ماذا حدث
وفقًا لشركة BigGo Finance، أطلقت Sakana AI Fugu Ultra v2 وFugu Max، وهما نسختان من نظامها لتوجيه المهام بين نماذج الذكاء الاصطناعي المتخصصة. تدعي Sakana أن Fugu Ultra v2 تجاوز GPT-6 Astra وClaude Fable 5.1 في معايير محددة، بينما يؤكد Fugu Max على انخفاض التكلفة والسرعة. يقال إن كلاهما متاح من خلال واجهة برمجة التطبيقات المتوافقة مع OpenAI مع الأسعار والاشتراكات المقيدة.
تفيد تقارير BigGo Finance أن شركة Sakana AI ومقرها طوكيو قدمت Fugu Ultra v2، وهو إصدار رئيسي من نظام تنسيق Sakana Fugu، وFugu Max، وهو متغير أقل تكلفة. يقوم النظام بتوجيه المهام ديناميكيًا بين نماذج متخصصة متعددة من خلال واجهة برمجة تطبيقات واحدة متوافقة مع OpenAI، لذلك يقال إن المستخدمين لا يحتاجون إلى إدارة اختيار النموذج الداخلي. ينسب التقرير أوصاف المنتج ومطالبات الأداء إلى Sakana AI.
تدعي Sakana أن Fugu Ultra v2 سجل 74.3 على DeepSWE، مقارنة بـ 74.1 لـ GPT-6 Astra و67.4 لـ Claude Fable 5.1. كما أبلغ أيضًا عن درجة 48.3 في رسم الخرائط، مع الإشارة إلى أن نتائج المقارنة للنموذجين الآخرين لم يتم الكشف عنها علنًا. يقول Sakana إن Fugu Ultra v2 لديه موعد نهائي لبيانات التدريب في 28 أغسطس 2026 ولا يستخدم GPT-6 Astra أو Claude Fable 5.1 كمتعاونين أساسيين. ولم يتم تأكيد هذه الأرقام والادعاءات بشكل مستقل في المصدر.
يقول التقرير إن Fugu Max يشتمل على نماذج Nemotron ذات الوزن المفتوح من NVIDIA ويوجه المهام إلى نماذج أصغر عندما يكون ذلك مناسبًا. وتدعي أن Fugu Max يقلل من تكاليف الاستخدام لكل مخرج بنسبة 40-60% مقارنة بالمنافسين الرائدين وحقق المركز الأقوى في مقارنة التكلفة مقابل النتيجة باستخدام Terminal Bench 2.1. يتم وصف كلا المنتجين على أنهما متاحان من خلال الفوترة أو الاشتراكات المقدرة لواجهة برمجة التطبيقات (API). أسعار واجهة برمجة التطبيقات المُبلغ عنها هي 5 دولارات مدخلات و30 دولارًا مخرجات لكل مليون رمز مميز لـ Fugu Ultra v2، و2 دولارات مدخلات و6 دولارات مخرجات لـ Fugu Max. يتم إدراج مستويات الاشتراك بمبلغ 20 دولارًا و 100 دولارًا و 200 دولارًا شهريًا.
تفاصيل المصدر: finance.biggo.com ↗
لماذا يهم
يعد الإطلاق المذكور جديرًا بالملاحظة لأنه يقدم تنسيقًا نموذجيًا - وليس مجرد توسيع نطاق نموذج واحد كبير - كطريق للأداء التنافسي. إذا تم التحقق من صحة نتائج سكنا وأسعارها بشكل مستقل، فقد يكون لدى الشركات طريقة أخرى لنشر وكلاء الذكاء الاصطناعي مع تقليل الاعتماد على مقدمي النماذج الحدودية الفردية. تظل الأهمية العملية غير مؤكدة لأن التقرير لا يحدد مدى توفر المنتجات أو موثوقيتها أو أدائها خارج الاختبارات المذكورة.
