Sakana Fugu Ultra v2 erklärt: Der Pool wurde kleiner und der Score stieg

Fugu Ultra v2 ist eine seltsame Art von Upgrade: Sakana AI brachte es am 11. September 2026 mit einem Modellpool auf den Markt, der Claude Fable 5, Claude Fable 5.1 und GPT-6 Astra nicht mehr enthält – drei der derzeit stärksten verfügbaren Systeme – und behauptet dennoch, alle drei zu schlagen. Das neue Flaggschiff der Qualitätsklasse aus dem Tokioter Labor, das am selben Tag wie ein günstigeres Schwestermodell namens Fugu Max veröffentlicht wurde, erreicht bei fünf von acht Benchmarks in Sakanas eigener Evaluierung den Best- oder geteilten Bestwert, darunter 48,3 bei Chartography gegenüber Claude Opus 5 mit 27,3 und Claude Fable 5 mit 29,5 sowie 74,3 bei DeepSWE. Keine dieser Zahlen wurde unabhängig reproduziert, und es gibt weiterhin keine Artificial Analysis-Seite für irgendein Fugu-Modell. Diese Lücke ist die eigentliche Geschichte: Was Ihnen zu kaufen angeboten wird, ist eine Koordinationsschicht, deren gesamtes Verkaufsargument darin besteht, dass sie nicht die besten Modelle braucht, um die besten Antworten zu liefern.

Sakana AI wurde 2023 von Llion Jones, einem Mitautor des Transformer-Papers, und David Ha gegründet. Die Fugu-Reihe wurde im Juni 2026 als Multi-Agenten-System eingeführt, das als einzelnes Modell bereitgestellt wird: Man ruft einen einzigen OpenAI-kompatiblen Endpunkt auf, und dahinter zerlegt ein trainierter Koordinator die Anfrage, erzeugt Agenten und führt das Ergebnis zusammen. Die Forschung ist real und veröffentlicht — TRINITY (arXiv 2512.04695) entwickelte einen leichtgewichtigen Koordinator, der Thinker-, Worker- und Verifier-Rollen zuweist; Conductor (arXiv 2512.04388) erlernte die Koordination zwischen Agenten in natürlicher Sprache; der Fugu-Technikbericht liegt unter arXiv 2606.21228. Was Sakana jedoch nie veröffentlicht hat, ist genau das, was alle eigentlich wollen: die Identität der Modelle im Pool und die Routing-Entscheidungen pro Aufgabe.

Was hat sich gegenüber dem Juni Fugu Ultra tatsächlich geändert?

Version 2.0 ist ein Point-Refresh etwa elf Wochen nach dem Original, keine neue Architektur. Die eigene Darstellung des Anbieters ist, dass Fugu Ultra v2 und Fugu Max „dieselbe Kern-Orchestrierungsarchitektur“ sind, abgestimmt auf zwei unterschiedliche Missionen: Max schiebt die Kosten-Leistungs-Grenze nach unten, Ultra treibt die Spitzenfähigkeit nach oben. Die Modell-ID lautet fugu-ultra-v2.0, und Sakana sagt, dass die Migration von einem früheren Fugu eine einzeilige Parameteränderung ohne SDK-Migration ist — was das Verbraucherfreundlichste an dieser Veröffentlichung ist.

Die substanziellen Änderungen sind die beiden Eckpfeiler. Erstens wurde der Trainings-Cutoff auf 20260828 verschoben, sodass der Koordinator gegen die aktuelle Generation von Frontier-Modellen neu abgestimmt wurde. Zweitens – und weitaus interessanter – hat sich die Zusammensetzung des Pools auf eine Weise geändert, die Sakana bewusst herausgestellt hat: Claude Fable 5, Claude Fable 5.1 und GPT-6 Astra sind explizit ausgeschlossen. Sakanas Argument ist, dass dies beweist, dass die Scores nicht von einem einzelnen proprietären Frontier-Modell abhängen, was wichtig ist, wenn es Ihnen um Anbieterbindung, API-Widerrufe oder darum geht, dass ein Modell hinter Exportkontrollen verschwindet.

