Herramienta de IA

Fugu Review

Name: Fugu
Availability: OnlineOnly
Author: Stork.AI

Fugu es un sistema de orquestación multiagente que funciona como un conductor LLM, entrenado para enrutar dinámicamente las tareas entrantes al agente óptimo de un grupo intercambiable de otros LLMs.

shipped 23 jun 2026freemium

Domain rating73Monthly visits12K/moAI-readablepartial

Fugu - AI tool for fugu. Professional illustration showing core functionality and features.

Por qué importa

1Fugu y Fugu Ultra fueron lanzados oficialmente como productos de disponibilidad general (GA) el 22 de junio de 2026.

2Aproximadamente 500 usuarios beta probaron el sistema Fugu antes de su disponibilidad general.

3Fugu Ultra obtuvo 93.2 en LiveCodeBench, superando el 89.8 de Fable 5 en rendimiento de codificación.

4Los planes de suscripción para Fugu comienzan en $20 por mes para el Standard tier.

Stork’s verdict on Fugu

Fugu destaca en la codificación compleja al orquestar diversos LLM, pero su selección de caja negra de la variante Ultra puede ser lenta y costosa.

Fugu reviewed by Stork AI · stork.ai/es/fugu

Especificaciones

Documentación API

Ver documentación →

API disponible

Sí, API pública

overview

¿Qué es Fugu?

Fugu es una herramienta de sistema de orquestación multiagente desarrollada por Sakana AI que permite a corporaciones, instituciones financieras y think tanks orquestar diversos modelos para tareas específicas. Funciona como un conductor LLM, enrutando dinámicamente las tareas entrantes al agente óptimo de un grupo intercambiable de otros LLMs. Lanzado el 22 de junio de 2026, Fugu tiene como objetivo proporcionar capacidades de IA de nivel de frontera mientras mitiga los riesgos asociados con la dependencia de un único proveedor de IA. El sistema presenta un grupo coordinado de modelos de IA especializados a través de una única API compatible con OpenAI. Fugu es un modelo de lenguaje entrenado para seleccionar, delegar tareas y sintetizar respuestas dinámicamente de varios LLMs subyacentes, incluyendo modelos comerciales como Google Gemini 3.1 Pro, OpenAI GPT-5.5 y Anthropic Claude Opus 4.8, así como los propios modelos de Sakana AI. Está disponible en dos variantes: Fugu, optimizado para un rendimiento sólido y baja latencia para tareas cotidianas como la codificación y el funcionamiento de chatbots; y Fugu Ultra, diseñado para una máxima calidad de respuesta en problemas complejos de varios pasos, adecuado para la investigación de IA y el análisis de ciberseguridad.

features

Características Clave de Fugu

Fugu está diseñado como un sofisticado sistema de orquestación multiagente, aprovechando un conductor LLM para gestionar y optimizar los flujos de trabajo de IA. Su funcionalidad central gira en torno al enrutamiento inteligente de tareas y la integración flexible de diversos modelos de lenguaje.

Sistema de orquestación multiagente para flujos de trabajo de IA complejos.
Funciona como un conductor LLM, enrutando dinámicamente las tareas entrantes.
Enruta tareas al agente óptimo de un grupo intercambiable de otros LLMs.
Utiliza un grupo diverso de agentes que incluye Google Gemini 3.1 Pro, OpenAI GPT-5.5 y Anthropic Claude Opus 4.8.
Proporciona una única API compatible con OpenAI para acceder a modelos de IA coordinados.
Ofrece dos variantes: Fugu para rendimiento/latencia y Fugu Ultra para máxima calidad de respuesta.
Mitiga el vendor lock-in y los riesgos geopolíticos al reducir la dependencia de proveedores de IA únicos.
Emplea un modelo de 'passthrough billing', cobrando una tarifa única basada en el modelo de nivel superior utilizado más un margen de Sakana.

use cases

¿Quién Debería Usar Fugu?

