사카나 후구란?

Sakana Fugu는 Sakana AI가 단일 OpenAI 호환 API 뒤에 단일 파운데이션 모델로 제공하는 다중 에이전트 오케스트레이션 시스템입니다. 이 모델은 위임, 에이전트 통신 및 작업 통합에 특화된 훈련된 언어 모델이며, 단일 프롬프트에 응답하기 위해 다른 LLM(재귀적 복사본 포함) 풀을 동적으로 조정합니다. Sakana는 2026년 6월 22일 "모든 것을 지휘하는 하나의 모델"이라는 헤드라인으로 이를 발표했습니다(공식 출시 페이지 참조). Claude Fable 5와 같은 다른 최첨단 릴리스에 대한 저희의 분석을 읽어보셨다면, Fugu는 다른 종류의 동물입니다. 솔리스트가 아니라 지휘자입니다.

이름은 디자인과 잘 맞습니다. Fugu는 일본 복어이며, 숙련된 요리사가 정확하게 조리하지 않으면 치명적일 수 있는 진미입니다. 세심한 준비를 통해서만 유용해지는 원시적인 힘은 다른 모델들을 어떻게 조율하는지에 따라 전체 가치가 결정되는 시스템을 생각하는 좋은 방법입니다.

버튼

요약 (TL;DR)

무엇인가요: 하나의 엔드포인트 뒤에서 최첨단 모델 팀을 조율하는 훈련된 "지휘자" LLM입니다. 두 가지 변형: "Fugu" (균형 잡힌, 낮은 지연 시간) 및 "Fugu Ultra" (최대 답변 품질). 핵심 제안: 하나의 OpenAI 호환 API; 기존 클라이언트를 연결하면 되며, SDK 마이그레이션이 필요 없습니다. 주의할 점: Fugu는 다른 공급업체의 모델(자기 자신을 재귀적으로 포함)을 호출하므로, 벤치마크 승리는 단일 모델의 승리가 아닌 모델-오브-모델 결과입니다. 접근: 제품 페이지 및 Google/이메일 로그인 뒤의 console.sakana.ai.

Sakana Fugu의 실제 모습

대부분의 파운데이션 모델은 사용자에게 직접 응답합니다. 프롬프트를 보내면 가중치가 순방향 전달을 실행하고, 토큰을 받습니다. Fugu는 이 아이디어 위에 한 층을 추가합니다.

Fugu는 조정이 특기인 훈련된 언어 모델입니다. 요청이 도착하면 Fugu는 스스로 응답할지, 아니면 다른 모델들로 팀을 구성하여 각 모델에 작업의 일부를 할당하고, 모델들 사이에 메시지를 전달하며, 결과를 하나의 응답으로 통합할지 결정합니다. Sakana에 따르면, 지휘자는 심지어 자체적으로 재귀적 인스턴스를 팀원으로 생성할 수도 있습니다. 사용자는 하나의 응답을 보지만, 그 뒤에서는 여러 모델이 작업을 수행했을 수 있습니다.

"단일 파운데이션 모델"이라는 프레이밍이 중요한 이유이자 별표가 필요한 이유입니다. 코드에서 Fugu는 하나의 엔드포인트를 가진 하나의 모델처럼 보입니다. 아키텍처적으로는 모델들의 모델입니다. 모든 벤치마크 숫자를 읽는 방식이 달라지기 때문에 아래에서 이 정직한 점을 자세히 설명합니다.

브랜딩은 의도적으로 물고기 테마를 따릅니다. "Sakana"는 일본어로 "물고기"를 의미하며, 회사의 정체성은 물고기 떼의 집단 지능, 즉 여러 작은 에이전트가 개별 에이전트보다 더 똑똑한 행동을 만들어내는 것에 중점을 둡니다. Fugu는 그 무리의 복어입니다.

두 가지 변형: Fugu 및 Fugu Ultra

Sakana는 동일한 API를 통해 두 가지 변형을 제공합니다.

Fugu는 균형 잡힌 저지연 옵션입니다. Sakana는 코딩, 코드 리뷰, 챗봇 및 응답 시간이 중요한 대화형 서비스와 같은 일상적인 작업에 이 모델을 사용하도록 제안합니다. 이 모델은 베타 및 초기 언론에서 "Fugu Mini"라고 불렸던 변형입니다. "Fugu"를 사용하십시오. "Mini"는 단지 이전 베타 이름일 뿐입니다.

