Qu'est-ce que le Sakana Fugu ?

Sakana Fugu est un système d'orchestration multi-agents que Sakana AI propose comme un modèle de fondation unique derrière une API compatible OpenAI. C'est un modèle linguistique entraîné, spécialisé dans la délégation, la communication entre agents et la synthèse de travail, et il coordonne dynamiquement un ensemble d'autres LLM (y compris des copies récursives de lui-même) pour répondre à une seule requête. Sakana l'a annoncé le 22 juin 2026 sous le titre "Un Modèle pour les Commander Tous" (voir la page de publication officielle). Si vous avez lu nos analyses d'autres sorties de pointe comme Claude Fable 5, Fugu est une bête différente : c'est un chef d'orchestre, pas un soliste.

Le nom correspond au design. Le Fugu est le poisson-globe japonais, un mets délicat qui est mortel à moins qu'un chef qualifié ne le prépare exactement comme il faut. Une puissance brute qui ne devient utile qu'après une préparation minutieuse est une bonne façon de concevoir un système dont toute la valeur provient de la façon dont il coordonne d'autres modèles.

En bref

Qu'est-ce que c'est : Un LLM "chef d'orchestre" entraîné qui orchestre une équipe de modèles de pointe derrière un seul point d'accès. Deux variantes : "Fugu" (équilibré, faible latence) et "Fugu Ultra" (qualité de réponse maximale). L'argument de vente : Une API compatible OpenAI ; dirigez votre client existant vers elle, aucune migration de SDK. Le hic : Fugu appelle les modèles d'autres fournisseurs (y compris des copies récursives de lui-même), donc ses victoires aux benchmarks sont des résultats de modèle de modèles, et non des victoires de modèle unique. Accès : Page produit plus console.sakana.ai derrière une connexion Google/e-mail.

Ce qu'est réellement Sakana Fugu

La plupart des modèles de fondation vous répondent directement. Vous envoyez une requête, les poids exécutent une passe avant, vous recevez des tokens en retour. Fugu ajoute une couche au-dessus de cette idée.

Fugu est un modèle linguistique entraîné dont la spécialité est la coordination. Lorsqu'une requête arrive, Fugu décide d'y répondre lui-même ou d'assembler une équipe d'autres modèles, de confier à chacun une partie du travail, de router les messages entre eux et de synthétiser les résultats en une seule réponse. Selon Sakana, le chef d'orchestre peut même créer des instances récursives de lui-même en tant que membres de l'équipe. Vous voyez une seule réponse. Derrière elle, plusieurs modèles peuvent avoir effectué le travail.

C'est pourquoi le cadrage "modèle de fondation unique" est important et pourquoi il nécessite un astérisque. Depuis votre code, Fugu ressemble à un seul modèle avec un seul point d'accès. Architecturalement, c'est un modèle de modèles. Nous détaillons ce point d'honnêteté ci-dessous, car il modifie la façon dont vous devriez lire chaque chiffre de benchmark.

La marque s'appuie délibérément sur le thème du poisson. "Sakana" signifie "poisson" en japonais, et l'identité de l'entreprise est centrée sur l'intelligence collective des bancs de poissons, de nombreux petits agents produisant un comportement plus intelligent que n'importe lequel d'entre eux. Fugu est le membre poisson-globe de ce banc.

Les deux variantes : Fugu et Fugu Ultra

Sakana propose deux variantes via la même API.

Fugu est l'option équilibrée à faible latence. Sakana la positionne pour le travail quotidien : codage, révision de code, chatbots et services interactifs où le temps de réponse est important. C'est la variante que la version bêta et une grande partie de la presse initiale ont appelée "Fugu Mini". Mettez en avant "Fugu" ; "Mini" n'est que l'ancien nom bêta.

Fugu Ultra vise la qualité de réponse maximale. Sakana le destine aux travaux plus lourds : recherche en IA, reproduction d'articles scientifiques, analyse de cybersécurité, et investigation littéraire ou de brevets. Vous échangez la latence contre la profondeur.

Les deux variantes fonctionnent derrière un seul point d'accès. Fugu décide lui-même, par requête, s'il doit répondre directement ou assembler une équipe, vous ne micro-gérez donc pas l'orchestration. Si vous souhaitez connaître tous les mécanismes et une comparaison plus approfondie, notre analyse Fugu Ultra vs Fable 5 vs Mythos se trouve à côté de cet article dans le même cluster.