Fugu está diseñado para organizaciones que requieren capacidades avanzadas de IA, particularmente aquellas que buscan optimizar el rendimiento, asegurar la soberanía de los datos y gestionar tareas complejas de varios pasos en diversos dominios. Su arquitectura soporta una gama de aplicaciones exigentes.

Corporaciones e Instituciones Financieras: Para generar informes de estrategia profundos y de largo alcance y diapositivas ejecutivas.
Think Tanks y Organizaciones de Investigación: Para automatizar el descubrimiento científico, reproducir artículos científicos y realizar investigaciones de literatura y patentes.
Organizaciones con gobernanza de datos estricta: Para proporcionar soberanía de IA y mitigar el vendor lock-in mediante la orquestación de diversos modelos.
Equipos de Ingeniería y Unidades de Ciencia de Datos: Para codificación, revisión de código, automatización de ciclos de evaluación de ciberseguridad y pruebas de penetración.
Empresas Japonesas: Para tareas especializadas como el análisis de escritura a mano japonesa y otras aplicaciones específicas de la región.

how to use

Cómo usar Fugu

Fugu es accesible a través de su API compatible con OpenAI y de la consola de Sakana, lo que permite a los usuarios integrar sus capacidades de orquestación multiagente en sus aplicaciones y flujos de trabajo.

1Accede a la consola de Sakana en console.sakana.ai para gestionar suscripciones y claves de API.
2Utiliza la API compatible con OpenAI para Fugu y Fugu Ultra integrándola con los sistemas existentes.
3Elige entre Fugu (model ID: fugu-20260615) para tareas optimizadas para la velocidad o Fugu Ultra (model ID: fugu-ultra-20260615) para problemas complejos centrados en la calidad.
4Configura las preferencias del pool de agentes, incluida la exclusión de agentes específicos por motivos de privacidad o cumplimiento normativo.
5Envía prompts complejos de varios pasos a Fugu Ultra para tareas como la revisión de código o el análisis de investigación.

pricing

Precios y Planes de Fugu

Sakana AI ofrece dos estructuras de precios principales para Fugu: planes de suscripción para usuarios individuales y uso diario, y un modelo Pay-As-You-Go para clientes corporativos y cargas de trabajo de producción pesadas. Todos los niveles de suscripción incluyen acceso a los modelos Fugu y Fugu Ultra. El modelo de 'passthrough billing' asegura que, incluso con múltiples agentes, las tarifas no se acumulan, sino que se cobra una tarifa única basada en el modelo de nivel superior utilizado, más un margen de Sakana.

Suscripción Standard: $20 por mes.
Suscripción Pro: $100 por mes (10 veces el volumen de uso Standard).
Suscripción Max: $200 por mes (20 veces el volumen de uso Standard).
Input Tokens Pay-As-You-Go: $5 por 1 millón de tokens (para contextos de hasta 272K tokens), aumentando a $10 por 1 millón de tokens para contextos que excedan los 272K tokens.
Output Tokens Pay-As-You-Go: $30 por 1 millón de tokens (para contextos de hasta 272K tokens), aumentando a $45 por 1 millón de tokens para contextos que excedan los 272K tokens.
Cached Input Tokens Pay-As-You-Go: $0.50 por 1 millón de tokens (para contextos de hasta 272K tokens), aumentando a $1.00 por 1 millón de tokens para contextos que excedan los 272K tokens.

Pros

+Logra un alto rendimiento en tareas de codificación complejas de varios pasos, con Fugu Ultra identificando muchos más problemas que otras herramientas en las pruebas beta.
+Mitiga los riesgos asociados a la dependencia de un único proveedor de IA orquestando un pool de LLMs diversos.
+Demuestra sólidos resultados en benchmarks, superando a competidores como Claude Opus 4.8 y GPT-5.5 en SWE-Bench Pro (73,7%) y LiveCodeBench (93,2%).
+Ofrece una API compatible con OpenAI, simplificando la integración en los flujos de trabajo existentes de los desarrolladores.
+Aporta flexibilidad con dos variantes (Fugu y Fugu Ultra) optimizadas para distintos casos de uso y prioridades de coste/calidad.
+Permite a los usuarios excluir agentes específicos de su pool para mejorar la privacidad de los datos y el cumplimiento normativo.

