O que é Sakana Fugu

Sakana Fugu é um sistema de orquestração multiagente que a Sakana AI distribui como um único modelo de fundação por trás de uma API compatível com OpenAI. É um modelo de linguagem treinado especializado em delegação, comunicação entre agentes e síntese de trabalho, e coordena dinamicamente um conjunto de outros LLMs (incluindo cópias recursivas de si mesmo) para responder a um único prompt. A Sakana o anunciou em 22 de junho de 2026 sob o título “Um Modelo para Comandá-los Todos” (veja a página oficial de lançamento). Se você leu nossas análises de outros lançamentos de ponta como Claude Fable 5, Fugu é um tipo diferente de animal: é um maestro, não um solista.

O nome se encaixa no design. Fugu é o baiacu japonês, uma iguaria letal a menos que um chef habilidoso o prepare exatamente certo. Poder bruto que só se torna útil através de uma preparação cuidadosa é uma boa maneira de pensar sobre um sistema cujo valor total vem de como ele coordena outros modelos.

TL;DR

O que é: Um LLM “maestro” treinado que orquestra uma equipe de modelos de ponta por trás de um único endpoint. Duas variantes: “Fugu” (equilibrado, baixa latência) e “Fugu Ultra” (qualidade máxima de resposta). A proposta: Uma API compatível com OpenAI; aponte seu cliente existente para ela, sem migração de SDK. O porém: Fugu chama modelos de outros fornecedores (incluindo recursivamente a si mesmo), então suas vitórias em benchmarks são resultados de modelo-de-modelos, não vitórias de modelo único. Acesso: Página do produto mais console.sakana.ai com login via Google/e-mail.

O que o Sakana Fugu realmente é

A maioria dos modelos de fundação responde diretamente a você. Você envia um prompt, os pesos executam uma passagem para frente, você recebe tokens de volta. Fugu adiciona uma camada sobre essa ideia.

Fugu é um modelo de linguagem treinado cuja especialidade é a coordenação. Quando uma solicitação chega, Fugu decide se deve respondê-la sozinho ou montar uma equipe de outros modelos, entregar a cada um uma parte do trabalho, rotear mensagens entre eles e sintetizar os resultados em uma única resposta. Segundo a Sakana, o maestro pode até mesmo iniciar instâncias recursivas de si mesmo como membros da equipe. Você vê uma resposta. Por trás dela, vários modelos podem ter feito o trabalho.

É por isso que a abordagem do “modelo de fundação único” importa e também por que precisa de um asterisco. Do ponto de vista do seu código, Fugu parece um modelo com um endpoint. Arquitetonicamente, é um modelo-de-modelos. Desvendamos esse ponto de honestidade em detalhes abaixo, porque ele muda como você deve ler cada número de benchmark.

A marca se inclina propositalmente para um tema de peixes. “Sakana” significa “peixe” em japonês, e a identidade da empresa se concentra na inteligência coletiva de um cardume, onde muitos agentes pequenos produzem um comportamento mais inteligente do que qualquer um deles sozinho. Fugu é o membro baiacu desse cardume.

As duas variantes: Fugu e Fugu Ultra

A Sakana distribui duas variantes através da mesma API.

Fugu é a opção equilibrada e de baixa latência. A Sakana o posiciona para o trabalho diário: codificação, revisão de código, chatbots e serviços interativos onde o tempo de resposta é importante. Esta é a variante que a versão beta e grande parte da imprensa inicial chamaram de “Fugu Mini”. Use “Fugu”; “Mini” é apenas o antigo nome da versão beta.

Fugu Ultra visa a qualidade máxima da resposta. A Sakana o direciona para trabalhos mais pesados: pesquisa em IA, reprodução de artigos, análise de segurança cibernética e investigação de literatura ou patentes. Você troca latência por profundidade.

Ambas as variantes funcionam por trás de um único endpoint. O próprio Fugu decide, por solicitação, se deve responder diretamente ou montar uma equipe, para que você não precise microgerenciar a orquestração. Se você quiser conhecer os mecanismos completos e uma comparação mais aprofundada, nossa análise Fugu Ultra vs Fable 5 vs Mythos está ao lado deste artigo no mesmo grupo.

