Apa yang terjadi
Menurut BigGo Finance, Sakana AI meluncurkan Fugu Ultra v2 dan Fugu Max, dua versi sistemnya untuk merutekan tugas di antara model AI khusus. Sakana mengklaim Fugu Ultra v2 melampaui GPT-6 Astra dan Claude Fable 5.1 pada tertentu, sementara Fugu Max menekankan biaya dan kecepatan yang lebih rendah. Keduanya dilaporkan tersedia melalui API yang kompatibel dengan OpenAI dengan harga dan langganan terukur.
BigGo Finance melaporkan bahwa Sakana AI yang berbasis di Tokyo memperkenalkan Fugu Ultra v2, versi andalan dari sistem orkestrasi Sakana Fugu, dan Fugu Max, varian berbiaya lebih rendah. Sistem ini secara dinamis merutekan tugas di antara beberapa model khusus melalui satu API yang kompatibel dengan OpenAI, sehingga pengguna dilaporkan tidak perlu mengelola pemilihan model internal. Laporan tersebut mengaitkan deskripsi produk dan klaim kinerja dengan Sakana AI.
Sakana mengklaim Fugu Ultra v2 mendapat skor 74,3 di DeepSWE, dibandingkan dengan 74,1 untuk GPT-6 Astra dan 67,4 untuk Claude Fable 5.1. Ia juga melaporkan skor 48,3 pada Chartography, sambil mencatat bahwa skor perbandingan untuk dua model lainnya tidak diungkapkan kepada publik. Sakana mengatakan Fugu Ultra v2 memiliki penghentian data pelatihan pada 28 Agustus 2026 dan tidak menggunakan GPT-6 Astra atau Claude Fable 5.1 sebagai kolaborator yang mendasarinya. Angka dan klaim ini tidak dikonfirmasi secara independen oleh sumbernya.
Laporan tersebut mengatakan Fugu Max menggabungkan model Nemotron berbobot terbuka NVIDIA dan mengarahkan tugas ke model yang lebih kecil jika diperlukan. Mereka mengklaim Fugu Max mengurangi biaya penggunaan per output sebesar 40–60% dibandingkan dengan pesaing terkemuka dan mencapai posisi terkuat dalam perbandingan biaya versus skor menggunakan Terminal Bench 2.1. Kedua produk tersebut digambarkan tersedia melalui penagihan atau langganan terukur API. Harga API yang dilaporkan adalah $5 input dan $30 output per juta token untuk Fugu Ultra v2, serta $2 input dan $6 output untuk Fugu Max. Tingkat berlangganan terdaftar pada $20, $100, dan $200 per bulan.
Detail sumber: finance.biggo.com ↗
Mengapa itu penting
Peluncuran yang dilaporkan ini penting karena menghadirkan orkestrasi model—tidak sekadar menskalakan satu model besar—sebagai jalan menuju kinerja kompetitif. Jika hasil dan harga Sakana divalidasi secara independen, dunia usaha dapat memiliki cara lain untuk menerapkan agen AI sekaligus mengurangi ketergantungan pada penyedia model frontier individual. Signifikansi praktisnya masih belum pasti karena laporan tersebut tidak menetapkan ketersediaan, keandalan, atau kinerja produk di luar pengujian yang disebutkan.
Produk yang dilaporkan menggambarkan potensi perubahan penting dalam desain sistem AI. Kumpulan model khusus yang terkoordinasi dengan baik dapat memungkinkan penyedia mencocokkan beberapa kemampuan sistem kepemilikan yang lebih besar sekaligus mengendalikan biaya inferensi dan menghindari ketergantungan pada satu model tertutup. Hal ini akan menjadi hal yang paling penting bagi perusahaan yang menjalankan beban kerja agen berkelanjutan, karena biaya token dan efisiensi perutean dapat berdampak signifikan terhadap keekonomian penerapan.
Buktinya saat ini terbatas. BigGo Finance adalah outlet pelaporan yang ditunjuk, dan hasil disajikan terutama sebagai klaim Sakana. Sumber ini tidak memberikan hasil pengujian independen, rincian metodologi, versi model di luar nama yang diberikan, analisis kesalahan, pengukuran latensi, atau bukti bahwa sistem bekerja secara konsisten di seluruh tugas bisnis biasa. Perbandingan ini juga tidak lengkap karena skor Chartography untuk model perbandingan yang disebutkan dilaporkan tidak tersedia.
Jika klaim harga dan kinerja berlaku, Fugu Max dapat memberi perusahaan pilihan lain untuk pemrosesan agen bervolume tinggi, sementara Fugu Ultra v2 dapat menarik pengguna yang memprioritaskan kualitas dan alasan. Sumber tidak menetapkan ketersediaan umum, persyaratan kelayakan, komitmen tingkat layanan, persyaratan penyimpanan data, perlindungan privasi, batasan tarif, akses regional, atau apakah paket berlangganan menyertakan penggunaan API. Hal-hal yang tidak diketahui tersebut membatasi signifikansi pembelian langsung dari pengumuman tersebut.
Mekanisme Interaktif: Cara Kerja Sebenarnya
Jelajahi teknologi yang mendasari di balik perkembangan ini secara interaktif.
Which component of an AI application is the machine-learning model itself?
Apa yang harus ditonton selanjutnya
Evaluasi independen terhadap klaim , dokumentasi jajaran model yang mendasarinya, dan konfirmasi akses API akan menentukan seberapa bermakna peluncuran tersebut. Pembeli juga harus memeriksa batasan tarif, penanganan data, ketersediaan geografis, keandalan layanan, dan apakah penghematan biaya yang dilaporkan berlaku untuk beban kerja mereka.
Prioritas pertama adalah replikasi independen hasil DeepSWE, Chartography, dan Terminal Bench 2.1, termasuk perintah yang konsisten, konfigurasi model, kebijakan perutean, dan penghitungan biaya penuh. Tanpa informasi tersebut, keunggulan yang dilaporkan tidak dapat dibandingkan secara andal dengan model frontier yang disebutkan.
Pengguna potensial harus memverifikasi apakah API dapat diakses oleh publik atau hanya untuk pelanggan yang disetujui, dan harus mengonfirmasi penghitungan token, batas konteks, latensi, waktu aktif, kebijakan penggunaan data, dan harga dalam dokumentasi saat ini. Sumber tersebut melaporkan harga namun tidak mengonfirmasikannya secara independen.
Penting juga untuk melihat apakah Sakana menerbitkan daftar model yang mendasarinya dan menjelaskan bagaimana keputusan perutean dibuat. Rincian tersebut akan memperjelas reproduktifitas, ketergantungan vendor, paparan keamanan, dan apakah kinerja sistem berasal dari model terbuka yang tersedia secara luas atau dari komponen yang dirahasiakan.