Tableau des spécifications

Comment fonctionne l'orchestration

Le cœur de Fugu est un chef d'orchestre appris, pas un routeur écrit à la main. Cette distinction est la véritable histoire.

Un routeur traditionnel choisit un modèle pour une requête et la transmet. Des outils comme OpenRouter ou Martian font cela très bien. Un framework d'agents comme Swarm, AutoGen ou LangGraph fait l'inverse : il vous fournit la plomberie pour construire une équipe, mais c'est vous, l'humain, qui écrivez la logique de coordination. Fugu se situe entre les deux. C'est un modèle entraîné pour être le coordinateur. Il apprend quand déléguer, comment diviser le travail, quoi demander à chaque agent, et comment fusionner leurs sorties.

Selon Sakana, le chef d'orchestre gère trois tâches :

• Délégation. Il choisit quels agents (ou copies récursives de lui-même) effectuent quelles sous-tâches.
• Communication. Il gère les messages circulant entre les agents, façonnant la structure de l'équipe à la volée.
• Synthèse. Il combine les résultats partiels en une seule réponse cohérente.

Deux autres mécanismes distinguent Fugu, et tous deux tendent vers la gouvernance :

• Agents interchangeables. Le pool n'est pas fixe. Les équipes peuvent exclure des agents spécifiques pour des raisons de données ou de conformité, de sorte que vous pouvez exclure entièrement le modèle d'un fournisseur donné de vos requêtes.
• Contournement des restrictions. Selon Sakana, Fugu "contourne dynamiquement" les restrictions des fournisseurs, choisissant un autre agent lorsqu'un est indisponible ou interdit.

Si vous voulez le cousin conceptuel dans ce cluster, l'explication du modèle de classe Mythos couvre le niveau de pointe à modèle unique auquel Fugu se mesure.

Le point honnête : un orchestrateur, pas un modèle unique

C'est la partie à lire deux fois.

Fugu est un orchestrateur qui appelle les modèles de pointe d'autres fournisseurs, y compris lui-même de manière récursive. Lorsque vous voyez un résultat de benchmark de Fugu, il peut avoir été produit par Fugu appelant Opus 4.8 (ou Fable 5, ou plusieurs modèles) et synthétisant leurs sorties. C'est un résultat de modèle de modèles. Ce n'est pas une victoire de modèle unique comparable. Fable 5 et Mythos sont des modèles Anthropic uniques qui répondent à partir de leurs propres poids. Comparer les chiffres de Fugu aux leurs sans cette mise en garde, c'est comparer une équipe à un individu.

Gardez cela à l'esprit pour deux affirmations spécifiques de Sakana.

Premièrement, selon Sakana, Fugu Ultra "se positionne au même niveau que des modèles de pointe comme Fable 5 et Mythos Preview" sur les benchmarks d'ingénierie, scientifiques et de raisonnement. Lisez cela comme une affirmation de parité, pas une affirmation de "supériorité". Notez également que Sakana a nommé l'ancien Mythos Preview (avril), et non le Mythos 5 actuel.

Deuxièmement, et séparément, selon Sakana, Fugu "surpasse systématiquement" Gemini 3.1 Pro (élevé), Opus 4.8 (max) et GPT 5.5 (très élevé) sur un ensemble spécifique d'applications : AutoResearch, Rubik's Cube, Conception mécanique, Analyse de l'écriture japonaise, Échecs en un coup et Prédiction de séries temporelles financières. Même ici, le point d'honnêteté tient. Un résultat "bat Opus 4.8" peut provenir de Fugu appelant Opus et ajoutant une orchestration par-dessus. L'équipe orchestrée peut battre le soliste tout en dépendant du soliste.

Ce n'est pas une critique de Fugu. L'orchestration est une réelle capacité. C'est une raison d'étiqueter correctement les chiffres. Nous ne présentons jamais les résultats de Fugu comme une victoire de modèle unique, et vous ne devriez pas non plus.

Pour référence, Fable 5 est le modèle Anthropic le plus puissant généralement disponible, un modèle de classe Mythos rendu sûr pour une utilisation publique et un niveau au-dessus d'Opus 4.8. Mythos Preview (7 avril 2026) était le modèle de pointe qu'Anthropic a jugé trop dangereux pour être publié. Notre explication de Claude Fable 5 donne une image complète de ce côté.