Es gibt eine Folge zweiter Ordnung, auf die Sakana nicht weiter eingeht. Wenn der Pool die drei stärksten verfügbaren Modelle ausschließt, dann werden die Benchmark-Vergleiche mit Fable 5 und Fable 5.1 gegen Systeme angestellt, die der Orchestrator nicht hätte aufrufen können, selbst wenn er es gewollt hätte. Der Vergleich ist legitim – er ist eine Aussage über die Architektur, nicht über den Zugang –, aber er ist kein Test unter gleichen Bedingungen dafür, wer das bessere Modell hat. Er ist ein Test dafür, ob Koordination rohe Leistungsfähigkeit schlägt. Das ist eine wirklich interessante Frage. Sie ist nur nicht die Frage, die die Rangliste auf den ersten Blick nahelegt.

Die Zahlen und wer sie erstellt hat

Jede Zahl in diesem Abschnitt stammt aus Anbieterangaben. Sakana hat weder eine Evaluierungsumgebung noch ein Ergebnisraster pro Aufgabe noch eine Reproduktionsanleitung veröffentlicht, und das Orchestrierungsdesign macht unabhängige Replikation eher schwieriger als einfacher: Um ein Ergebnis zu reproduzieren, benötigt man Zugriff auf jedes Modell im Pool in denselben Versionen mit derselben Topologie, und konstruktionsbedingt variiert die Topologie je Anfrage.

• Chartography (visuelles Schlussfolgern über Diagramme und strukturierte Dokumente) — Fugu Ultra v2 48,3, Claude Opus 5 27,3, Claude Fable 5 29,5 — vom Anbieter angegeben

• DeepSWE (Software-Engineering in der Praxis) — Fugu Ultra v2 74,3 — vom Anbieter angegeben, soll Modelle übertreffen, die pro Token drei- bis fünfmal mehr kosten

• Beste oder gleichauf beste Platzierung — bei fünf von acht Benchmarks: GDP.pdf, Chartography, SWEFish, DeepSWE und Toolathon — vom Anbieter angegeben

• Top-2-Platzierung — sieben von acht Benchmarks — vom Anbieter angegeben

• Früheres Fugu Ultra (Juni 2026, als Vergleichsmaßstab) — LiveCodeBench 93.2, GPQA-Diamond 95.5, TerminalBench 82.1, SWE-Bench Pro 73.7 — vom Anbieter angegeben

Die Chartography-Zeile verdient die Betonung, die sie erhält, denn sie ist die einzige Kategorie, in der die Lücke zu einem namentlich genannten, aktuellen Flaggschiff nicht marginal ist. Eine Lücke von 21 Punkten gegenüber Claude Opus 5 bei einem Benchmark für visuelles Schlussfolgern ist die Art von Zahl, die üblicherweise innerhalb von Tagen auf einem unabhängigen Leaderboard auftaucht. Zum Zeitpunkt dieses Schreibens ist keine aufgetaucht. Behandeln Sie die Zeile als Hypothese mit einer daran geknüpften Dollarbetrag, nicht als feststehendes Ergebnis.

Preisgestaltung: unverändert seit Juni und beim Output schlichtweg teuer

Fugu Ultra v2 kostet 5 $ pro Million Eingabe-Token, 30 $ pro Million Ausgabe-Token und 0,50 $ pro Million gecachter Eingabe. Oberhalb von 272.000 Token Kontext werden daraus 10 $, 45 $ bzw. 1,00 $. Fugu Max ist völlig anders aufgestellt: 2 $ Eingabe, 6 $ Ausgabe, 0,25 $ gecacht, unabhängig von der Kontextlänge, plus 0,007 $ pro Websuche oder Fetch-Aufruf.

