Apa Itu Sakana Fugu

Sakana Fugu adalah sistem orkestrasi multi-agen yang dikirimkan Sakana AI sebagai model fondasi tunggal di balik satu API yang kompatibel dengan OpenAI. Ini adalah model bahasa terlatih yang berspesialisasi dalam delegasi, komunikasi agen, dan sintesis pekerjaan, dan secara dinamis mengoordinasikan kumpulan LLM lain (termasuk salinan rekursif dari dirinya sendiri) untuk menjawab satu prompt. Sakana mengumumkannya pada 22 Juni 2026 dengan judul “One Model to Command Them All” (lihat halaman rilis resmi). Jika Anda telah membaca ulasan kami tentang rilis canggih lainnya seperti Claude Fable 5, Fugu adalah jenis hewan yang berbeda: ia adalah konduktor, bukan solois.

Nama tersebut sesuai dengan desainnya. Fugu adalah ikan buntal Jepang, hidangan lezat yang mematikan kecuali disiapkan dengan benar oleh koki yang terampil. Kekuatan mentah yang hanya menjadi berguna melalui persiapan yang cermat adalah cara yang baik untuk memikirkan sistem yang seluruh nilainya berasal dari bagaimana ia mengoordinasikan model-model lain.

TL;DR

Apa itu: LLM “konduktor” terlatih yang mengorkestrasi tim model canggih di balik satu titik akhir. Dua varian: “Fugu” (seimbang, latensi rendah) dan “Fugu Ultra” (kualitas jawaban maksimum). Penawaran: Satu API yang kompatibel dengan OpenAI; arahkan klien Anda yang sudah ada ke sana, tanpa migrasi SDK. Kekurangan: Fugu memanggil model dari vendor lain (termasuk dirinya sendiri secara rekursif), jadi kemenangan tolak ukurnya adalah hasil model-dari-model, bukan kemenangan model tunggal. Akses: Halaman produk plus console.sakana.ai di balik login Google/email.

Apa sebenarnya Sakana Fugu itu

Kebanyakan model fondasi menjawab Anda secara langsung. Anda mengirimkan prompt, bobot menjalankan forward pass, Anda mendapatkan token kembali. Fugu menambahkan lapisan di atas ide tersebut.

Fugu adalah model bahasa terlatih yang spesialisasinya adalah koordinasi. Ketika sebuah permintaan tiba, Fugu memutuskan apakah akan menjawabnya sendiri atau mengumpulkan tim model lain, memberikan masing-masing bagian pekerjaan, mengarahkan pesan di antara mereka, dan menyintesis hasilnya menjadi satu jawaban. Menurut Sakana, konduktor bahkan dapat meluncurkan instans rekursif dari dirinya sendiri sebagai anggota tim. Anda melihat satu respons. Di baliknya, beberapa model mungkin telah melakukan pekerjaan tersebut.

Inilah mengapa kerangka “model fondasi tunggal” itu penting dan juga mengapa ia membutuhkan tanda bintang. Dari kode Anda, Fugu terlihat seperti satu model dengan satu titik akhir. Secara arsitektural, ia adalah model-dari-model. Kami akan menguraikan poin kejujuran tersebut secara rinci di bawah, karena hal itu mengubah cara Anda harus membaca setiap angka tolak ukur.

Branding ini sengaja mengadopsi tema ikan. “Sakana” adalah bahasa Jepang untuk “ikan,” dan identitas perusahaan berpusat pada kecerdasan kolektif gerombolan ikan, banyak agen kecil yang menghasilkan perilaku lebih cerdas daripada salah satu dari mereka. Fugu adalah anggota ikan buntal dari gerombolan tersebut.

Dua varian: Fugu dan Fugu Ultra

Sakana mengirimkan dua varian melalui API yang sama.

Fugu adalah opsi yang seimbang dan berlatensi rendah. Sakana memposisikannya untuk pekerjaan sehari-hari: coding, tinjauan kode, chatbot, dan layanan interaktif di mana waktu respons menjadi penting. Ini adalah varian yang disebut “Fugu Mini” oleh beta dan sebagian besar pers awal. Gunakan “Fugu”; “Mini” hanyalah nama beta lama.

Fugu Ultra menargetkan kualitas jawaban maksimum. Sakana mengarahkannya pada pekerjaan yang lebih berat: penelitian AI, reproduksi makalah, analisis keamanan siber, dan investigasi literatur atau paten. Anda menukar latensi dengan kedalaman.

Kedua varian berjalan di balik satu titik akhir. Fugu sendiri memutuskan, per permintaan, apakah akan menjawab langsung atau mengumpulkan tim, sehingga Anda tidak perlu mengelola orkestrasi secara mikro. Jika Anda menginginkan mekanisme lengkap dan perbandingan yang lebih mendalam, ulasan Fugu Ultra vs Fable 5 vs Mythos kami terletak di samping artikel ini dalam kluster yang sama.

