Sakana Fugu:
оркестратор
моделей · один API

Sakana AI выпустила Fugu и Fugu Ultra — систему, которая ведёт себя как одна foundation model, но внутри динамически оркестрирует пул LLM. Один OpenAI-compatible endpoint: снаружи — обычный вызов модели, внутри — выбор экспертов, делегирование, проверка и сборка ответа.

Кто стоит за Sakana

Sakana AI основана бывшими инженерами Google — David Ha и Llion Jones. Jones — один из авторов «Attention Is All You Need». Ранее компания показывала Marlin: агента, который часами исследует тему и собирает отчёт. Fugu — следующий шаг: оркестрация вынесена в отдельную обученную модель, а не в хардкод workflow.

Fugu vs Fugu Ultra

• Fugu — баланс качества и latency. Подходит для чатов, code review, Codex-подобных сценариев. Можно исключать агентов из пула (privacy/compliance).
• Fugu Ultra — максимум глубины на сложных multi-step задачах: воспроизведение статей, security assessment, патентный и литературный поиск, AutoResearch.

Оба доступны через один API. По заявлению Sakana, Fugu Ultra на ряде бенчмарков (код, reasoning, наука) сопоставим с frontier-моделями вроде Claude Fable 5 и Mythos Preview — при этом в пуле не завязан на недоступные closed-модели.

Как это работает

Запрос приходит на один endpoint. Fugu решает:

1. решить задачу самому, если хватает;
2. или собрать команду моделей из agent pool — планирование, исполнение, верификация, синтез.

Модель обучена понимать когда делегировать, как координировать агентов и как свести их вывод в один ответ. Основа — исследования Sakana: Trinity и Conductor (ICLR 2026). Аналогия из индустрии: похожий слой маршрутизации даёт OpenRouter Fusion — но Fugu продаёт оркестрацию как отдельную модель, а не только роутер поверх чужих API.

Зачем рынку оркестрация, а не только scale

Sakana прямо связывает тему с геополитикой: export controls, смена доступа к API «за ночь», риск single-vendor dependency. Коллективный пул моделей — hedge: один провайдер отвалился — маршрут уходит в обход.

Для практики это ближе к тому, что мы называем Intelligence Runtime: ценность не в «самой умной модели», а в слое, который выбирает инструмент, держит контекст на длинной задаче и не ломается при смене поставщика.

Где Fugu реально выигрывает

Бенчмарки — половина картины. В beta (~500 пользователей) Sakana фиксировала сценарии, где важен не один ответ, а цепочка шагов:

• Code review — инженеры отмечали в 5–7 раз больше находок vs GPT-5.5;
• Security assessment — recon, XSS/SQLi, auth review, отчёт с evidence;
• Paper reproduction — чтение, имплементация, тесты, сравнение с оригиналом;
• Persona stability — на длинных сессиях меньше «дрейфа» роли (важно для agent products).

Связка с IRI Gateway

IRI Gateway сегодня — model layer: единый ключ, рубли, OpenAI-compatible, десятки моделей. Fugu — пример следующего слоя: orchestration layer, который сам решает, какую модель из пула звать.

Для команд в РФ логика такая:

• Gateway закрывает доступ к моделям и биллинг без VPN;
• runtime/Agent Studio — политики, логи, human-in-the-loop;
• оркестрационные модели вроде Fugu — кандидат на «мозг» над пулом, когда задача multi-step, а не один промпт.

Полный аналог Fugu в нашем каталоге пока нет — это внешний продукт Sakana. Но архитектурный вывод для IRI Lab тот же: строить контур, где маршрутизация и координация важнее каталога моделей.