Zwei Dinge an dieser Preistabelle sollte man sorgfältig lesen. Erstens: Ausgabe kostet sechsmal so viel wie Eingabe – ein aggressives Verhältnis, das die Geschwätzigkeit des Modells bepreist, und Orchestrierung ist ein wortreiches Geschäft. Ein Koordinator, der Agenten startet und ihre Antworten zusammenführt, emittiert viele Tokens, und Sie zahlen für alle davon 30 $ pro Million. Sakanas Effizienzbehauptung bezieht sich auf den zugrunde liegenden Pool, nicht darauf, wie viel Text das System in Ihrem Namen produziert, und das sind unterschiedliche Zahlen. Kalkulieren Sie mit beobachteten Token-Zahlen, nicht mit dem beworbenen Tarif.

Das Zweite ist die 272K-Klippe. Die Verdopplung des Token-Preises oberhalb einer Schwelle ist eine legitime Möglichkeit, Long-Context-Arbeit zu bepreisen, aber sie bedeutet, dass die effektiven Kosten eines Long-Context-Agent-Laufs nicht die Zahl auf der Preisseite sind. Wenn Ihre Workload nahe an der Grenze liegt, ändert sich die Rechnung auf beiden Seiten davon erheblich.

Fugus Abo-Stufen – $20 Standard, $100 Pro, $200 Max pro Monat, mit 10x- und 20x-Kontingenten – beinhalten alle Zugang zu Fugu, Fugu Ultra und Fugu Max. Sakana bepreist außerdem das Basis-Fugu-Modell anhand der höchsten Stufe, die für eine bestimmte Anfrage im Pool vertreten ist, und stellt klar, dass das Hinzufügen weiterer Agenten die Rechnung nicht vervielfacht. Das ist ein echter Unterschied zum Fan-out-Kostenmodell, das sich ergibt, wenn man selbst mehrere Frontier-Modelle aufruft.

Was Sakana Ihnen nicht sagen wird

Fragen Sie nach, welche Modelle Ihre Frage beantwortet haben, und die FAQ ist eindeutig: „Diese Routing-Informationen werden bewusst nicht offengelegt.“ Die Pools Ultra und Max sind fest, daher können Sie keinen Anbieter abwählen; nur das Basis-Fugu-Modell unterstützt Opt-outs pro Modell in den Konsoleneinstellungen. Enterprise-Kunden können individuelle Konfigurationen aushandeln.

Diese Undurchsichtigkeit ist der Kern der Kritik, die die Fugu-Reihe seit Juni auf sich gezogen hat, und sie ist eine faire Kritik und keine feindselige. Wenn ein Orchestrator gut abschneidet, indem er die Modelle anderer Labore kombiniert, gehört der Score dem System – was eine echte und verteidigungsfähige Sache ist, die man verkaufen kann –, aber er überträgt sich nicht auf ein einzelnes Modell, und er lässt sich nicht auditieren. Rezensenten haben den Punkt unverblümt formuliert: Fugu hat das Flaggschiff nicht besiegt, es hat das Flaggschiff angeheuert. Bei verifizierbaren Aufgaben mit einem billigen Prüfer, etwa einem Coding-Benchmark mit Testsuite, kann ein Gremium tatsächlich besser abschneiden als sein bestes Mitglied. Bei Aufgaben ohne einen solchen Prüfer meldet ein Panel, das mehrere Frontier-Modelle beprobt und das beste Ergebnis meldet, zum Teil auch Glück. Sakanas eigene Kategoriewahlen – Chartography, DeepSWE, Toolathon – neigen zum verifizierbaren Ende, was der richtige Ort ist, um die Behauptung aufzustellen, und zugleich der Grund, warum die Behauptung nicht zum Nulltarif verallgemeinert werden kann.