Tabel Spesifikasi

Bagaimana Orkestrasi Bekerja

Inti dari Fugu adalah konduktor yang terlatih, bukan router yang ditulis tangan. Perbedaan itulah cerita sebenarnya.

Router tradisional memilih satu model untuk sebuah permintaan dan meneruskannya. Alat seperti OpenRouter atau Martian melakukannya dengan baik. Kerangka kerja agen seperti Swarm, AutoGen, atau LangGraph bekerja sebaliknya: ia memberi Anda saluran untuk membangun tim, tetapi Anda, manusia, yang menulis logika koordinasinya. Fugu berada di antara keduanya. Ini adalah model yang dilatih untuk menjadi koordinator. Ia belajar kapan harus mendelegasikan, bagaimana membagi pekerjaan, apa yang harus diminta dari setiap agen, dan bagaimana menggabungkan hasil mereka.

Menurut Sakana, konduktor menangani tiga tugas:

• Delegasi. Ini memilih agen mana (atau salinan rekursif dari dirinya sendiri) yang mendapatkan subtugas mana.
• Komunikasi. Ini mengelola pesan yang mengalir di antara agen, membentuk struktur tim secara dinamis.
• Sintesis. Ini menggabungkan hasil parsial menjadi satu jawaban yang koheren.

Dua mekanisme lagi membuat Fugu berbeda, dan keduanya mengarah pada tata kelola:

• Agen yang dapat ditukar. Kumpulan agen tidak tetap. Tim dapat memilih untuk tidak menggunakan agen tertentu karena alasan data atau kepatuhan, sehingga Anda dapat sepenuhnya mengecualikan model vendor tertentu dari permintaan Anda.
• Perutean di sekitar pembatasan. Menurut Sakana, Fugu “secara dinamis merutekan di sekitar” pembatasan penyedia, memilih agen yang berbeda ketika salah satu tidak tersedia atau tidak diizinkan.

Jika Anda menginginkan kerabat konseptual dalam kluster ini, penjelasan model kelas Mythos mencakup tingkat model canggih tunggal yang menjadi acuan Fugu.

Kotak kejujuran: orkestrator, bukan model tunggal

Bagian ini perlu dibaca dua kali.

Fugu adalah orkestrator yang memanggil model canggih dari vendor lain, termasuk dirinya sendiri secara rekursif. Ketika Anda melihat hasil tolak ukur Fugu, itu mungkin dihasilkan oleh Fugu yang memanggil Opus 4.8 (atau Fable 5, atau beberapa model) dan menyintesis keluarannya. Itu adalah hasil model-dari-model. Ini bukan kemenangan model tunggal yang sepadan. Fable 5 dan Mythos adalah model Anthropic tunggal yang menjawab dari bobot mereka sendiri. Membandingkan angka Fugu dengan angka mereka tanpa peringatan tersebut sama dengan membandingkan tim dengan individu.

Ingatlah hal ini untuk dua klaim spesifik yang dibuat Sakana.

Pertama, menurut Sakana, Fugu Ultra “bersaing ketat dengan model-model terkemuka seperti Fable 5 dan Mythos Preview” di berbagai tolak ukur teknik, ilmiah, dan penalaran. Bacalah itu sebagai klaim kesetaraan, bukan klaim “mengalahkan”. Perhatikan juga bahwa Sakana menyebut Mythos Preview (April) yang lebih lama, bukan Mythos 5 yang sekarang.

Kedua, dan secara terpisah, menurut Sakana, Fugu “secara konsisten mengungguli” Gemini 3.1 Pro (tinggi), Opus 4.8 (maks), dan GPT 5.5 (xhigh) pada serangkaian aplikasi spesifik: AutoResearch, Rubik’s Cube, Desain Mekanik, Analisis Tulisan Tangan Jepang, Catur Sekali Jalan, dan Prediksi Deret Waktu Keuangan. Bahkan di sini, poin kejujuran tetap berlaku. Hasil “mengalahkan Opus 4.8” dapat berasal dari Fugu yang memanggil Opus dan menambahkan orkestrasi di atasnya. Tim yang diorkestrasi dapat mengalahkan solois sambil tetap bergantung pada solois.

Ini bukan celaan terhadap Fugu. Orkestrasi adalah kemampuan nyata. Ini adalah alasan untuk melabeli angka dengan benar. Kami tidak pernah menyajikan hasil Fugu sebagai kemenangan model tunggal, dan Anda juga tidak boleh melakukannya.

