Fugu Ultra v2 vs. Claude Opus 5: gleicher Preis für Eingaben, zwei unterschiedliche Wetten

Fugu Ultra v2 and Claude Opus 5 cost exactly the same amount to ask a question and wildly different amounts to get an answer out of. Both list at $5.00 per million input tokens. Then Fugu Ultra v2 charges $30.00 per million output tokens against Claude Opus 5's $25.00 — and the gap between those two numbers is not a rounding difference, because the two systems emit very different quantities of text to reach an answer. Sakana AI shipped Fugu Ultra v2 on September 11, 2026 as an orchestration system that coordinates a pool of other labs' models behind one OpenAI-compatible endpoint; Anth​ropic's Claude Opus 5, live since late July 2026, is a single model. That difference decides most of this comparison before a benchmark is consulted, and Sakana's own scoreboard has an awkward row in it: the vendor reports 48.3 on Chartography against Claude Opus 5's 27.3, which is the largest margin in the release and also the number with the least outside evidence behind it.

Der Zufall, der alles formt

Beginnen Sie mit dem, worin die beiden Produkte übereinstimmen, denn es ist mehr als der beworbene Preis.

• Eingabepreis — Fugu Ultra v2 5,00 $ pro 1 Mio. Tokens vs. Claude Opus 5 5,00 $ pro 1 Mio. Tokens

• Ausgabepreis — Fugu Ultra v2 30,00 $ pro 1 Mio. Token vs. Claude Opus 5 25,00 $ pro 1 Mio. Token

• Zwischengespeicherte Eingabe — Fugu Ultra v2 0,50 $ pro 1M über dem Basispreis vs. Claude Opus 5, das Caching als Rabatt von bis zu 90% auf zwischengespeicherte Eingabe berechnet

• Kontext — Fugu Ultra v2 1 Mio. Token, wobei sich die Preise oberhalb von 272K verdoppeln, gegenüber Claude Opus 5 1 Mio. Token, konstant

• Ausgabeobergrenze — Fugu Ultra v2 nicht als einzelne Zahl veröffentlicht vs. Claude Opus 5 128K-Token

• Verfügbarkeit — Fugu Ultra v2 nicht in der EU/im EWR verkauft vs. Claude Opus 5 allgemein verfügbar zu Standard-API-Bedingungen

• Belege — von Fugu Ultra v2 vom Anbieter gemeldete Benchmarks, noch keine unabhängige Bewertung, gegenüber den Anbieter-Benchmarks von Claude Opus 5 plus monatelangen Platzierungen in Ranglisten Dritter

Genau in dieser letzten Zeile kippt der Vergleich. Beim gleichen Eingabepreis entscheiden Sie sich zwischen einem System, dessen Bewertungen Sie einfach glauben müssen, und einem Modell, dessen Bewertungen andere reproduziert haben. Die 272K-Klippe verschärft das noch: Jenseits dieser Schwelle verdoppelt sich bei Fugu Ultra v2 die Eingaberate auf 10 $ und die Ausgaberate auf 45 $, während sich die Rate von Claude Opus 5 nicht bewegt. Bei Langkontext-Agent-Läufen – genau der Arbeitslast, für die Fugu Ultra v2 gebaut ist – verschwindet der Preisvorteil des günstigeren Aushängeschilds genau dort, wo das System glänzen soll.

Was jedes einzelne tatsächlich ist

Claude Opus 5 is Anth​ropic's production flagship, and its design is legible from the outside. It runs adaptive thinking by default, deciding how long to reason before it answers, with an explicit effort dial from low to max when you want to force deeper deliberation and pay for it. It carries a 1M-token context window, a 128K output ceiling, vision, tool use and JSON mode. Anth​ropic reports 96.0% on SWE-bench Verified and 79.2% on SWE-bench Pro, more than doubling its predecessor's Frontier-Bench v0.1 result, and roughly 30.2% on ARC-AGI 3 against 7.8% for GPT-5.6 Sol — all vendor figures, and all of them measured on a single model you can pin by version. It also routes flagged requests to an older model rather than erroring, which is an operational detail that matters if you have compliance review in the loop.

Fugu Ultra v2 ist das nicht, und der Unterschied ist nicht kosmetisch. Es ist ein Koordinator – ein kleines trainiertes Modell, laut Berichten mit rund 7B Parametern, das deine Anfrage liest, ein Agententeam zusammenstellt, die Rollen Thinker, Worker und Verifier aus Sakanas TRINITY-Arbeit zuweist und eine endgültige Antwort synthetisiert. Die zugrunde liegenden Modelle werden nicht offengelegt, die Routing-Entscheidungen werden absichtlich nicht offengelegt, und für die Ultra-Stufe ist der Pool fest: Du kannst keinen Anbieter abwählen. Sakanas eigene Darstellung von Version 2 ist, dass der Trainings-Cutoff auf den 28. August 2026 verschoben wurde und sich die Zusammensetzung des Pools geändert hat – und zwar speziell, um Claude Fable 5, Claude Fable 5.1 und GPT-6 Astra auszuschließen.