Unabhängige Tester haben außerdem Latenzschwankungen als praktische Kosten der Orchestrierung bemängelt: Bei schwierigen Aufgaben denkt der Koordinator nach, und bei einfachen Aufgaben ist dieses Nachdenken reiner Overhead. Die Shader-Aufgabe eines Forschers dauerte Berichten zufolge etwa dreißig Minuten, wobei die Qualität nur als akzeptabel bewertet wurde.

Wo Sie es tatsächlich bekommen können

Fugu Ultra v2 ist ab sofort über Sakanas eigene OpenAI-kompatible API verfügbar – richten Sie einen bestehenden Client mit einem API-Schlüssel auf den Endpunkt und ändern Sie eine Zeile – sowie über mehrere Drittanbieter-Plattformen. OrcaRouter bietet die Fugu-Modelle nicht an; wenn Sie Fugu Ultra v2 aufrufen möchten, ist die eigene API des Anbieters der direkte Weg.

What is worth noting is the alternative Sakana is implicitly competing with. The pool that makes Fugu Ultra v2 work is assembled from models that are individually callable today, and the opponents it is measured against are the ones teams already run. Claude Opus 5, DeepSeek V4 Pro and Gem​ini 3.1 Pro are all on OrcaRouter at their providers' list prices with 0% markup, which means a price cut from any of those vendors is live on our side the same day it is announced. If the reason you are considering an orchestrator is resilience — not wanting a production path to depend on one vendor's uptime or one vendor's policy — then a routing layer with automatic failover across providers solves part of that problem at the model level, and Fugu Ultra v2 solves a different part at the reasoning level. One API for 200+ models with failover is not a substitute for a trained coordinator, and a trained coordinator is not a substitute for not being single-vendor-dependent. Some teams will want both.

Der Compliance-Haken

Fugu ist in der Europäischen Union oder im Europäischen Wirtschaftsraum nicht verfügbar. Die Formulierung des Anbieters ist eindeutig: noch nicht in der EU/EWR verfügbar, während auf die Einhaltung der DSGVO und EU-spezifischer Vorschriften hingearbeitet wird, und andernorts kann der Zugang durch Netzwerkbedingungen oder lokale Regeln eingeschränkt sein. Wenn Ihr Unternehmen EU-Einheiten im Geltungsbereich hat, nimmt dies die Fugu-Linie unabhängig von der Benchmark-Leistung aus der Betrachtung – was man vor der Evaluierung wissen sollte statt danach.

Was zu sehen

Drei Dinge würden Fugu Ultra v2 von einer interessanten Behauptung zu einer tragenden Wahl machen. Eine unabhängige Evaluierung – ein Eintrag bei Artificial Analysis, eine Platzierung in LMArena, irgendetwas mit einem Harness dahinter – würde die Chartography-Frage in einer Woche klären. Von einem Dritten reproduzierte Zahlen zu den verifizierbaren Coding-Benchmarks würden den Systemgewinn bestätigen, den die Architektur vorhersagt. Und ein offengelegter Pool, oder auch nur ein teilweise offengelegter, würde Käufer in die Lage versetzen, genau abzuwägen, welche Single Points of Failure sie akzeptieren, wenn sie Produktions-Traffic durch einen Koordinator leiten, den sie nicht überprüfen können.

Bis dahin lautet die ehrliche Einschätzung so: Fugu Ultra v2 ist der bislang ernsthafteste Versuch, Orchestrierung als Produkt zu verkaufen statt als Forschungsdemo – von einem Labor mit veröffentlichter Arbeit im Rücken, zu einem Preis, der den Orchestrierungs-Aufschlag explizit statt versteckt macht. Wenn Ihre Workload langfristig angelegt, verifizierbar und auf eine Region beschränkt ist, in der Sakana Sie bedienen kann, lohnt sich ein klar abgesteckter Pilot mit aktivierter Token-Abrechnung. Wenn nicht, sind die Modelle, an denen Fugu Ultra v2 gemessen wird, nur einen API-Aufruf entfernt, zum Listenpreis, mit den Belegen, die beweisen, was sie können.