Eine Hero-Titelkarte mit dem Text „Fugu Ultra v2 vs. Qwen3.8-Max“ und dem Untertitel „Warum das Preisschild die falsche Zahl ist“, drei Pillen-Badges mit den Texten „Ausgabe: 30,00 $ vs. 6,00 $“, „Über 272K: Rate verdoppelt sich“ und „Unabhängiger Fugu-Score: keiner“, eine Fußzeile mit „Sakana AI, 11. September 2026 vs. Alibaba, August 2026“ sowie das OrcaRouter-Logo in der unteren rechten Ecke.
Guides & Insights

Fugu Ultra v2 vs. Qwen3.8-Max: Warum das Preisschild die falsche Zahl ist

Autor

Alistair Wren

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Fugu Ultra v2 kostet 30,00 $ pro Million Ausgabe-Token. Qwen3.8-Max kostet 6,00 $. Das ist eine Fünf-zu-eins-Lücke, und wenn Sie zwischen diesen beiden agentischen Systemen anhand dieses Verhältnisses wählen, werden Sie falsch wählen — denn keines von beiden wird tatsächlich so abgerechnet, wie es seine Preisliste nahelegt. Nach der eigenen Messung von Artificial Analysis erzeugte Qwen3.8-Max 180 Millionen Ausgabe-Token, um den Intelligence Index zu absolvieren, mehr als das Doppelte der 89 Millionen des Medianmodells, zu Kosten von 2,67 $ pro Aufgabe. Es ist ein sparsames Modell pro Token und ein verschwenderisches pro Antwort. Fugu Ultra v2 von Sakana AI, veröffentlicht am 11. September 2026, hat die entgegengesetzte Form: einen nicht offengelegten Pool von Modellen anderer Labore, die es pro Anfrage erzeugt und koordiniert, abgerechnet zu einem einzigen Mischpreis, der sich laut Sakana nicht vervielfacht, wenn Agenten hinzugefügt werden. Das eine ist ein einzelnes Modell mit 2,4 Billionen Parametern, das lange laut denkt. Das andere ist ein kleiner Koordinator, der Hilfe anheuert. Der Vergleich ihrer Token-Preise verrät Ihnen fast nichts darüber, welches günstiger zu betreiben ist.

Zwei gegensätzliche Arten, teuer zu sein

Beginnen Sie mit dem Mechanismus, denn er erklärt jeden anderen Unterschied in diesem Vergleich.

Qwen3.8-Max ist ein Sparse-Mixture-of-Experts-Modell – 2,4 Billionen Parameter insgesamt, etwa 95 Milliarden pro Token aktiv –, das Frontier-nahe Ergebnisse erreicht, indem es länger arbeitet statt größer zu sein. Artificial Analysis hat es mit 37,8 Output-Token pro Sekunde gemessen, womit es bei der Geschwindigkeit Platz 154 von 200 Modellen belegt, mit 180 Millionen Output-Token, die über den Intelligence Index hinweg ausgegeben wurden (#70 von 200 bei der Ausführlichkeit). Seine Kosten pro Intelligence-Index-Aufgabe belaufen sich auf 2,67 $, und sein Cache-Rabatt ist mit 88 % ungewöhnlich hoch, was der Hebel ist, der hier tatsächlich über die Rechnung entscheidet: Ein langer Agentenlauf, der denselben Kontext immer wieder liest, ist günstig, und einer, der ständig neuen Text generiert, nicht.

Fugu Ultra v2 nähert sich demselben Problem vom anderen Ende. Es ist ein Orchestrator – ein kleiner trainierter Koordinator mit Berichten zufolge rund 7 Milliarden Parametern, der eine Anfrage liest, ein Agententeam entlang der Rollen Thinker, Worker und Verifier aus Sakanas TRINITY-Arbeit zusammenstellt und dann eine Antwort synthetisiert. Seine Token-Rechnung ist die Summe dessen, was seine Subagenten produzieren, plus der eigene Synthese-Text des Koordinators. Sakana sichert in seinen Preis-FAQ zu, dass Ihnen ein einziger Mischpreis in Rechnung gestellt wird, der an das beteiligte Top-Tier-Modell gekoppelt ist, und dass das Hinzufügen von Agenten die Rechnung nicht vervielfacht, was die klassische Multi-Agent-Kostenexplosion beseitigt, bei der Fan-out die Kosten vervielfacht. Was es nicht beseitigt, ist das Volumen. Bei 30,00 US-Dollar pro Million Output-Tokens ist die Zahl, auf die es ankommt, wie viele Agenten liefen und wie viel sie geschrieben haben, und diese Zahl können weder Sie noch Sakana anhand der Preisseite vorhersagen.

