Skip to content
Stork.AIstork.ai
AI Инструмент

Обзор Fugu

Fugu — это многоагентная система оркестровки, функционирующая как дирижер LLM, обученная динамически направлять входящие задачи оптимальному агенту из сменного пула других LLM.

shipped 23 июн. 2026 г.freemium
Domain rating73Monthly visits12K/moAI-readablepartial
Fugu - AI tool for fugu. Professional illustration showing core functionality and features.

Почему это важно

1Fugu и Fugu Ultra были официально запущены как общедоступные (GA) продукты 22 июня 2026 года.
2Приблизительно 500 бета-пользователей тестировали систему Fugu до ее общего выпуска.
3Fugu Ultra набрал 93.2 балла на LiveCodeBench, превзойдя Fable 5 с его 89.8 по производительности кодирования.
4Планы подписки на Fugu начинаются от $20 в месяц для уровня Standard.

Stork’s verdict on Fugu

Fugu превосходно справляется со сложным кодированием, оркеструя различные LLM, но его выбор черного ящика варианта Ultra может быть медленным и дорогим.

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

Характеристики

Документация API

Посмотреть документацию →

Доступность API

Да, публичный API

overview

Что такое Fugu?

Fugu — это многоагентный инструмент оркестровки, разработанный Sakana AI, который позволяет корпорациям, финансовым учреждениям и аналитическим центрам оркестрировать различные модели для конкретных задач. Он функционирует как дирижер LLM, динамически направляя входящие задачи оптимальному агенту из сменного пула других LLM. Запущенный 22 июня 2026 года, Fugu стремится предоставить передовые возможности ИИ, одновременно снижая риски, связанные с зависимостью от одного поставщика ИИ. Система представляет собой скоординированный пул специализированных моделей ИИ через единый OpenAI-compatible API. Сам Fugu — это языковая модель, обученная динамически выбирать, делегировать задачи и синтезировать ответы от различных базовых LLM, включая коммерческие модели, такие как Google Gemini 3.1 Pro, OpenAI GPT-5.5 и Anthropic Claude Opus 4.8, а также собственные модели Sakana AI. Он доступен в двух вариантах: Fugu, оптимизированный для высокой производительности и низкой задержки для повседневных задач, таких как кодирование и работа чат-ботов; и Fugu Ultra, разработанный для максимального качества ответов на сложные, многоэтапные задачи, подходящий для исследований в области ИИ и анализа кибербезопасности.

features

Ключевые особенности Fugu

Fugu разработан как сложная многоагентная система оркестровки, использующая дирижер LLM для управления и оптимизации рабочих процессов ИИ. Его основная функциональность сосредоточена вокруг интеллектуальной маршрутизации задач и гибкой интеграции разнообразных языковых моделей.

  • Многоагентная система оркестровки для сложных рабочих процессов ИИ.
  • Функционирует как дирижер LLM, динамически маршрутизируя входящие задачи.
  • Маршрутизирует задачи оптимальному агенту из сменного пула других LLM.
  • Использует разнообразный пул агентов, включая Google Gemini 3.1 Pro, OpenAI GPT-5.5 и Anthropic Claude Opus 4.8.
  • Предоставляет единый OpenAI-compatible API для доступа к скоординированным моделям ИИ.
  • Предлагает два варианта: Fugu для производительности/задержки и Fugu Ultra для максимального качества ответов.
  • Снижает зависимость от поставщика и геополитические риски за счет уменьшения зависимости от отдельных поставщиков ИИ.
  • Использует модель 'сквозного биллинга', взимая единую ставку на основе используемой модели высшего уровня плюс маржу Sakana.

use cases

Кому следует использовать Fugu?

Fugu разработан для организаций, которым требуются передовые возможности ИИ, особенно для тех, кто стремится оптимизировать производительность, обеспечить суверенитет данных и управлять сложными, многоэтапными задачами в различных областях. Его архитектура поддерживает ряд требовательных приложений.

  • Корпорации и финансовые учреждения: Для создания глубоких, долгосрочных стратегических отчетов и презентаций для руководителей.
  • Аналитические центры и исследовательские организации: Для автоматизации научных открытий, воспроизведения научных работ и проведения литературных и патентных исследований.
  • Организации со строгим управлением данными: Для обеспечения суверенитета ИИ и снижения зависимости от поставщика путем оркестровки разнообразных моделей.
  • Инженерные команды и подразделения по науке о данных: Для кодирования, проверки кода, автоматизации циклов оценки кибербезопасности и тестирования на проникновение.
  • Японские предприятия: Для специализированных задач, таких как анализ японского почерка и других региональных приложений.

how to use

Как использовать Fugu

Fugu доступен через свой OpenAI-совместимый API и консоль Sakana, что позволяет пользователям интегрировать его возможности мультиагентной оркестрации в свои приложения и рабочие процессы.