Fugu Ultra는 최대 답변 품질을 목표로 합니다. Sakana는 AI 연구, 논문 재현, 사이버 보안 분석, 문학 또는 특허 조사와 같은 더 무거운 작업에 이 모델을 사용합니다. 지연 시간을 희생하여 깊이를 얻습니다.

두 가지 변형 모두 하나의 엔드포인트 뒤에서 실행됩니다. Fugu는 요청별로 직접 응답할지 또는 팀을 구성할지 스스로 결정하므로, 사용자가 오케스트레이션을 세세하게 관리할 필요가 없습니다. 전체 메커니즘과 더 깊은 비교를 원하시면, 저희의 Fugu Ultra vs Fable 5 vs Mythos 분석이 이 기사와 함께 제공됩니다.

사양표

속성	세부 정보
제공업체	Sakana AI
출시일	2026년 6월 22일
유형	단일 파운데이션 모델로 제공되는 다중 에이전트 오케스트레이션 시스템
변형	Fugu (균형 잡힌, 낮은 지연 시간), Fugu Ultra (최대 품질)
이전 베타 이름	"Fugu Mini" (소형 변형용)
API	하나의 OpenAI 호환 엔드포인트, 두 가지 변형 모두
모델 ID 문자열 (보고됨)	`fugu`, `fugu-ultra` (오래된 ID도 보고됨) [확인 필요]
기본 URL	공개적으로 게시되지 않음; console.sakana.ai에서 복사 [2026-06-22 확인 필요]
접근성	제품 페이지 + console.sakana.ai (Google/이메일 로그인)
가격 구조	구독 등급 + 더 무거운/기업용 사용을 위한 종량제
연구 계보	Trinity (arXiv:2512.04695), Conductor (arXiv:2512.04388), 둘 다 ICLR 2026

오케스트레이션 작동 방식

Fugu의 핵심은 손으로 작성된 라우터가 아니라 학습된 지휘자입니다. 이 차이점이 바로 중요한 이야기입니다.

전통적인 라우터는 요청에 대해 하나의 모델을 선택하고 전달합니다. OpenRouter 또는 Martian과 같은 도구들이 이를 잘 수행합니다. Swarm, AutoGen 또는 LangGraph와 같은 에이전트 프레임워크는 반대 방향으로 작동합니다. 팀을 구축할 수 있는 기반을 제공하지만, 조정 로직은 사용자가 직접 작성합니다. Fugu는 이 둘 사이에 위치합니다. Fugu는 코디네이터가 되도록 훈련된 모델입니다. 언제 위임해야 하는지, 작업을 어떻게 분할해야 하는지, 각 에이전트에게 무엇을 요청해야 하는지, 그리고 그들의 출력을 어떻게 병합해야 하는지를 학습합니다.

Sakana에 따르면, 지휘자는 세 가지 작업을 처리합니다:

위임. 어떤 에이전트(또는 자체 재귀적 복사본)가 어떤 하위 작업을 수행할지 선택합니다.
통신. 에이전트들 간에 흐르는 메시지를 관리하며, 즉석에서 팀의 구조를 형성합니다.
통합. 부분적인 결과들을 하나의 일관된 답변으로 결합합니다.

두 가지 메커니즘이 Fugu를 독특하게 만들며, 둘 다 거버넌스에 중점을 둡니다:

교체 가능한 에이전트. 풀은 고정되어 있지 않습니다. 팀은 데이터 또는 규정 준수상의 이유로 특정 에이전트를 제외할 수 있으므로, 특정 공급업체의 모델을 요청에서 완전히 제외할 수 있습니다.
제한 사항 우회 라우팅. Sakana에 따르면, Fugu는 공급업체 제한 사항을 "동적으로 우회하여" 사용할 수 없거나 허용되지 않는 에이전트 대신 다른 에이전트를 선택합니다.

이 클러스터에서 개념적인 사촌을 원하시면, Mythos급 모델 설명서에서 Fugu가 자체적으로 비교하는 단일 모델 최첨단 계층을 다룹니다.

정직 상자: 단일 모델이 아닌 오케스트레이터

이 부분은 두 번 읽어보세요.

