Sakana AI rzuca wyzwanie gigantom. Fugu to nowa era orkiestracji modeli językowych
W sektorze sztucznej inteligencji, zdominowanym dotychczas przez dążenie do budowy coraz większych, monolitycznych modeli, japoński startup Sakana AI proponuje radykalną zmianę paradygmatu. Ich najnowsze dzieło, system Fugu, nie jest kolejnym klasycznym LLM-em, lecz inteligentnym dyrygentem, który w czasie rzeczywistym zarządza pracą wielu wyspecjalizowanych modeli. Efekt? Wyniki w benchmarkach, które stawiają Fugu na równi z najpotężniejszymi systemami od Anthropic czy OpenAI.
To wdrożenie trafia w moment rynkowego przesytu gigantycznymi modelami i rosnącego zainteresowania systemami agentowymi. Wiosną 2026 roku, gdy Fugu wszedł w fazę beta, branża zaczęła dostrzegać, że przyszłość to nie jeden mózg do wszystkiego, lecz sprawne zarządzanie rozproszoną inteligencją. Sakana AI udowadnia, że mniejszy model, trenowany pod kątem konkretnych zadań logistycznych, może skutecznie dyrygować pracą najdroższych silników na świecie.
Architektura roju w służbie wydajności
Fugu opiera się na koncepcji wymiennej puli agentów. System, do którego użytkownik uzyskuje dostęp za pośrednictwem pojedynczego interfejsu API zgodnego ze standardem OpenAI, działa pod maską jako zaawansowany koordynator. Sercem tego mechanizmu jest RL Conductor — stosunkowo dyskretny model bazujący na Qwen2.5-7B, który został przeszkolony metodą GRPO wyłącznie do zarządzania innymi jednostkami. Jak deklaruje Sakana AI: „Fugu to system orkiestracji wieloagentowej, który zachowuje się jak pojedynczy model”.
W zależności od stopnia skomplikowania zapytania, Fugu decyduje, czy rozwiązać problem samodzielnie, czy też powołać zespół wyspecjalizowanych jednostek. Serwis ByteIota zauważa, że to system wybiera kolejność odpowiedzi i instrukcje dla poszczególnych agentów, kontrolując nawet to, co widzą oni w pracy swoich poprzedników. Proces selekcji, delegowania zadań i końcowej syntezy odbywa się wewnętrznie, co dla użytkownika jest całkowicie niewidoczne.
Benchmarki: Walka z modelami widmami
Startup z Tokio wprowadził dwa warianty systemu. Podstawowy Fugu został zoptymalizowany pod kątem niskich opóźnień, natomiast Fugu Ultra to propozycja do zadań o najwyższym stopniu trudności — od badań naukowych po analizę cyberbezpieczeństwa. System ten osiąga wyniki porównywalne z modelami Anthropic — Fable 5 i Mythos Preview — mimo że żaden z nich nie musi znajdować się w jego aktualnej puli.
Fugu Ultra idzie łeb w łeb z czołówką w testach takich jak SWE-bench Pro czy GPQA-D. W testach programistycznych sprawność orkiestracji pozwoliła systemowi wykryć znacznie więcej błędów niż w przypadku pracy z jednym, zamkniętym modelem. Skuteczność ta wynika z faktu, że Fugu potrafi dynamicznie łączyć zasoby GPT, Claude i Gemini bez konieczności oddzielnej konfiguracji każdego z tych dostawców.
Suwerenność AI jako tarcza przed vendor lock-in
Poza czystą wydajnością, Sakana AI kładzie ogromny nacisk na kwestie strategiczne. Model orkiestracji ma być remedium na tzw. vendor lock-in, czyli uzależnienie od jednego dostawcy technologii. Historia pokazuje, że dostęp do najnowocześniejszych systemów AI może zostać ograniczony niemal z dnia na dzień z powodu zmian regulacyjnych lub napięć geopolitycznych.
Dzięki wymiennej puli agentów, Fugu pozwala na elastyczne przekierowanie ruchu do innych modeli, jeśli jeden z dostawców zniknie z rynku. Choć system nadal polega na zewnętrznych zasobach, znacząco zwiększa odporność organizacji na wstrząsy. To podejście jest wynikiem wizji Llion Jonesa i Davida Ha, którzy wierzą, że przyszłość AI leży w współpracujących ze sobą jednostkach, a nie w odizolowanych gigantach.