Diese Auslassung ist das aufschlussreichste Detail in der Mitteilung. Fugu Ultra v2 beansprucht Benchmark-Siege über die drei stärksten verfügbaren Modelle, während bestätigt wird, dass es keines davon aufruft. Was auch immer der Pool enthält, es ist nach Sakanas eigener Rechnung nicht die Spitze des Marktes. Die Botschaft lautet, dass Koordination Fähigkeit schlägt. Das ist eine echte These, und bei überprüfbaren Aufgaben mit einem billigen Prüfer ist es eine These mit Belegen dahinter. Es ist nicht dieselbe Behauptung wie „dieses System ist klüger als Claude Opus 5“, und die Rangliste ist so angelegt, dass die beiden leicht zu verwechseln sind.

Die Anzeigetafel, die Sakana gewählt hat

Jede Zahl im Folgenden stammt aus Sakanas eigener Evaluierung von Fugu Ultra v2. Die Werte von Claude Opus 5 wurden, sofern nicht anders angegeben, von Sakana im selben Vergleich gemessen. Keine unabhängige Partei hat die Fugu-Spalte reproduziert, und zum Zeitpunkt dieses Textes gibt es keinen Artificial-Analysis-Eintrag für irgendein Fugu-Modell.

• Chartography — Fugu Ultra v2 48,3 vs. Claude Opus 5 27,3 — laut Anbieter eine Differenz von 21 Punkten

• DeepSWE — Fugu Ultra v2 74,3 vs. kein veröffentlichter Claude-Opus-5-Wert in derselben Tabelle — vom Anbieter angegeben

• Benchmark-Platzierung — Fugu Ultra v2 bei fünf von acht am besten oder gleichauf am besten, bei sieben von acht unter den Top zwei — vom Anbieter gemeldet

• SWE-bench Verified — kein Wert für Fugu Ultra v2 vs. Claude Opus 5 96,0 % — laut Anthropic

• SWE-bench Pro — kein Wert für Fugu Ultra v2 vs. Claude Opus 5 79,2 % — von Anthropic angegeben

• ARC-AGI 3 — kein Wert für Fugu Ultra v2 gegenüber Claude Opus 5 ~30,2 % — von Anthropic gemeldet

Lesen Sie das als Form statt als Rangliste. Sakana hat ein Board mit acht Benchmarks veröffentlicht, bei dem es fünf gewinnt, und die stärksten öffentlich dokumentierten Ergebnisse von Claude Opus 5 – die SWE-bench-Zeilen, ARC-AGI 3 – stehen einfach nicht darauf. Das ist kein Vorwurf böser Absicht; so sieht eine Anbieter-Ergebnistafel aus, einschließlich der jedes Anbieters. Aber es bedeutet, dass Sie aus der Veröffentlichung nicht schließen können, dass Fugu Ultra v2 Claude Opus 5 in der Softwareentwicklung schlägt, weil die beiden Systeme nicht oft genug auf denselben Zeilen gemessen wurden, um das sagen zu können. In der einen Zeile, in der beide auftauchen und beide Zahlen öffentlich sind – Chartography –, beansprucht Fugu Ultra v2 einen großen Sieg. Bei den breitesten Reasoning- und Coding-Zeilen hat nur eine Seite veröffentlicht.

Kosten pro Aufgabe, nicht Kosten pro Token

Die Token-Rechnung eines Orchestrators ist nicht sein Preis pro Token. Fugu Ultra v2 startet Agenten, von denen jeder Reasoning- und Ausgabe-Token beisteuert, und der Koordinator selbst erzeugt Synthesetext. Sakanas Preis-FAQ gibt hier eine wirklich nützliche Zusage – Ihnen wird ein einziger Mischpreis basierend auf dem beteiligten Top-Tier-Modell in Rechnung gestellt, und das Hinzufügen von Agenten vervielfacht die Rechnung nicht –, was die Worst-Case-Fan-out-Vervielfachung beseitigt, die naive Multi-Agenten-Setups teuer macht. Doch sie beseitigt nicht das Volumen. Die Menge der abgerechneten Ausgabe-Token ist weiterhin eine Funktion davon, wie viele Agenten liefen und wie viel sie schrieben, und bei 30 $ pro Million ist dieses Volumen die Variable, die Sie von der Preisseite aus nicht vorhersagen können.

Das Kostenprofil von Claude Opus 5 ist genau umgekehrt. Ein Aufruf, ein Modell, ein Aufwandsregler, den Sie selbst steuern, und ein Ausgabepreis von 25 $, wobei Batch-Verarbeitung für nicht in Echtzeit anfallende Arbeit mit 50 % Rabatt verfügbar ist. Sie können es prognostizieren. Für eine Arbeitslast, die Sie zehntausend Mal am Tag ausführen, ist Prognostizierbarkeit sehr viel mehr wert als ein Benchmark-Vorsprung bei einer Aufgabe zum Lesen von Diagrammen.