Cons

−Fugu Ultra puede resultar caro y consumir tokens rápidamente; el plan Max de 200 $/mes podría agotarse en menos de tres horas de uso intensivo por semana.
−Los usuarios han informado de velocidades de procesamiento lentas en Fugu Ultra, lo que genera estrés y puede hacer que guiar manualmente otros modelos de frontera sea más eficiente para tareas complejas.
−El proceso interno de selección y orquestación de modelos es una 'caja negra', lo que suscita preocupaciones sobre la responsabilidad y la transparencia.
−Fugu Ultra quedó por detrás de Fable 5 de Anthropic en Humanity's Last Exam (50,0% frente a 53,3%) y en SWE-Bench Pro (73,7% frente a 86,0%).
−Los críticos sugieren que Fugu podría ser una 'degradación de facto' si su pool de agentes se compone principalmente de modelos abiertos de gama baja, excluyendo los sistemas de IA más avanzados y regulados.

Herramientas similares

Fugu vs. Competidores

Fugu está estratégicamente posicionado para reducir la dependencia de cualquier proveedor de IA único, ofreciendo una protección contra el vendor lock-in y los riesgos geopolíticos. Sakana AI afirma que Fugu Ultra se desempeña de manera comparable a modelos líderes como Fable 5 de Anthropic y Mythos Preview en benchmarks clave de ingeniería, ciencia y razonamiento. En pruebas de benchmark internas, los modelos Fugu superaron a Google Gemini 3.1 Pro, OpenAI GPT-5.5 y Anthropic Claude Opus 4.8 en tareas que incluyen investigación automatizada y pronóstico financiero. Por ejemplo, Fugu Ultra obtuvo 93.2 en LiveCodeBench, superando el 89.8 de Fable 5, y 95.5 en GPQA-D, superando el 94.6 de Mythos Preview. Sin embargo, Fugu Ultra supuestamente se quedó corto frente a Fable 5 en 'Humanity's Last Exam' (50.0 vs 53.3) y se quedó atrás de GPT-5.5 y Opus 4.8 en recuperación de contexto largo y benchmarks de ciberseguridad, respectivamente.

Microsoft AutoGenOn Stork

Its chat-centric orchestration model enables asynchronous communication and sophisticated negotiation among various agents, including humans, LLM-agents, and code executors.

Like Fugu, AutoGen orchestrates multiple LLMs and tools into cooperative workflows, but it particularly emphasizes conversational multi-agent systems and a unified message-passing interface for scalability. Its SDK is free, aligning with Fugu's freemium model.

CrewAIOn Stork

It provides a role-based multi-agent framework where specialized AI agents collaborate on complex tasks, featuring sophisticated memory management and checkpointing.

CrewAI, similar to Fugu, focuses on orchestrating multiple AI agents from a pool, but it specifically structures agents with distinct roles and a defined process for task handoffs and communication. It is an open-source framework, aligning with Fugu's freemium approach.

LangGraphOn Stork Compare

It is a framework for building stateful, multi-actor applications with LLMs, offering granular control over an agent's thought process for reliable and complex AI agents.

While Fugu focuses on dynamic routing to optimal LLMs, LangGraph provides a more expressive framework for building complex, cyclical, and stateful multi-actor agentic workflows, often building on LangChain's foundational components. It is an MIT-licensed open-source library and free to use, similar to Fugu's freemium model.

RouteLLMOn Stork

It is an open-source framework specifically designed for dynamically selecting the most suitable LLM for each query based on complexity and performance requirements to optimize costs.

RouteLLM directly competes with Fugu's core functionality of dynamically routing incoming tasks to the optimal agent by focusing on cost-effective LLM routing. Unlike Fugu's broader multi-agent orchestration, RouteLLM is more specialized in the routing decision itself, and it is open-source.

Más en Stork