Tabela de especificações

Como a orquestração funciona

O cerne do Fugu é um maestro aprendido, não um roteador escrito manualmente. Essa distinção é a verdadeira história.

Um roteador tradicional escolhe um modelo para uma solicitação e a encaminha. Ferramentas como OpenRouter ou Martian fazem isso bem. Um framework de agente como Swarm, AutoGen ou LangGraph vai na direção oposta: ele oferece a infraestrutura para construir uma equipe, mas você, o humano, escreve a lógica de coordenação. Fugu fica entre esses dois. É um modelo treinado para ser o coordenador. Ele aprende quando delegar, como dividir o trabalho, o que pedir a cada agente e como mesclar suas saídas.

Segundo a Sakana, o maestro lida com três tarefas:

• Delegação. Ele escolhe quais agentes (ou cópias recursivas de si mesmo) recebem quais subtarefas.
• Comunicação. Ele gerencia as mensagens que fluem entre os agentes, moldando a estrutura da equipe em tempo real.
• Síntese. Ele combina resultados parciais em uma única resposta coerente.

Mais dois mecanismos tornam o Fugu distinto, e ambos se inclinam para a governança:

• Agentes intercambiáveis. O pool não é fixo. As equipes podem optar por excluir agentes específicos por motivos de dados ou conformidade, para que você possa manter o modelo de um determinado fornecedor totalmente fora de suas solicitações.
• Contorno de restrições. Segundo a Sakana, Fugu “roteia dinamicamente” as restrições do provedor, escolhendo um agente diferente quando um está indisponível ou não permitido.

Se você quer o “primo” conceitual neste grupo, o explicador do modelo de classe Mythos abrange o nível de fronteira de modelo único contra o qual o Fugu se compara.

A caixa da honestidade: orquestrador, não um modelo único

Fugu é um orquestrador que chama modelos de ponta de outros fornecedores, incluindo recursivamente a si mesmo. Quando você vê um resultado de benchmark do Fugu, ele pode ter sido produzido pelo Fugu chamando Opus 4.8 (ou Fable 5, ou vários modelos) e sintetizando suas saídas. Esse é um resultado de modelo-de-modelos. Não é uma vitória de modelo único comparável. Fable 5 e Mythos são modelos Anthropic únicos que respondem a partir de seus próprios pesos. Comparar os números do Fugu com os deles sem essa ressalva é comparar uma equipe com um indivíduo.

Mantenha isso em mente para duas afirmações específicas que a Sakana faz.

Primeiro, segundo a Sakana, o Fugu Ultra “está ombro a ombro com modelos líderes como Fable 5 e Mythos Preview” em benchmarks de engenharia, científicos e de raciocínio. Leia isso como uma afirmação de paridade, não uma afirmação de “superar”. Note também que a Sakana mencionou o Mythos Preview (abril), mais antigo, e não o Mythos 5 atual.

Segundo, e separadamente, segundo a Sakana, Fugu “supera consistentemente” Gemini 3.1 Pro (alta), Opus 4.8 (máxima) e GPT 5.5 (xhigh) em um conjunto específico de aplicações: AutoResearch, Cubo Mágico, Design Mecânico, Análise de Escrita Japonesa, Xadrez de Uma Jogada e Previsão de Séries Temporais Financeiras. Mesmo aqui, o ponto de honestidade se mantém. Um resultado de “supera Opus 4.8” pode vir do Fugu chamando Opus e adicionando orquestração. A equipe orquestrada pode superar o solista enquanto ainda depende do solista.

Isso não é uma crítica ao Fugu. A orquestração é uma capacidade real. É uma razão para rotular os números corretamente. Nunca apresentamos os resultados do Fugu como uma vitória de modelo único, e você também não deveria.

Para referência, Fable 5 é o modelo mais poderoso da Anthropic disponível publicamente, um modelo de classe Mythos tornado seguro para uso público e um nível acima do Opus 4.8. Mythos Preview (7 de abril de 2026) foi o modelo de fronteira que a Anthropic considerou perigoso demais para ser lançado. Nosso explicador do Claude Fable 5 tem o panorama completo desse lado.