Fugu는 자기 자신을 재귀적으로 포함하여 다른 공급업체의 최첨단 모델을 호출하는 오케스트레이터입니다. Fugu 벤치마크 결과를 볼 때, 이는 Fugu가 Opus 4.8(또는 Fable 5, 또는 여러 모델)을 호출하고 그들의 출력을 통합하여 생성되었을 수 있습니다. 이것은 모델-오브-모델 결과이며, 단일 모델의 일대일 승리가 아닙니다. Fable 5와 Mythos는 자체 가중치로 응답하는 단일 Anthropic 모델입니다. 이러한 주의사항 없이 Fugu의 수치를 그들의 수치와 비교하는 것은 팀과 개인을 비교하는 것과 같습니다.

Sakana가 주장하는 두 가지 특정 사항에 대해 이를 명심하십시오.

첫째, Sakana에 따르면 Fugu Ultra는 엔지니어링, 과학 및 추론 벤치마크에서 "Fable 5 및 Mythos Preview와 같은 선도적인 모델들과 어깨를 나란히 합니다." 이를 "능가한다"는 주장보다는 동등하다는 주장으로 읽으십시오. 또한 Sakana가 현재의 Mythos 5가 아닌 구형 Mythos Preview(4월)를 언급했다는 점에 유의하십시오.

둘째, 별도로 Sakana에 따르면 Fugu는 AutoResearch, 루빅스 큐브, 기계 설계, 일본어 필기 분석, 원샷 체스 및 금융 시계열 예측과 같은 특정 애플리케이션 세트에서 Gemini 3.1 Pro (높음), Opus 4.8 (최대) 및 GPT 5.5 (초고)를 "지속적으로 능가"합니다. 여기에서도 정직한 점이 적용됩니다. "Opus 4.8을 능가한다"는 결과는 Fugu가 Opus를 호출하고 그 위에 오케스트레이션을 추가함으로써 나올 수 있습니다. 오케스트레이션된 팀은 솔리스트에 의존하면서도 솔리스트를 능가할 수 있습니다.

이것은 Fugu에 대한 비난이 아닙니다. 오케스트레이션은 실제 능력입니다. 숫자를 올바르게 표기해야 하는 이유입니다. 우리는 Fugu의 결과를 단일 모델의 승리로 제시하지 않으며, 여러분도 그렇게 해서는 안 됩니다.

참고로, Fable 5는 Anthropic의 가장 강력한 일반 출시 모델이며, 공공 사용을 위해 안전하게 만들어진 Mythos급 모델이자 Opus 4.8보다 한 단계 위에 있습니다. Mythos Preview (2026년 4월 7일)는 Anthropic이 출시하기에는 너무 위험하다고 판단한 최첨단 모델이었습니다. 저희의 Claude Fable 5 설명서는 그 측면에 대한 전체 그림을 제공합니다.

연구 계보: Trinity 및 Conductor

Fugu는 갑자기 나타난 것이 아닙니다. 두 개의 실제 인용 가능한 ICLR 2026 논문이 Fugu의 연구 기반을 형성하며, 이들은 서로 다른 방법을 사용합니다.

Trinity: 진화된 LLM 코디네이터 (arXiv:2512.04695)는 20,000개 미만의 파라미터를 가진 작은 코디네이터를 설명하며, 미분 없는 진화로 최적화되었습니다. 이 모델은 Thinker, Worker, Verifier 역할을 할당합니다. 핵심은 매우 작은 진화된 컨트롤러가 유용한 다중 에이전트 루프를 구동할 수 있다는 것입니다.

Conductor: 자연어에서 에이전트를 조율하는 학습 (arXiv:2512.04388)은 에이전트 간의 통신 구조를 학습하는 강화 학습으로 훈련된 7B 모델을 설명합니다. 이 모델은 더 낮은 비용으로 Mixture-of-Agents를 능가한다고 주장합니다.

이들은 서로 다른 방법(진화 대 강화 학습)과 서로 다른 크기(2만 미만 대 7B)입니다. 이들을 혼동하지 마십시오. Sakana는 출시 제품에 대한 파라미터 수를 공개하지 않았으므로, 7B, Qwen2.5 또는 GRPO의 특정 사항을 Fugu 자체에 적용하는 것은 공식 사양이 아닌 제3자 추론입니다.

