在大模型纷纷追求“参数规模”的时代，日本AI独角兽Sakana AI扔下了一颗重磅炸弹。2026年6月22日，这家公司发布了名为Sakana Fugu（河豚）的系列编排器模型，包括Fugu Ultra和Fugu两款产品。与传统大模型不同，Fugu从不试图亲自回答问题，它更像一个精通“指挥术”的大脑，专门负责调度GPT、Claude、Gemini等世界上最顶尖的模型来完成任务。这种“不做超级大脑，只做超级指挥”的思路，让Fugu在工程、科学和推理基准测试中，性能迅速逼近甚至超越了Fable 5和Mythos Preview等头部选手。
Fugu的核心逻辑在于“集体智能”。面对一个复杂问题，Fugu会启动四大机制：识别问题类型、选择最擅长的Worker模型、设计多步骤的Agent工作流，以及根据反馈进行优化。比如遇到数学题，它可能调用擅长逻辑推理的模型；遇到代码编写，它则会委派给工程能力最强的模型。这种模式不仅打破了单一模型的能力边界，更被Sakana AI视为“AI主权的现实蓝图”——由于底层模型池完全可替换，用户不再受制于单一供应商，即便某家断供，也能迅速切换，彻底告别“卡脖子”风险。
在技术实现上，Fugu系列展现了极强的策略性。Fugu-Ultra主打质量优先，能将复杂任务拆解为多个子任务，安排不同Agent协同处理，最终综合出高质量答案；而Fugu则侧重性能与延迟的平衡，适合日常快速响应。两者都不需要访问Worker模型的权重，无论是开源还是闭源模型，新发布后都能直接加入调度池。这种与模型无关的完全模块化设计，让用户可以根据成本、隐私和合规需求，自由定制属于自己的“模型军团”。
为了验证实力，Sakana Fugu进行了一系列“魔鬼测试”。在“一次性魔方求解器”实验中，它成功编写出Python程序解开了全部300个乱序魔方；在“盲棋测试”里，它在看不见棋盘的情况下战胜了多个基线模型；甚至在经典的“洗车问题”（Strawberry中有几个r）这种容易让大模型翻车的陷阱题上，Fugu-Ultra也给出了正确答案。这些实验不仅证明了它处理长期策略和多步骤执行的能力，更展示了编排模型在逻辑严谨性上的巨大潜力。
本篇内容整理自网络，同步发布在 AEX新讯社中文网、希鸥网、斯贝瑞品牌资讯、RCEO创新网、AI联播网、创新日报 等媒体平台。如需删改或发布内容，请联系微信：meisceo29