Sebagai referensi, Fable 5 adalah model Anthropic yang paling kuat dan tersedia secara umum, model kelas Mythos yang dibuat aman untuk penggunaan publik dan satu tingkat di atas Opus 4.8. Mythos Preview (7 April 2026) adalah model canggih yang Anthropic anggap terlalu berbahaya untuk dirilis. Penjelasan Claude Fable 5 kami memiliki gambaran lengkap tentang hal itu.

Silsilah penelitian: Trinity dan Conductor

Fugu tidak muncul begitu saja. Dua makalah ICLR 2026 yang nyata dan dapat dikutip membentuk parit penelitiannya, dan keduanya menggunakan metode yang berbeda.

Trinity: An Evolved LLM Coordinator (arXiv:2512.04695) menjelaskan koordinator kecil, di bawah 20.000 parameter, dioptimalkan oleh evolusi bebas turunan. Ini menetapkan peran Pemikir, Pekerja, dan Verifikator. Intinya adalah pengontrol berevolusi yang sangat kecil dapat mendorong lingkaran multi-agen yang berguna.

Conductor: Learning to Orchestrate Agents in Natural Language (arXiv:2512.04388) menjelaskan model 7B yang dilatih dengan pembelajaran penguatan yang mempelajari struktur komunikasi antar agen. Ia mengklaim mengalahkan Mixture-of-Agents dengan biaya lebih rendah.

Ini adalah metode yang berbeda (evolusi versus RL) dan ukuran yang berbeda (sub-20K versus 7B). Jangan mencampuradukkannya. Sakana belum mempublikasikan jumlah parameter untuk produk yang dikirimkan, jadi menerapkan spesifikasi 7B, Qwen2.5, atau GRPO ke Fugu itu sendiri adalah inferensi pihak ketiga, bukan spesifikasi resmi.

Pembingkaian jujur dari hal baru: Mixture-of-Agents (Together AI, ICLR 2025) telah menunjukkan bahwa model yang diorkestrasi dapat mengalahkan model tunggal. Kebaruan nyata Fugu yang sempit adalah topologi yang dipelajari, adaptif, dan selektif biaya yang dikirimkan sebagai satu titik akhir, didukung oleh penelitian konduktor terlatih tersebut.

Apa yang dilaporkan pengguna awal

Sakana membagikan dua testimoni yang layak diulang dengan atribusi.

Seorang insinyur perangkat lunak yang menggunakan Fugu Ultra untuk tinjauan kode mengatakan bahwa ia menemukan “lebih dari dua puluh” masalah dalam kasus di mana alat lain menandai “sekitar tiga,” dan menyebutnya lebih baik daripada GPT-5.5. Seorang insinyur keamanan mengatakan satu instruksi terbatas mendorong penilaian end-to-end penuh, pengintaian, probing XSS dan SQLi, dan tinjauan otentikasi, sambil tetap berada dalam cakupan yang ditentukan.

Perlakukan ini sebagai anekdot yang dilaporkan vendor, bukan tolak ukur. Ini adalah sinyal yang berguna untuk menunjukkan di mana orkestrasi Fugu paling membantu: tugas-tugas yang terurai dengan baik menjadi subtugas paralel dengan langkah verifikasi di akhir. Jika Anda membandingkan Fugu dengan rilis Sakana lainnya, penjelasan Mirofish mencakup model saudara dalam jajaran yang sama.

Menggunakan API Fugu

Fugu mengekspos satu titik akhir yang kompatibel dengan OpenAI. Itulah nilai jual praktisnya: jika Anda sudah memiliki klien OpenAI, Anda mengarahkannya ke URL dasar Fugu dan menggunakan kunci Fugu Anda. Tidak ada migrasi SDK. Bentuk Chat Completions yang sama yang Anda ketahui dari dokumentasi API OpenAI berlaku di sini.

Satu peringatan penting. Per 2026-06-22, URL dasar tidak dipublikasikan di halaman publik mana pun. Jangan menebaknya. Salin URL dasar yang sebenarnya dari dasbor Anda di console.sakana.ai dan letakkan di placeholder di bawah.

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)

Beralih ke Fugu Ultra dengan mengubah satu string:

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."},
    ],
)

String ID model (fugu, fugu-ultra, dan varian bertanggal yang dilaporkan) berasal dari laporan sekunder. Konfirmasikan string yang tepat di konsol sebelum Anda mengirimkan. Untuk panduan lengkap yang telah diuji, lihat panduan kami tentang cara menggunakan API Sakana Fugu.