La lignée de recherche : Trinity et Conductor

Fugu n'est pas apparu de nulle part. Deux articles de recherche réels et citables de l'ICLR 2026 constituent son fossé de recherche, et ils utilisent des méthodes différentes.

Trinity : Un coordinateur LLM évolué (arXiv:2512.04695) décrit un coordinateur minuscule, de moins de 20 000 paramètres, optimisé par évolution sans dérivée. Il assigne les rôles de Penseur, Travailleur et Vérificateur. Le titre principal est qu'un très petit contrôleur évolué peut piloter une boucle multi-agents utile.

Conductor : Apprendre à orchestrer des agents en langage naturel (arXiv:2512.04388) décrit un modèle de 7 milliards de paramètres entraîné par apprentissage par renforcement qui apprend la structure de communication entre les agents. Il prétend battre Mixture-of-Agents à moindre coût.

Ce sont des méthodes différentes (évolution versus RL) et des tailles différentes (moins de 20K versus 7B). Ne les confondez pas. Sakana n'a pas publié le nombre de paramètres pour le produit livré, donc l'application des spécificités 7B, Qwen2.5 ou GRPO à Fugu lui-même est une inférence tierce, pas une spécification officielle.

Le cadrage honnête de la nouveauté : Mixture-of-Agents (Together AI, ICLR 2025) a déjà montré que les modèles orchestrés peuvent battre un modèle unique. La véritable nouveauté étroite de Fugu est une topologie apprise, adaptative et sélective en termes de coût, livrée comme un seul point d'accès, soutenue par cette recherche sur le chef d'orchestre entraîné.

Ce que rapportent les premiers utilisateurs

Sakana partage deux témoignages qui méritent d'être répétés avec attribution.

Un ingénieur logiciel utilisant Fugu Ultra pour la révision de code a déclaré qu'il avait mis en évidence "plus de vingt" problèmes dans des cas où d'autres outils en signalent "environ trois", et l'a qualifié de meilleur que GPT-5.5. Un ingénieur en sécurité a déclaré qu'une instruction ciblée a mené à une évaluation complète de bout en bout, à la reconnaissance, à l'exploration XSS et SQLi, et à une révision d'authentification, tout en restant dans le périmètre défini.

Traitez-les comme des anecdotes rapportées par le fournisseur, et non comme des benchmarks. Ils sont un signal utile pour savoir où l'orchestration de Fugu aide le plus : les tâches qui se décomposent bien en sous-tâches parallèles avec une étape de vérification à la fin. Si vous comparez Fugu à l'autre version de Sakana, l'explication de Mirofish couvre le modèle jumeau dans la même gamme.

Utilisation de l'API Fugu

Fugu expose un point d'accès compatible OpenAI. C'est l'argument de vente pratique : si vous avez déjà un client OpenAI, vous le pointez vers l'URL de base de Fugu et utilisez votre clé Fugu. Aucune migration de SDK. La même forme Chat Completions que vous connaissez des documents de l'API OpenAI s'applique ici.

Une mise en garde importante. Au 22/06/2026, l'URL de base n'est pas publiée sur une page publique. Ne la devinez pas. Copiez la véritable URL de base depuis votre tableau de bord sur console.sakana.ai et insérez-la dans l'espace réservé ci-dessous.

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_FUGU_API_KEY",
    base_url="<YOUR_FUGU_BASE_URL_FROM_CONSOLE>",  # copy from console.sakana.ai
)

# Balanced variant for everyday work
response = client.chat.completions.create(
    model="fugu",
    messages=[
        {"role": "system", "content": "You are a precise coding assistant."},
        {"role": "user", "content": "Review this function for off-by-one bugs."},
    ],
)
print(response.choices[0].message.content)

Passez à Fugu Ultra en changeant une seule chaîne de caractères :

response = client.chat.completions.create(
    model="fugu-ultra",  # max-quality variant; reported id, verify in console
    messages=[
        {"role": "user", "content": "Reproduce the headline result from this paper."},
    ],
)

Les chaînes d'ID de modèle (fugu, fugu-ultra, et une variante datée signalée) proviennent de rapports secondaires. Confirmez les chaînes exactes dans la console avant de les utiliser en production. Pour une explication complète et testée, consultez notre guide sur comment utiliser l'API Sakana Fugu.

