Sakana AI lança Fugu Max e Fugu Ultra v2 para orquestração multiagente mais barata

A Sakana AI lançou o Fugu Max e o Fugu Ultra v2, dois novos modelos da família Sakana Fugu. O Fugu não é um modelo de fundação único: é um orquestrador aprendido que roteia o trabalho entre um conjunto de outros modelos por trás de uma única API. O novo lançamento afina essa arquitetura para duas missões distintas — o Fugu Max busca o melhor resultado por dólar investido, e o Fugu Ultra v2 mira a maior capacidade em tarefas difíceis e de múltiplas etapas.

Capacidade e custo no mesmo eixo

O argumento da Sakana é direto: cargas de trabalho reais são julgadas por capacidade e custo juntos. Enviar uma simples consulta de dados a um modelo com trilhões de parâmetros é dinheiro jogado fora. Um sistema melhor escolhe a máquina mais barata que ainda resolve a tarefa. A equipe descreve isso com o conceito de fronteira de Pareto: nela, ganhar qualidade custa mais, e cortar custo perde qualidade. Fugu Max e Fugu Ultra v2 compartilham o mesmo núcleo de orquestração — muda apenas o alvo de otimização.

O ritmo de lançamento é acelerado. O Fugu entrou em beta em abril, chegou à disponibilidade geral em junho e ganhou o Fugu-Cyber e uma interface para o Claude Code em julho.

Como a orquestração funciona

O relatório técnico descreve os modelos Fugu como modelos de linguagem por direito próprio: eles leem uma consulta e montam um andaime agêntico na hora. O treinamento combina ajuste fino em larga escala, algoritmos evolutivos e aprendizado por reforço. A base vem de dois artigos aceitos no ICLR 2026: o TRINITY, que usa um coordenador evoluído leve para atribuir papéis de Thinker, Worker ou Verifier entre as rodadas, e The Conductor, treinado com RL para descobrir estratégias de coordenação em linguagem natural.

Fugu Max: mais modelos, menos custo

O Fugu Max amplia o conjunto de modelos que o Fugu consegue orquestrar, adicionando uma boa quantidade de modelos abertos e especializados — incluindo a família NVIDIA Nemotron, fruto da colaboração com a NVIDIA. Ele roteia cada tarefa para o modelo mais enxuto capaz de resolvê-la.

• Preço: US$ 2 por milhão de tokens de entrada e US$ 6 por milhão de tokens de saída.
• Custo de saída: 40% a 60% menor que Sonnet 5, GPT 5.6 Terra e Kimi K3.
• Desempenho: melhor nota geral em 6 benchmarks — Terminal Bench 2.1, GPQA Diamond, AA-LCR, GDP.pdf, AutomationBench e SWEFish.
• Eficiência: expande a fronteira de custo-desempenho em 7 dos 10 benchmarks.

A Sakana posiciona o Fugu Max perto dos modelos de elite a um custo de 2 a 6 vezes menor. Vale notar que o SWEFish é um benchmark interno da Sakana, construído a partir de seus próprios desafios de código — trate esse resultado como um sinal do fornecedor, não como medição independente.

Fugu Ultra v2: elevando o teto

O Fugu Ultra v2 foca em raciocínio complexo, pesquisa autônoma e desenvolvimento full-stack. Seus maiores ganhos aparecem em raciocínio sustentado sobre dados visuais e estruturados.

• Chartography (raciocínio visual e interpretação de dados): 48,3, contra 27,3 do Opus 5 e 29,5 do Fable 5.
• DeepSWE (engenharia de software real): 74,3, à frente de modelos com preço de token 3 a 5 vezes maior.
• Amplitude: melhor ou empatado em 5 de 8 benchmarks — GDP.pdf, Chartography, SWEFish, DeepSWE e Toolathon.
• Consistência: entre os 2 melhores em 7 de 8 benchmarks.

Um detalhe que chama atenção: o Fable 5, o Fable 5.1 e o GPT-6-Astra não estão no conjunto de agentes do Fugu Ultra v2 — e o corte de treinamento do modelo é 28 de agosto de 2026. A mensagem central da Sakana é atingir resultado de fronteira sem depender de nenhum modelo proprietário específico, o que reduz exposição a lock-in de fornecedor, revogações de API e cortes abruptos de serviço. Ambos os modelos já estão disponíveis por uma API compatível com OpenAI.