A linha de pesquisa: Trinity e Conductor

Fugu não surgiu do nada. Dois artigos reais e citáveis da ICLR 2026 formam seu fosso de pesquisa, e eles usam métodos diferentes.

Trinity: An Evolved LLM Coordinator (arXiv:2512.04695) descreve um minúsculo coordenador, com menos de 20.000 parâmetros, otimizado por evolução sem derivativos. Ele atribui as funções de Pensador, Trabalhador e Verificador. A manchete é que um controlador evoluído muito pequeno pode impulsionar um ciclo multiagente útil.

Conductor: Learning to Orchestrate Agents in Natural Language (arXiv:2512.04388) descreve um modelo de 7B treinado com aprendizado por reforço que aprende a estrutura de comunicação entre agentes. Ele afirma superar o Mixture-of-Agents com menor custo.

Estes são métodos diferentes (evolução versus RL) e tamanhos diferentes (sub-20K versus 7B). Não os confunda. A Sakana não publicou uma contagem de parâmetros para o produto final, então aplicar as especificações de 7B, Qwen2.5 ou GRPO ao próprio Fugu é uma inferência de terceiros, não uma especificação oficial.

A moldura honesta da novidade: Mixture-of-Agents (Together AI, ICLR 2025) já mostrou que modelos orquestrados podem superar um único modelo. A estreita e real novidade do Fugu é uma topologia aprendida, adaptativa e seletiva em termos de custo, distribuída como um único endpoint, apoiada por essa pesquisa de maestro treinado.

O que os primeiros usuários relatam

A Sakana compartilha dois depoimentos que valem a pena repetir com atribuição.

Um engenheiro de software usando Fugu Ultra para revisão de código disse que ele identificou “mais de vinte” problemas em casos onde outras ferramentas sinalizam “cerca de três”, e o considerou melhor que o GPT-5.5. Um engenheiro de segurança disse que uma instrução delimitada conduziu uma avaliação completa de ponta a ponta, reconhecimento, sondagem de XSS e SQLi, e uma revisão de autenticação, mantendo-se dentro do escopo definido.

Trate isso como anedotas relatadas pelo fornecedor, não como benchmarks. Elas são um sinal útil para onde a orquestração do Fugu mais ajuda: tarefas que se decompõem bem em subtarefas paralelas com uma etapa de verificação no final. Se você estiver comparando Fugu com outro lançamento da Sakana, o explicador do Mirofish abrange o modelo irmão na mesma linha.

Usando a API Fugu

Fugu expõe um endpoint compatível com OpenAI. Esse é o ponto de venda prático: se você já possui um cliente OpenAI, você o aponta para a URL base do Fugu e usa sua chave Fugu. Sem migração de SDK. O mesmo formato de Chat Completions que você conhece da documentação da API OpenAI se aplica aqui.

Uma ressalva importante. Em 22/06/2026, a URL base não está publicada em nenhuma página pública. Não a adivinhe. Copie a URL base real do seu painel em console.sakana.ai e insira-a no placeholder abaixo.

from openai import OpenAI

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

# Variante equilibrada para o trabalho diário
response = client.chat.completions.create(
    model="fugu",
    messages=[
        {"role": "system", "content": "Você é um assistente de codificação preciso."},
        {"role": "user", "content": "Revise esta função em busca de erros de off-by-one."},
    ],
)
print(response.choices[0].message.content)

Mude para Fugu Ultra alterando uma string:

response = client.chat.completions.create(
    model="fugu-ultra",  # variante de qualidade máxima; ID relatado, verifique no console
    messages=[
        {"role": "user", "content": "Reproduza o resultado principal deste artigo."},
    ],
)

As strings de ID do modelo (fugu, fugu-ultra e uma variante datada relatada) vêm de relatórios secundários. Confirme as strings exatas no console antes de enviar. Para um passo a passo completo e testado, consulte nosso guia sobre como usar a API Sakana Fugu.