Comment cela s'intègre à votre flux de travail Apidog

Parce que Fugu utilise le format OpenAI Chat Completions, vous pouvez le tester de la même manière que tout autre point d d'accès LLM. Définissez l'URL de base que vous avez copiée depuis la console comme variable d'environnement dans Apidog, ajoutez votre clé comme jeton de porteur, et envoyez une requête au chemin des complétions de chat. Vous obtenez une vue claire de la requête et de la réponse, vous pouvez enregistrer l'appel comme un cas réutilisable, et vous pouvez comparer Fugu à Fable 5 ou Opus 4.8 côte à côte dans le même projet.

Cette dernière partie est particulièrement importante pour Fugu. Étant un orchestrateur, la latence et le coût varieront plus que pour un modèle unique, en fonction de la taille de l'équipe qu'il assemble. Capturer les temps de requête réels et le nombre de jetons dans Apidog vous donne les chiffres réels au lieu de ceux du marketing. Téléchargez Apidog et pointez une nouvelle requête vers l'URL de base de votre console pour commencer.

Questions fréquemment posées

Sakana Fugu est-il un modèle unique ou plusieurs modèles ?

Les deux, selon la perspective. Pour votre code, c'est un modèle unique derrière une API. En interne, c'est un chef d'orchestre entraîné qui appelle un pool d'autres modèles de pointe et synthétise leur travail. C'est pourquoi nous signalons ses chiffres de benchmark comme des résultats de "modèles de modèles" plutôt que des victoires de modèle unique. Consultez notre explication du modèle de classe Mythos pour la catégorie de modèle unique à laquelle il se compare.

Quelle est la différence entre Fugu et Fugu Ultra ?

Fugu est la variante équilibrée et à faible latence pour le travail quotidien comme le codage et les chatbots. Fugu Ultra échange la latence contre une qualité de réponse maximale et cible la recherche, l'analyse de sécurité et l'investigation approfondie. Les deux passent par le même point d'accès, et vous les sélectionnez avec l'ID du modèle. L'ancien nom "Fugu Mini" désignait la petite variante pendant la bêta.

Fugu bat-il réellement Opus 4.8 et GPT 5.5 ?

Selon Sakana, Fugu "surpasse constamment" Gemini 3.1 Pro, Opus 4.8 et GPT 5.5 sur une liste spécifique d'applications. La lecture honnête est que Fugu peut appeler ces mêmes modèles et ajouter une orchestration par-dessus, donc une victoire pour l'équipe ne signifie pas que les poids propres de Fugu battent un modèle unique. Nous ne le présentons jamais comme une victoire de modèle unique.

Comment appeler l'API Fugu ?

Pointez un client compatible OpenAI vers l'URL de base de Fugu avec votre clé, puis utilisez la forme de requête standard de Chat Completions. L'URL de base n'est pas publiée publiquement, copiez-la donc depuis console.sakana.ai. Notre guide de l'API Sakana Fugu présente un exemple fonctionnel de bout en bout.

Fugu est-il disponible pour tout le monde dès maintenant ?

L'accès se fait via la page produit et console.sakana.ai derrière une connexion Google ou e-mail. La bêta a fonctionné avec environ 500 utilisateurs à partir de fin avril 2026. Il est utile de vérifier en direct dans la console si l'inscription en libre-service complet est ouverte et s'il existe une restriction UE/EEE.

En quoi Fugu est-il différent d'un routeur ou d'un framework d'agents ?

Un routeur (OpenRouter, Martian) choisit un modèle et transmet votre requête. Un framework d'agents (Swarm, AutoGen, LangGraph) vous fait devenir le coordinateur. Fugu entraîne le coordinateur lui-même, de sorte qu'un modèle appris décide de la délégation, de la communication et de la synthèse. Cette approche de chef d'orchestre entraîné, livrée comme un seul point d'accès, est sa véritable nouveauté étroite.

Fugu est un pari que les prochains gains viendront de la façon dont les modèles travaillent ensemble, et non seulement de poids plus importants. La valeur ajoutée de l'orchestration dépend de votre charge de travail, et la meilleure façon de le savoir est d'envoyer de vraies requêtes et d'observer les vrais chiffres. Configurez votre premier appel Fugu dans Apidog, comparez-le aux modèles uniques que vous utilisez déjà, et laissez vos propres données de latence et de coût prendre la décision.