진정성 있는 참신함의 관점: Mixture-of-Agents (Together AI, ICLR 2025)는 이미 조율된 모델이 단일 모델을 능가할 수 있음을 보여주었습니다. Fugu의 좁은 실제 참신함은 훈련된 지휘자 연구를 기반으로 하나의 엔드포인트로 제공되는 학습된, 적응적이며 비용 선택적인 토폴로지입니다.

초기 사용자 보고서

Sakana는 인용할 만한 두 가지 사용 후기를 공유합니다.

Fugu Ultra를 코드 리뷰에 사용한 한 소프트웨어 엔지니어는 다른 도구가 "약 3개"의 문제를 표시하는 경우에 "20개 이상"의 문제를 찾아냈다고 말하며, GPT-5.5보다 낫다고 평가했습니다. 한 보안 엔지니어는 범위가 지정된 한 가지 지침이 정의된 범위 내에서 전체 엔드투엔드 평가, 정찰, XSS 및 SQLi 프로빙, 인증 검토를 수행했다고 말했습니다.

이것들은 벤치마크가 아니라 공급업체가 보고한 일화로 간주하십시오. Fugu의 오케스트레이션이 가장 도움이 되는 곳, 즉 마지막에 검증 단계가 있는 병렬 하위 작업으로 잘 분해되는 작업에 대한 유용한 신호입니다. Fugu를 Sakana의 다른 릴리스와 비교한다면, Mirofish 설명서가 동일한 라인업의 자매 모델을 다룹니다.

Fugu API 사용하기

Fugu는 하나의 OpenAI 호환 엔드포인트를 노출합니다. 이것이 실제적인 판매 포인트입니다. 이미 OpenAI 클라이언트를 가지고 있다면, Fugu의 기본 URL로 설정하고 Fugu 키를 사용하십시오. SDK 마이그레이션이 필요 없습니다. OpenAI API 문서에서 알고 있는 것과 동일한 채팅 완성(Chat Completions) 형식이 여기에 적용됩니다.

한 가지 중요한 주의사항. 2026년 6월 22일 현재, 기본 URL은 어떤 공개 페이지에도 게시되어 있지 않습니다. 추측하지 마십시오. console.sakana.ai 대시보드에서 실제 기본 URL을 복사하여 아래 플레이스홀더에 붙여넣으세요.

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_FUGU_API_KEY",
    base_url="<YOUR_FUGU_BASE_URL_FROM_CONSOLE>",  # console.sakana.ai에서 복사
)

# 일상적인 작업을 위한 균형 잡힌 변형
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)

문자열 하나를 변경하여 Fugu Ultra로 전환합니다:

response = client.chat.completions.create(
    model="fugu-ultra",  # 최고 품질 변형; 보고된 ID, 콘솔에서 확인
    messages=[
        {"role": "user", "content": "Reproduce the headline result from this paper."},
    ],
)

모델 ID 문자열(fugu, fugu-ultra 및 보고된 오래된 변형)은 2차 보고서에서 가져온 것입니다. 배포하기 전에 콘솔에서 정확한 문자열을 확인하십시오. 완전하고 테스트된 과정을 보려면, Sakana Fugu API 사용 방법에 대한 가이드를 참조하십시오.

Apidog 워크플로에 Fugu 통합하기

Fugu는 OpenAI 채팅 완성 형식을 지원하므로, 다른 LLM 엔드포인트를 테스트하는 것과 동일한 방식으로 테스트할 수 있습니다. 콘솔에서 복사한 기본 URL을 Apidog의 환경 변수로 설정하고, 키를 베어러 토큰으로 추가한 다음, 채팅 완성 경로로 요청을 보냅니다. 깔끔한 요청 및 응답 보기를 얻을 수 있으며, 호출을 재사용 가능한 케이스로 저장하고, 동일한 프로젝트에서 Fugu를 Fable 5 또는 Opus 4.8과 나란히 비교할 수 있습니다.