Bagaimana ini sesuai dengan alur kerja Apidog Anda

Karena Fugu menggunakan format OpenAI Chat Completions, Anda dapat mengujinya dengan cara yang sama seperti Anda menguji titik akhir LLM lainnya. Atur URL dasar yang Anda salin dari konsol sebagai variabel lingkungan di Apidog, tambahkan kunci Anda sebagai token pembawa, dan kirim permintaan ke jalur penyelesaian obrolan. Anda mendapatkan tampilan permintaan dan respons yang bersih, Anda dapat menyimpan panggilan sebagai kasus yang dapat digunakan kembali, dan Anda dapat membandingkan Fugu dengan Fable 5 atau Opus 4.8 secara berdampingan dalam proyek yang sama.

Bagian terakhir itu penting khususnya untuk Fugu. Karena ini adalah orkestrator, latensi dan biaya akan bervariasi lebih dari model tunggal, tergantung pada seberapa besar tim yang dibentuknya. Menangkap waktu permintaan nyata dan jumlah token di Apidog memberi Anda angka aktual daripada angka pemasaran. Unduh Apidog dan arahkan permintaan baru ke URL dasar konsol Anda untuk memulai.

Pertanyaan yang sering diajukan

Apakah Sakana Fugu satu model atau banyak model?

Keduanya, tergantung bagaimana Anda melihatnya. Bagi kode Anda, ini adalah satu model di balik satu API. Secara internal, ini adalah konduktor terlatih yang memanggil kumpulan model canggih lainnya dan menyintesis pekerjaan mereka. Itulah mengapa kami menandai angka tolak ukurnya sebagai hasil model-dari-model daripada kemenangan model tunggal. Lihat penjelasan model kelas Mythos kami untuk tingkat model tunggal yang dibandingkan dengannya.

Apa perbedaan antara Fugu dan Fugu Ultra?

Fugu adalah varian yang seimbang, latensi rendah untuk pekerjaan sehari-hari seperti coding dan chatbot. Fugu Ultra menukarkan latensi dengan kualitas jawaban maksimum dan menargetkan penelitian, analisis keamanan, serta investigasi mendalam. Keduanya berjalan melalui titik akhir yang sama, dan Anda memilih di antara keduanya dengan ID model. Nama “Fugu Mini” yang lebih lama mengacu pada varian kecil selama beta.

Apakah Fugu benar-benar mengalahkan Opus 4.8 dan GPT 5.5?

Menurut Sakana, Fugu “secara konsisten mengungguli” Gemini 3.1 Pro, Opus 4.8, dan GPT 5.5 pada daftar aplikasi spesifik. Pembacaan jujur adalah bahwa Fugu dapat memanggil model-model yang sama tersebut dan menambahkan orkestrasi di atasnya, sehingga kemenangan bagi tim tidak berarti bobot Fugu sendiri mengalahkan model mana pun. Kami tidak pernah menyajikannya sebagai kemenangan model tunggal.

Bagaimana cara memanggil API Fugu?

Arahkan klien yang kompatibel dengan OpenAI ke URL dasar Fugu dengan kunci Anda, lalu gunakan bentuk permintaan Chat Completions standar. URL dasar tidak dipublikasikan secara umum, jadi salin dari console.sakana.ai. Panduan API Sakana Fugu kami menunjukkan contoh kerja dari awal hingga akhir.

Apakah Fugu tersedia untuk semua orang sekarang?

Akses berjalan melalui halaman produk dan console.sakana.ai di balik login Google atau email. Beta berjalan dengan sekitar 500 pengguna dari akhir April 2026. Apakah pendaftaran GA layanan mandiri sepenuhnya terbuka, dan apakah ada pembatasan EU/EEA, keduanya layak diperiksa langsung di konsol.

Bagaimana Fugu berbeda dari router atau kerangka kerja agen?

Router (OpenRouter, Martian) memilih satu model dan meneruskan permintaan Anda. Kerangka kerja agen (Swarm, AutoGen, LangGraph) menjadikan Anda koordinator. Fugu melatih koordinator itu sendiri, sehingga model yang dipelajari memutuskan delegasi, komunikasi, dan sintesis. Pendekatan konduktor terlatih tersebut, yang dikirimkan sebagai satu titik akhir, adalah kebaruan nyata yang sempit.

Fugu adalah taruhan bahwa keuntungan berikutnya berasal dari bagaimana model bekerja sama, bukan hanya dari bobot yang lebih besar. Apakah premium orkestrasi sepadan tergantung pada beban kerja Anda, dan cara tercepat untuk mengetahuinya adalah dengan mengirimkan permintaan nyata dan melihat angka-angka sebenarnya. Siapkan panggilan Fugu pertama Anda di Apidog, bandingkan dengan model tunggal yang sudah Anda jalankan, dan biarkan data latensi dan biaya Anda sendiri yang memutuskan.