Fugu selbst ein Rückschluss Dritter, keine offizielle Spezifikation.

Die ehrliche Einordnung der Neuheit: Mixture-of-Agents (Together AI, ICLR 2025) zeigte bereits, dass orchestrierte Modelle ein einzelnes Modell übertreffen können. Fugus eigentliche, enge Neuheit ist eine gelernte, adaptive, kostenselektive Topologie, die als einziger Endpunkt ausgeliefert wird, gestützt durch die Forschung zum trainierten Dirigenten.

Was frühe Benutzer berichten

Sakana teilt zwei Testimonials, die es wert sind, mit Quellenangabe wiederholt zu werden.

Ein Softwareingenieur, der Fugu Ultra für die Code-Überprüfung verwendete, sagte, es habe „mehr als zwanzig“ Probleme in Fällen aufgedeckt, in denen andere Tools „etwa drei“ meldeten, und nannte es besser als GPT-5.5. Ein Sicherheitsingenieur sagte, eine gezielte Anweisung führte zu einer vollständigen End-to-End-Bewertung, Aufklärung, XSS- und SQLi-Sondierung und einer Authentifizierungsprüfung, während sie im definierten Umfang blieb.

Betrachten Sie diese als vom Anbieter gemeldete Anekdoten, nicht als Benchmarks. Sie sind ein nützliches Signal dafür, wo Fugus Orchestrierung am meisten hilft: bei Aufgaben, die sich gut in parallele Unteraufgaben mit einem Verifizierungsschritt am Ende zerlegen lassen. Wenn Sie Fugu mit Sakana's anderer Veröffentlichung vergleichen, deckt der Mirofish-Erklärer das Geschwistermodell in derselben Reihe ab.

Die Fugu API verwenden

Fugu bietet einen OpenAI-kompatiblen Endpunkt. Das ist das praktische Verkaufsargument: Wenn Sie bereits einen OpenAI-Client haben, richten Sie ihn auf Fugus Basis-URL aus und verwenden Sie Ihren Fugu-Schlüssel. Keine SDK-Migration. Die gleiche Chat Completions-Form, die Sie aus den OpenAI API-Dokumenten kennen, gilt hier.

Ein wichtiger Vorbehalt. Ab dem 22.06.2026 ist die Basis-URL nicht auf einer öffentlichen Seite veröffentlicht. Erraten Sie sie nicht. Kopieren Sie die echte Basis-URL von Ihrem Dashboard unter console.sakana.ai und fügen Sie sie in den Platzhalter unten ein.

from openai import OpenAI

client = OpenAI(
    api_key="IHR_FUGU_API_SCHLUESSEL",
    base_url="<IHRE_FUGU_BASIS_URL_AUS_DER_KONSOLE>",  # von console.sakana.ai kopieren
)

# Ausgewogene Variante für den Alltag
response = client.chat.completions.create(
    model="fugu",
    messages=[
        {"role": "system", "content": "Sie sind ein präziser Programmierassistent."},
        {"role": "user", "content": "Überprüfen Sie diese Funktion auf Off-by-one-Fehler."},
    ],
)
print(response.choices[0].message.content)

Wechseln Sie zu Fugu Ultra, indem Sie eine Zeichenfolge ändern:

response = client.chat.completions.create(
    model="fugu-ultra",  # Variante mit maximaler Qualität; gemeldete ID, in der Konsole überprüfen
    messages=[
        {"role": "user", "content": "Reproduzieren Sie das Hauptergebnis aus diesem Paper."},
    ],
)

Die Modell-ID-Strings (fugu, fugu-ultra und eine gemeldete veraltete Variante) stammen aus sekundärer Berichterstattung. Bestätigen Sie die genauen Zeichenfolgen in der Konsole, bevor Sie veröffentlichen. Für eine vollständige, getestete Schritt-für-Schritt-Anleitung, siehe unseren Leitfaden zur Verwendung der Sakana Fugu API.

Wie dies in Ihren Apidog-Workflow passt

Da Fugu das OpenAI Chat Completions-Format spricht, können Sie es auf die gleiche Weise testen wie jeden anderen LLM-Endpunkt. Legen Sie die von der Konsole kopierte Basis-URL als Umgebungsvariable in Apidog fest, fügen Sie Ihren Schlüssel als Bearer-Token hinzu und senden Sie eine Anfrage an den Chat Completions-Pfad. Sie erhalten eine saubere Anfragen- und Antwortansicht, können den Aufruf als wiederverwendbaren Fall speichern und Fugu Seite an Seite mit Fable 5 oder Opus 4.8 im selben Projekt vergleichen.