This is also where the routing question separates cleanly from the model question. Claude Opus 5 sits on OrcaRouter at Anth​ropic's list price with 0% markup — the provider's rate passed through, so a vendor price change is live on the same key the same day, with automatic failover across provider paths if one is rate-limited or down. Fugu Ultra v2 is not on our catalogue; it reaches you through Sakana's own OpenAI-compatible API and several third-party platforms, and migrating from an earlier Fugu is a one-line parameter change. If what you actually want is Claude Opus 5's predictability with less single-provider exposure, the router is the answer and the orchestrator is not. If what you want is a system that tries several approaches to a hard problem without you writing the fan-out, Fugu Ultra v2 is the thing that does that — and you should pilot it with token accounting on.

Wo Fugu Ultra v2 wirklich gewinnt

Erkenne die Leistung des Systems an. Das Chartography-Ergebnis, falls es standhält, ist die Art von Erfolg, die einzelne Modelle kaum vortäuschen können: visuelles Schlussfolgern über strukturierte Dokumente belohnt es, eine Lesart auszuprobieren, sie am Dokument zu prüfen und es erneut zu versuchen — was genau die Aufgabe einer Verifier-Rolle ist. Dieselbe Logik gilt für Toolathon und DeepSWE, wo die Antwort getestet werden kann, statt darüber zu streiten. Sakanas veröffentlichte Fallstudien weisen in dieselbe Richtung: ein AutoResearch-Durchlauf mit 123 Experimenten über vierzehn Stunden auf einer H100, ein in reinem Python geschriebener Rubik's-Würfel-Löser, der alle 300 verdrehten Würfel löste, während zwei anonymisierte Frontier-Baselines vollständig abstürzten, eine mechanische CAD-Iris, die sich tatsächlich öffnet und schließt. Dies sind vom Anbieter ausgewählte Beispiele mit anonymisierten Baselines, sodass sie weniger beweisen, als sie den Anschein erwecken. Doch das Muster ist konsistent, und es deutet auf eine echte Kategorie hin: Aufgaben, bei denen die Korrektheit überprüfbar ist und das Schwierige die Beharrlichkeit ist.

Es gibt außerdem ein strukturelles Argument, das nichts mit Benchmarks zu tun hat. Claude Opus 5 ist das Modell eines einzelnen Anbieters und unterliegt den Preisentscheidungen, dem Stilllegungsplan und den Richtlinien eines einzelnen Anbieters. Fugu Ultra v2 ist darauf ausgelegt, es zu überstehen, wenn sich irgendeiner dieser Punkte ändert, und Sakana sagt ausdrücklich, dass genau das der Punkt ist – Vendor-Lock-in, API-Widerrufe, Exportkontrollen. In einem Markt, in dem Modelle mit wenig Vorankündigung aus Regionen zurückgezogen wurden, ist das keine hypothetische Annahme. Es ist eine Absicherung, und Absicherungen kosten Geld: 5 US-Dollar mehr pro Million Output-Tokens sind ungefähr der Preis, auf den sich diese Absicherung beläuft.

Das Urteil

Claude Opus 5 gewinnt die Entscheidung, die die meisten Teams tatsächlich treffen. Es hat Monate unabhängiger Evaluierung hinter sich, ein 1M-Token-Fenster, das sich mitten in Ihrem Dokument nicht im Preis verdoppelt, eine Ausgabegrenze von 128K, einen veröffentlichten Preis, den Sie prognostizieren können, einen Aufwandsregler, mit dem Sie Denkleistung nur dann einkaufen, wenn die Aufgabe es verdient, und Ergebnisse von Drittanbietern auf genau den Benchmarks – SWE-bench Verified, SWE-bench Pro, ARC-AGI 3 –, die für agentische und Coding-Teams am wichtigsten sind. Fugu Ultra v2 gewinnt eine engere und interessantere Frage: ob ein Koordinator mit einem kleineren Pool bei Aufgaben, deren Antwort überprüfbar ist, ein Flaggschiff übertreffen kann. Sakanas eigene Ergebnisliste sagt bei fünf von acht Zeilen Ja, und der Pool-Ausschluss zeigt, dass der Sieg ohne die drei besten Modelle der Welt zustande kam.

If you run verifiable, long-horizon, checkable work and you are outside the EU/EEA, Fugu Ultra v2 is worth a scoped pilot — measure output tokens per completed task, not per token, and set a ceiling before you start. If you need a production path today with evidence behind it and a bill you can forecast, Claude Opus 5 remains the better-evidenced call, and it is one API key away at Anth​ropic's list price with the provider's rate passed through untouched.