توضح المنتجات المبلغ عنها تحولًا مهمًا محتملاً في تصميم نظام الذكاء الاصطناعي. يمكن لمجموعة من النماذج المتخصصة المنسقة جيدًا أن تسمح لمزود الخدمة بمطابقة بعض قدرات أنظمة الملكية الأكبر مع التحكم في تكاليف الاستدلال وتجنب الاعتماد على نموذج مغلق واحد. سيكون هذا أمرًا مهمًا للغاية بالنسبة للشركات التي تقوم بأعباء عمل الوكيل المستمر، حيث يمكن أن تؤثر تكاليف الرمز المميز وكفاءة التوجيه بشكل مادي على اقتصاديات النشر.
الأدلة محدودة حاليا. BigGo Finance هو منفذ التقارير المحدد، ويتم عرض النتائج المعيارية في المقام الأول على أنها مطالبات سكنا. لا يقدم المصدر نتائج اختبار مستقلة، أو تفاصيل المنهجية، أو إصدارات النماذج بخلاف الأسماء المقدمة، أو تحليل الأخطاء، أو قياسات زمن الوصول، أو دليل على أن الأنظمة تعمل بشكل متسق عبر مهام العمل العادية. المقارنة أيضًا غير مكتملة نظرًا لعدم توفر درجات الرسم البياني لنماذج المقارنة المذكورة.
إذا استمرت الأسعار ومطالبات الأداء، يمكن أن يمنح Fugu Max المؤسسات خيارًا آخر لمعالجة الوكلاء بكميات كبيرة، في حين يمكن أن يجذب Fugu Ultra v2 المستخدمين الذين يمنحون الأولوية للجودة والتفكير. لا يحدد المصدر التوفر العام، أو متطلبات الأهلية، أو التزامات مستوى الخدمة، أو شروط الاحتفاظ بالبيانات، أو حماية الخصوصية، أو حدود الأسعار، أو الوصول الإقليمي، أو ما إذا كانت خطط الاشتراك تتضمن استخدام واجهة برمجة التطبيقات (API). وتحد هذه الأمور المجهولة من الأهمية الشرائية المباشرة للإعلان.
الآلية التفاعلية: كيف تعمل فعليًا
استكشف التكنولوجيا الأساسية وراء هذا التطور بشكل تفاعلي.
Which component of an AI application is the machine-learning model itself?
ماذا تشاهد بعد ذلك
ستحدد التقييمات المستقلة للمطالبات المعيارية، وتوثيق مجموعة النماذج الأساسية، وتأكيد الوصول إلى واجهة برمجة التطبيقات (API) مدى أهمية الإطلاق. يجب على المشترين أيضًا فحص حدود الأسعار، ومعالجة البيانات، والتوافر الجغرافي، وموثوقية الخدمة، وما إذا كانت وفورات التكلفة المبلغ عنها تنطبق على أعباء العمل الخاصة بهم.
الأولوية الأولى هي النسخ المتماثل المستقل لنتائج DeepSWE وChartography وTerminal Bench 2.1، بما في ذلك المطالبات المتسقة وتكوينات النموذج وسياسات التوجيه وحسابات التكلفة الكاملة. وبدون هذه المعلومات، لا يمكن مقارنة المزايا المبلغ عنها بشكل موثوق مع النماذج الحدودية المذكورة.
يجب على المستخدمين المحتملين التحقق مما إذا كان يمكن للجمهور الوصول إلى واجهة برمجة التطبيقات (API) أو للعملاء المعتمدين فقط، ويجب عليهم تأكيد حساب الرمز المميز، وحدود السياق، ووقت الاستجابة، ووقت التشغيل، وسياسات استخدام البيانات، والتسعير في الوثائق الحالية. ويورد المصدر الأسعار لكنه لا يؤكدها بشكل مستقل.
سيكون من المهم أيضًا معرفة ما إذا كانت Sakana تنشر قائمة النماذج الأساسية وتشرح كيفية اتخاذ قرارات التوجيه. ومن شأن هذه التفاصيل أن توضح إمكانية التكرار، والاعتماد على البائع، والتعرض الأمني، وما إذا كان أداء النظام يأتي من نماذج مفتوحة متاحة على نطاق واسع أو من مكونات غير معلن عنها.