마지막 부분은 Fugu에 특히 중요합니다. Fugu는 오케스트레이터이므로, 얼마나 큰 팀을 구성하는지에 따라 지연 시간과 비용이 단일 모델보다 더 많이 달라질 수 있습니다. Apidog에서 실제 요청 시간과 토큰 수를 캡처하면 마케팅용 숫자가 아닌 실제 숫자를 얻을 수 있습니다. Apidog를 다운로드하고 콘솔 기본 URL로 새 요청을 보내 시작하십시오.

버튼

자주 묻는 질문

Sakana Fugu는 단일 모델인가요, 아니면 여러 모델인가요?

어떻게 보느냐에 따라 둘 다입니다. 코드 입장에서는 하나의 API 뒤에 있는 하나의 모델입니다. 내부적으로는 다른 최첨단 모델 풀을 호출하고 그들의 작업을 통합하는 훈련된 지휘자입니다. 그래서 우리는 Fugu의 벤치마크 수치를 단일 모델 승리가 아닌 모델-오브-모델 결과로 표시합니다. Fugu가 비교하는 단일 모델 계층에 대해서는 Mythos급 모델 설명서를 참조하십시오.

Fugu와 Fugu Ultra의 차이점은 무엇인가요?

Fugu는 코딩 및 챗봇과 같은 일상적인 작업을 위한 균형 잡힌 저지연 변형입니다. Fugu Ultra는 지연 시간을 희생하여 최대 답변 품질을 제공하며, 연구, 보안 분석 및 심층 조사를 목표로 합니다. 두 가지 모두 동일한 엔드포인트를 통해 실행되며, 모델 ID로 선택할 수 있습니다. 이전 이름인 "Fugu Mini"는 베타 기간 동안 소형 변형을 지칭했습니다.

Fugu가 정말 Opus 4.8과 GPT 5.5를 능가하나요?

Sakana에 따르면 Fugu는 특정 애플리케이션 목록에서 Gemini 3.1 Pro, Opus 4.8 및 GPT 5.5를 "지속적으로 능가"합니다. 정직하게 해석하면, Fugu는 이들 모델을 호출하고 그 위에 오케스트레이션을 추가할 수 있으므로, 팀의 승리가 Fugu 자체의 가중치가 어떤 단일 모델을 이긴다는 의미는 아닙니다. 우리는 Fugu를 단일 모델 승리로 제시하지 않습니다.

Fugu API는 어떻게 호출하나요?

OpenAI 호환 클라이언트를 Fugu의 기본 URL에 키와 함께 연결한 다음, 표준 채팅 완성 요청 형식을 사용하십시오. 기본 URL은 공개적으로 게시되지 않았으므로, console.sakana.ai에서 복사하십시오. 저희의 Sakana Fugu API 가이드는 작동하는 예제를 처음부터 끝까지 안내합니다.

지금 바로 Fugu를 사용할 수 있나요?

Google 또는 이메일 로그인 뒤의 제품 페이지 및 console.sakana.ai를 통해 접근할 수 있습니다. 베타는 2026년 4월 말부터 약 500명의 사용자와 함께 진행되었습니다. 완전한 셀프 서비스 GA 가입이 가능한지, 그리고 EU/EEA 제한이 있는지 여부는 콘솔에서 실시간으로 확인하는 것이 좋습니다.

Fugu는 라우터 또는 에이전트 프레임워크와 어떻게 다른가요?

라우터(OpenRouter, Martian)는 하나의 모델을 선택하고 요청을 전달합니다. 에이전트 프레임워크(Swarm, AutoGen, LangGraph)는 사용자가 코디네이터가 되게 합니다. Fugu는 코디네이터 자체를 훈련하여 학습된 모델이 위임, 통신 및 통합을 결정합니다. 하나의 엔드포인트로 제공되는 훈련된 지휘자 접근 방식이 Fugu의 좁은 실제 참신함입니다.

Fugu는 다음 발전이 단순히 더 큰 가중치에서 오는 것이 아니라 모델들이 함께 작동하는 방식에서 온다는 믿음에 기반합니다. 오케스트레이션 프리미엄이 가치가 있는지는 워크로드에 따라 다르며, 가장 빠르게 알아내는 방법은 실제 요청을 보내고 실제 숫자를 확인하는 것입니다. Apidog에서 첫 Fugu 호출을 설정하고, 이미 실행 중인 단일 모델과 비교하여 자체 지연 시간 및 비용 데이터가 결정을 내리게 하십시오.