  • 1Откройте консоль Sakana по адресу console.sakana.ai для управления подписками и ключами API.
  • 2Используйте OpenAI-совместимый API для Fugu и Fugu Ultra, интегрируя его с существующими системами.
  • 3Выбирайте между Fugu (model ID: fugu-20260615) для задач, оптимизированных по скорости, или Fugu Ultra (model ID: fugu-ultra-20260615) для сложных задач, ориентированных на качество.
  • 4Настройте параметры пула агентов, включая исключение отдельных агентов по соображениям конфиденциальности или соответствия требованиям.
  • 5Отправляйте сложные многошаговые промпты в Fugu Ultra для таких задач, как ревью кода или исследовательский анализ.

pricing

Цены и планы Fugu

Sakana AI предлагает две основные структуры ценообразования для Fugu: планы подписки для индивидуальных пользователей и повседневного использования, а также модель Pay-As-You-Go для корпоративных клиентов и больших производственных нагрузок. Все уровни подписки включают доступ к моделям Fugu и Fugu Ultra. Модель 'сквозного биллинга' гарантирует, что даже при наличии нескольких агентов сборы не суммируются, а взимается единая ставка на основе используемой модели высшего уровня плюс маржа Sakana.

  • Подписка Standard: $20 в месяц.
  • Подписка Pro: $100 в месяц (10-кратный объем использования Standard).
  • Подписка Max: $200 в месяц (20-кратный объем использования Standard).
  • Входные токены Pay-As-You-Go: $5 за 1 миллион токенов (для контекстов до 272K токенов), увеличиваясь до $10 за 1 миллион токенов для контекстов, превышающих 272K токенов.
  • Выходные токены Pay-As-You-Go: $30 за 1 миллион токенов (для контекстов до 272K токенов), увеличиваясь до $45 за 1 миллион токенов для контекстов, превышающих 272K токенов.
  • Кэшированные входные токены Pay-As-You-Go: $0.50 за 1 миллион токенов (для контекстов до 272K токенов), увеличиваясь до $1.00 за 1 миллион токенов для контекстов, превышающих 272K токенов.

Pros

  • +Демонстрирует высокую производительность в сложных многошаговых задачах кодирования: в бета-тестах Fugu Ultra выявлял значительно больше проблем, чем другие инструменты.
  • +Снижает риски, связанные с зависимостью от одного поставщика AI, оркеструя пул разнообразных LLM.
  • +Показывает сильные результаты в бенчмарках, опережая конкурентов, таких как Claude Opus 4.8 и GPT-5.5, на SWE-Bench Pro (73,7%) и LiveCodeBench (93,2%).
  • +Предлагает OpenAI-совместимый API, упрощая интеграцию в существующие рабочие процессы разработчиков.
  • +Обеспечивает гибкость благодаря двум вариантам (Fugu и Fugu Ultra), оптимизированным под разные сценарии использования и приоритеты стоимости/качества.
  • +Позволяет пользователям исключать отдельных агентов из пула для повышения конфиденциальности данных и соответствия требованиям.

Cons

  • −Fugu Ultra может быть дорогим и быстро расходовать токены; план Max за 200 $/месяц можно исчерпать менее чем за три часа интенсивного использования в неделю.
  • −Пользователи сообщали о низкой скорости обработки у Fugu Ultra, что вызывает стресс и потенциально делает ручное управление другими frontier-моделями более эффективным для сложных задач.
  • −Внутренний процесс выбора и оркестрации моделей является 'чёрным ящиком', что вызывает опасения относительно подотчётности и прозрачности.
  • −Fugu Ultra уступил Fable 5 от Anthropic на Humanity's Last Exam (50,0% против 53,3%) и SWE-Bench Pro (73,7% против 86,0%).
  • −Критики полагают, что Fugu может стать 'фактическим понижением уровня', если его пул агентов состоит преимущественно из открытых моделей более низкого уровня, исключая самые продвинутые, регулируемые AI-системы.

Похожие инструменты

Fugu против конкурентов

Fugu стратегически позиционируется для снижения зависимости от любого отдельного поставщика ИИ, предлагая защиту от привязки к поставщику и геополитических рисков. Sakana AI утверждает, что Fugu Ultra демонстрирует сопоставимую производительность с ведущими моделями, такими как Fable 5 и Mythos Preview от Anthropic, по ключевым инженерным, научным и логическим бенчмаркам. Во внутренних тестах Fugu модели, как сообщается, превзошли Google Gemini 3.1 Pro, OpenAI GPT-5.5 и Anthropic Claude Opus 4.8 в задачах, включая автоматизированные исследования и финансовое прогнозирование. Например, Fugu Ultra набрал 93.2 балла на LiveCodeBench, превысив 89.8 балла Fable 5, и 95.5 балла на GPQA-D, превзойдя 94.6 балла Mythos Preview. Однако Fugu Ultra, как сообщается, уступил Fable 5 в тесте 'Humanity's Last Exam' (50.0 против 53.3) и отстал от GPT-5.5 и Opus 4.8 по показателям запоминания длинного контекста и кибербезопасности соответственно.

1
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.

2
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.

3
LangGraphOn StorkCompare

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.

4
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.

Ещё на Stork

Похожие ИИ-инструменты

Другие инструменты этой категории, подобранные по общим тегам

GPT WatermarkerSurroundersLifeOS AIWulver: Daily Workout StreaksGenifyPlanPulse
Посетить Fugu↗
Контакты
𝕏
X / Twitterx.com/SakanaAILabs
in
LinkedInwww.linkedin.com/company/sakana-ai/

Featured in articles