Das ist die ehrliche Einordnung der Preisdifferenz: Es ist ein Tarif, keine Gesamtsumme. Ein fünfmal höherer Tarif, angewendet auf eine Arbeitslast, deren Ausgabevolumen Sie nicht prognostizieren können, ist nicht das Fünffache der Kosten – es ist ein unbegrenztes Vielfaches mit einer vorhersehbaren Untergrenze.

A two-column scoreboard titled 'Fugu Ultra v2 vs Qwen3.8-Max Scoreboard' contrasting six dimensions. Fugu Ultra v2: price $5.00/$30.00 per 1M, context 1M tokens, above 272K input doubles to $10, AA Index none published, speed not measured, weights closed with pool undisclosed. Qwen3.8-Max: price $2.00/$6.00 per 1M, context 1M tokens, above 272K no surcharge, AA Index 40 ranked #30 of 200, speed 37.8 tokens/sec, weights open checkpoint published. Footer reads 'Fugu Ultra v2 figures vendor-reported; no independent evaluation. Qwen3.8-Max figures per Artificial Analysis, recalibrated scale.' OrcaRouter logo bottom-right.

Das Datenblatt – und die eine Zeile, die alles entscheidet

• Preis — Fugu Ultra v2 5,00 $ Eingabe / 30,00 $ Ausgabe pro 1 Mio. Token vs. Qwen3.8-Max 2,00 $ Eingabe / 6,00 $ Ausgabe

• Zwischengespeicherte Eingabe — Fugu Ultra v2 0,50 $ pro 1 Mio. gegenüber Qwen3.8-Max 0,25 $ pro 1 Mio. gelesen, sowie ein Cache-Rabatt von 88 %, gemessen von Artificial Analysis

• Langkontext-Zuschlag — bei Fugu Ultra v2 verdoppeln sich die Eingabe auf $10.00 und die Ausgabe auf $45.00 oberhalb von 272K Tokens, gegenüber Qwen3.8-Max ohne Zuschlag für lange Prompts, pauschal bis zum Kontextfenster

• Kontextfenster — Fugu Ultra v2 1M Token vs. Qwen3.8-Max 1M Token

• Ausgabeobergrenze — Fugu Ultra v2 nicht als einzelne Zahl veröffentlicht, gegenüber Qwen3.8-Max etwa 128K Tokens

• Eingabemodalität — Fugu Ultra v2 Text, mit den eigenen Fähigkeiten des Pools dahinter vs. Qwen3.8-Max Text, Bild, Video und PDF

• Gewichte — Fugu Ultra v2 geschlossen, Pool-Mitgliedschaft absichtlich nicht offengelegt vs. Qwen3.8-Max offene Gewichte veröffentlicht für den Max-class-Checkpoint unter einer eigenen Lizenz

• Regionale Verfügbarkeit — Fugu Ultra v2 wird in der EU/dem EWR nicht verkauft, im Gegensatz zu Qwen3.8-Max, das ohne regionale Einschränkung verfügbar ist

• Unabhängige Bewertung — für Fugu Ultra v2 wurde keine veröffentlicht, und es gibt keine Artificial-Analysis-Seite für irgendein Fugu-Modell vs. Qwen3.8-Max, einem aktiven Artificial-Analysis-Eintrag mit veröffentlichten Angaben zu Geschwindigkeit, Ausführlichkeit und Kosten pro Aufgabe

Liest man die letzten beiden Zeilen zusammen, schärft sich der Vergleich. Qwen3.8-Max ist ein Modell, das man an eine Version binden, für das man eine Lizenz nachlesen, von dem man einen Checkpoint herunterladen und das man gegen das Scoreboard eines Dritten abgleichen kann. Fugu Ultra v2 ist ein System, das man nicht einsehen, nicht selbst hosten, nicht in Europa kaufen und nicht gegen irgendjemanden außerhalb von Sakana verifizieren kann. Der 272K-Zuschlag verschärft das noch: Ab dieser Schwelle verdoppelt sich die Input-Rate von Fugu Ultra v2, und seine Output-Rate steigt um die Hälfte, während sich die Rate von Qwen3.8-Max nicht bewegt. Für die langfristige Dokument- und Repository-Arbeit, für die beide Systeme gebaut sind, ist der günstigere Nennpreis auch der flachere.