Como isso se encaixa no seu fluxo de trabalho Apidog

Como o Fugu usa o formato OpenAI Chat Completions, você pode testá-lo da mesma forma que testa qualquer outro endpoint LLM. Defina a URL base que você copiou do console como uma variável de ambiente no Apidog, adicione sua chave como um token bearer e envie uma solicitação para o caminho de conclusões de chat. Você obtém uma visualização limpa de solicitação e resposta, pode salvar a chamada como um caso reutilizável e pode comparar Fugu com Fable 5 ou Opus 4.8 lado a lado no mesmo projeto.

Essa última parte é importante especificamente para o Fugu. Por ser um orquestrador, a latência e o custo variarão mais do que os de um modelo único, dependendo do tamanho da equipe que ele montar. Capturar os tempos de requisição reais e as contagens de tokens no Apidog fornece os números reais em vez dos de marketing. Baixe o Apidog e aponte uma nova solicitação para a URL base do seu console para começar.

Perguntas frequentes

O Sakana Fugu é um modelo único ou muitos modelos?

Ambos, dependendo de como você o vê. Para o seu código, é um modelo por trás de uma API. Internamente, é um maestro treinado que chama um conjunto de outros modelos de fronteira e sintetiza o trabalho deles. É por isso que classificamos seus números de benchmark como resultados de modelo-de-modelos em vez de vitórias de modelo único. Consulte nosso explicador do modelo de classe Mythos para o nível de modelo único contra o qual ele se compara.

Qual a diferença entre Fugu e Fugu Ultra?

Fugu é a variante equilibrada, de baixa latência, para o trabalho diário, como codificação e chatbots. Fugu Ultra troca latência por máxima qualidade de resposta e é voltado para pesquisa, análise de segurança e investigação aprofundada. Ambos funcionam através do mesmo endpoint, e você seleciona entre eles com o ID do modelo. O nome antigo “Fugu Mini” se referia à variante menor durante a fase beta.

O Fugu realmente supera o Opus 4.8 e o GPT 5.5?

Segundo a Sakana, Fugu “supera consistentemente” Gemini 3.1 Pro, Opus 4.8 e GPT 5.5 em uma lista específica de aplicações. A leitura honesta é que Fugu pode chamar esses mesmos modelos e adicionar orquestração por cima, então uma vitória para a equipe não significa que os próprios pesos do Fugu superam qualquer modelo individual. Nunca o apresentamos como uma vitória de modelo único.

Como faço para chamar a API Fugu?

Aponte um cliente compatível com OpenAI para a URL base do Fugu com sua chave e, em seguida, use o formato padrão de solicitação de Chat Completions. A URL base não é publicada publicamente, então copie-a de console.sakana.ai. Nosso guia da API Sakana Fugu apresenta um exemplo funcional do início ao fim.

O Fugu está disponível para todos agora?

O acesso é feito através da página do produto e do console.sakana.ai, exigindo login via Google ou e-mail. A versão beta contou com cerca de 500 usuários a partir do final de abril de 2026. Vale a pena verificar no console se o registro GA (General Availability) é totalmente self-service e se há restrição para a UE/EEA.

Como o Fugu é diferente de um roteador ou de um framework de agente?

Um roteador (OpenRouter, Martian) escolhe um modelo e encaminha sua solicitação. Um framework de agente (Swarm, AutoGen, LangGraph) torna você o coordenador. Fugu treina o próprio coordenador, então um modelo aprendido decide a delegação, comunicação e síntese. Essa abordagem de maestro treinado, entregue como um único endpoint, é sua estreita e real novidade.

Fugu é uma aposta de que os próximos ganhos virão de como os modelos trabalham juntos, e não apenas de pesos maiores. Se o prêmio pela orquestração vale a pena, depende da sua carga de trabalho, e a maneira mais rápida de descobrir é enviar solicitações reais e observar os números reais. Configure sua primeira chamada Fugu no Apidog, compare-a com os modelos únicos que você já executa e deixe que seus próprios dados de latência e custo tomem a decisão.