Dieser letzte Punkt ist für Fugu besonders wichtig. Da es sich um einen Orchestrator handelt, variieren Latenz und Kosten stärker als bei einem einzelnen Modell, je nachdem, wie groß das Team ist, das es zusammenstellt. Das Erfassen realer Anforderungszeiten und Token-Zahlen in Apidog liefert Ihnen die tatsächlichen Zahlen anstelle der Marketingzahlen. Laden Sie Apidog herunter und richten Sie eine neue Anfrage an Ihre Konsolen-Basis-URL, um zu beginnen.

Häufig gestellte Fragen

Ist Sakana Fugu ein einzelnes Modell oder viele Modelle?

Beides, je nachdem, wie man es betrachtet. Für Ihren Code ist es ein Modell hinter einer API. Intern ist es ein trainierter Dirigent, der einen Pool anderer Spitzenmodelle aufruft und deren Arbeit synthetisiert. Deshalb kennzeichnen wir seine Benchmark-Zahlen als "Modell-von-Modellen"-Ergebnisse und nicht als Ein-Modell-Siege. Siehe unseren Mythos-Klasse-Modellerklärer für die Einzelmodell-Ebene, an der es sich misst.

Was ist der Unterschied zwischen Fugu und Fugu Ultra?

Fugu ist die ausgewogene Variante mit geringer Latenz für alltägliche Aufgaben wie Codierung und Chatbots. Fugu Ultra tauscht Latenz gegen maximale Antwortqualität und zielt auf Forschung, Sicherheitsanalyse und tiefergehende Untersuchungen ab. Beide laufen über denselben Endpunkt, und Sie wählen zwischen ihnen mit der Modell-ID. Der ältere Name „Fugu Mini“ bezog sich während der Beta auf die kleine Variante.

Übertrifft Fugu wirklich Opus 4.8 und GPT 5.5?

Laut Sakana übertrifft Fugu Gemini 3.1 Pro, Opus 4.8 und GPT 5.5 bei einer spezifischen Liste von Anwendungen durchweg. Die ehrliche Lesart ist, dass Fugu dieselben Modelle aufrufen und zusätzlich Orchestrierung hinzufügen kann, sodass ein Sieg für das Team nicht bedeutet, dass Fugus eigene Gewichte ein einzelnes Modell übertreffen. Wir präsentieren es niemals als Ein-Modell-Sieg.

Wie rufe ich die Fugu API auf?

Richten Sie einen OpenAI-kompatiblen Client mit Ihrem Schlüssel auf Fugus Basis-URL und verwenden Sie dann das Standard-Chat-Completions-Anfrageformat. Die Basis-URL wird nicht öffentlich veröffentlicht, kopieren Sie sie also von console.sakana.ai. Unser Sakana Fugu API-Leitfaden führt Sie Schritt für Schritt durch ein funktionierendes Beispiel.

Ist Fugu derzeit für jeden verfügbar?

Der Zugang erfolgt über die Produktseite und console.sakana.ai hinter einem Google- oder E-Mail-Login. Die Beta lief mit etwa 500 Nutzern ab Ende April 2026. Ob eine vollständige Self-Service-GA-Anmeldung offen ist und ob es eine EU/EWR-Beschränkung gibt, sollte beides live in der Konsole überprüft werden.

Wie unterscheidet sich Fugu von einem Router oder einem Agenten-Framework?

Ein Router (OpenRouter, Martian) wählt ein Modell aus und leitet Ihre Anfrage weiter. Ein Agenten-Framework (Swarm, AutoGen, LangGraph) macht Sie zum Koordinator. Fugu trainiert den Koordinator selbst, sodass ein gelerntes Modell über Delegation, Kommunikation und Synthese entscheidet. Dieser Ansatz des trainierten Dirigenten, der als einziger Endpunkt ausgeliefert wird, ist seine eigentliche Neuheit.

Fugu ist eine Wette darauf, dass die nächsten Fortschritte daraus resultieren, wie Modelle zusammenarbeiten, und nicht nur aus größeren Gewichten. Ob der Orchestrierungs-Mehrwert sich lohnt, hängt von Ihrer Arbeitslast ab, und der schnellste Weg, dies herauszufinden, ist, echte Anfragen zu senden und die tatsächlichen Zahlen zu beobachten. Richten Sie Ihren ersten Fugu-Aufruf in Apidog ein, vergleichen Sie ihn mit den einzelnen Modellen, die Sie bereits verwenden, und lassen Sie Ihre eigenen Latenz- und Kostendaten die Entscheidung treffen.