Apa yang berlaku
Menurut BigGo Finance, Sakana AI melancarkan Fugu Ultra v2 dan Fugu Max, dua versi sistemnya untuk tugas penghalaan antara model AI khusus. Sakana mendakwa Fugu Ultra v2 melebihi GPT-6 Astra dan Claude Fable 5.1 pada penanda aras terpilih, manakala Fugu Max menekankan kos dan kelajuan yang lebih rendah. Kedua-duanya dilaporkan tersedia melalui API serasi OpenAI dengan harga bermeter dan langganan.
BigGo Finance melaporkan bahawa Sakana AI yang berpangkalan di Tokyo memperkenalkan Fugu Ultra v2, versi perdana sistem orkestra Sakana Fugunya, dan Fugu Max, varian kos lebih rendah. Sistem ini menghalakan tugas secara dinamik antara berbilang model khusus melalui API serasi OpenAI tunggal, jadi pengguna dilaporkan tidak perlu mengurus pemilihan model dalaman. Laporan itu mengaitkan perihalan produk dan tuntutan prestasi kepada Sakana AI.
Sakana mendakwa Fugu Ultra v2 mendapat markah 74.3 pada DeepSWE, berbanding 74.1 untuk GPT-6 Astra dan 67.4 untuk Claude Fable 5.1. Ia juga melaporkan skor 48.3 pada Chartography, sambil menyatakan bahawa skor perbandingan untuk dua model lain tidak didedahkan secara terbuka. Sakana berkata Fugu Ultra v2 mempunyai potongan data latihan 28 Ogos 2026 dan tidak menggunakan GPT-6 Astra atau Claude Fable 5.1 sebagai rakan usaha sama asas. Angka dan tuntutan ini tidak disahkan secara bebas dalam sumber.
Laporan itu mengatakan Fugu Max menggabungkan model Nemotron berat terbuka NVIDIA dan mengarahkan tugas kepada model yang lebih kecil apabila sesuai. Ia mendakwa Fugu Max mengurangkan kos penggunaan setiap output sebanyak 40–60% berbanding pesaing terkemuka dan mencapai kedudukan paling kukuh pada perbandingan kos lawan skor menggunakan Bangku Terminal 2.1. Kedua-dua produk diterangkan sebagai tersedia melalui pengebilan atau langganan bermeter API. Harga API yang dilaporkan ialah $5 input dan $30 output bagi setiap juta token untuk Fugu Ultra v2, dan $2 input dan $6 output untuk Fugu Max. Peringkat langganan disenaraikan pada $20, $100 dan $200 sebulan.
Butiran sumber: finance.biggo.com ↗
Mengapa ia penting
Pelancaran yang dilaporkan adalah ketara kerana ia mempersembahkan orkestrasi model—bukan sekadar menskalakan satu model besar—sebagai laluan kepada prestasi kompetitif. Jika keputusan dan harga Sakana disahkan secara bebas, perniagaan boleh mempunyai cara lain untuk menggunakan ejen AI sambil mengurangkan pergantungan pada penyedia model sempadan individu. Kepentingan praktikal masih tidak pasti kerana laporan itu tidak menetapkan ketersediaan, kebolehpercayaan atau prestasi produk di luar ujian yang disebut.
Produk yang dilaporkan menggambarkan anjakan yang berpotensi penting dalam reka bentuk sistem AI. Koleksi model khusus yang diselaraskan dengan baik boleh membenarkan pembekal memadankan beberapa keupayaan sistem proprietari yang lebih besar sambil mengawal kos inferens dan mengelakkan pergantungan pada model tertutup tunggal. Perkara itu paling penting bagi syarikat yang menjalankan beban kerja ejen yang berterusan, di mana kos token dan kecekapan penghalaan boleh menjejaskan ekonomi penggunaan secara material.
Bukti pada masa ini terhad. BigGo Finance ialah saluran pelaporan yang dinamakan, dan keputusan penanda aras dibentangkan terutamanya sebagai tuntutan Sakana. Sumber tidak memberikan keputusan ujian bebas, butiran metodologi, versi model di luar nama yang diberikan, analisis ralat, pengukuran kependaman atau bukti bahawa sistem melaksanakan secara konsisten merentas tugas perniagaan biasa. Perbandingan itu juga tidak lengkap kerana skor Cartografi untuk model perbandingan yang disebut dilaporkan tidak tersedia.
Jika harga dan tuntutan prestasi kekal, Fugu Max boleh memberi perusahaan pilihan lain untuk pemprosesan ejen volum tinggi, manakala Fugu Ultra v2 boleh menarik minat pengguna yang mengutamakan kualiti dan alasan. Sumber tidak menetapkan ketersediaan umum, keperluan kelayakan, komitmen peringkat perkhidmatan, syarat pengekalan data, perlindungan privasi, had kadar, akses serantau atau sama ada pelan langganan termasuk penggunaan API. Perkara yang tidak diketahui tersebut mengehadkan kepentingan pembelian segera pengumuman itu.
Mekanisme Interaktif: Bagaimana Ia Berfungsi Sebenarnya
Terokai teknologi asas di sebalik pembangunan ini secara interaktif.
Which component of an AI application is the machine-learning model itself?
Apa yang perlu ditonton seterusnya
Penilaian bebas terhadap tuntutan penanda aras, dokumentasi barisan model asas dan pengesahan akses API akan menentukan betapa bermakna pelancaran itu. Pembeli juga harus memeriksa had kadar, pengendalian data, ketersediaan geografi, kebolehpercayaan perkhidmatan dan sama ada penjimatan kos yang dilaporkan berlaku untuk beban kerja mereka.
Keutamaan pertama ialah replikasi bebas keputusan DeepSWE, Chartography dan Terminal Bench 2.1, termasuk gesaan yang konsisten, konfigurasi model, dasar penghalaan dan pengiraan kos penuh. Tanpa maklumat itu, kelebihan yang dilaporkan tidak dapat dibandingkan dengan pasti dengan model sempadan yang dinamakan.
Pengguna berpotensi harus mengesahkan sama ada API boleh diakses oleh orang ramai atau hanya kepada pelanggan yang diluluskan, dan harus mengesahkan perakaunan token, had konteks, kependaman, masa aktif, dasar penggunaan data dan harga dalam dokumentasi semasa. Sumber melaporkan harga tetapi tidak mengesahkannya secara bebas.
Ia juga penting untuk melihat sama ada Sakana menerbitkan senarai model asas dan menerangkan cara keputusan penghalaan dibuat. Butiran tersebut akan menjelaskan kebolehulangan, pergantungan vendor, pendedahan keselamatan dan sama ada prestasi sistem datang daripada model terbuka yang tersedia secara meluas atau daripada komponen yang tidak didedahkan.