Die Qwen3.8-Max-Zahl, die alle zitieren, ist veraltet

Wenn Sie in den letzten zwei Wochen irgendwo über dieses Modell gelesen haben, haben Sie wahrscheinlich einen Artificial Analysis Intelligence Index von 58, 58,1 oder 58,4 gesehen. Diese Zahlen waren echt, und sie sind nicht mehr aktuell. Artificial Analysis hat seinen Index am 7. September 2026 auf v4.3 neu kalibriert und dabei die Scores durchweg komprimiert, und auf der Live-Seite von Qwen3.8-Max steht jetzt 40, was es auf Platz 30 von 200 Modellen platziert – mit dem „Updated“-Badge, das einen neu ausgewiesenen Score kennzeichnet. Die älteren Berichte enthielten außerdem den auf der vorherigen Skala gemessenen Effort-Aufschlag: 64 Turns pro Aufgabe gegenüber 14 bei der vorherigen Qwen-Generation und rund 1,14 $ pro Intelligence-Index-Aufgabe. Die aktuelle Seite zeigt 2,67 $ pro Aufgabe, 37,8 Ausgabe-Tokens pro Sekunde und 180 Millionen Ausgabe-Tokens im Index.

Daraus folgen zwei Dinge. Erstens: Auf der neu kalibrierten Skala liegt Qwen3.8-Max im selben Bereich wie der Rest der zweiten Liga der Frontier, statt mit ihr gleichauf zu liegen, und jeder Vergleich, den Sie lesen, der es bei einer 58 gegen Claude Opus 5 oder Kimi K3 einordnet, vergleicht Momentaufnahmen aus unterschiedlichen Skalen. Zweitens, und das ist für dieses Duell nützlicher, verläuft die Korrektur nur in eine Richtung: Qwen3.8-Max hat eine Zahl, die falsch sein kann und dann korrigiert wird. Fugu Ultra v2 hat keine Zahl. Jeder Fugu-Wert in diesem Artikel stammt aus Sakanas eigener Bewertung, und Stand 11. September gibt es keine Artificial-Analysis-Seite für Fugu Ultra v2 oder irgendein anderes Fugu-Modell – die URL gibt 404 zurück. Wenn ein Anbieter eine Ergebnistafel veröffentlicht und keine unabhängige Instanz das Modell getestet hat, ist die Ergebnistafel der gesamte Nachweis.

Wo sie sich tatsächlich überschneiden und wo nicht.

Sakana meldet Fugu Ultra v2 als bestes oder gleichauf bestes Modell bei fünf von acht Benchmarks – GDP.pdf, Chartography, SWEFish, DeepSWE und Toolathon – und unter den besten zwei bei sieben von acht. Die beiden konkreten Zahlen in der Mitteilung sind Chartography mit 48,3 gegenüber 27,3 für Claude Opus 5 und 29,5 für Claude Fable 5 in derselben Tabelle sowie DeepSWE mit 74,3. Alibabas eigene veröffentlichte Zeilen für Qwen3.8-Max umfassen Terminal-Bench 2.1 bei 86,6, OSWorld-Verified bei 86,1, GPQA Diamond bei 92,6 und SWE-bench Pro bei 67,7.

Beachte, was diese beiden Listen gemeinsam haben: nichts. Kein einziger Benchmark erscheint in beiden Anbietertabellen. Es gibt keine Zeile, in der man einen Sakana-Wert und einen Alibaba-Wert nebeneinanderhalten und einen Sieger ablesen kann, was bedeutet, dass die ehrliche Antwort auf „Welches ist bei Coding-Agenten besser?“ lautet, dass keine veröffentlichte Evidenz sie beantwortet. Was existiert, ist ein System mit acht vom Anbieter ausgewählten Zeilen und ohne externe Verifizierung sowie ein System mit Anbieterzeilen plus einem unabhängigen Eintrag, der Kosten und Geschwindigkeit statt Fähigkeiten im direkten Vergleich misst. Das ist eine Lücke in der Evidenz, nicht eine Lücke in den Modellen, und es sollte ändern, wie du kaufst: Du kannst anhand von Benchmarks nicht zwischen ihnen wählen, also wähle nach den Eigenschaften, die du tatsächlich verifizieren kannst.

A screenshot of the Sakana AI announcement page (English UI, captured September 11, 2026) headed 'Introducing Fugu Max and Fugu Ultra v2: Orchestrating the Pareto Frontier' dated September 11, 2026, with the opening paragraphs arguing that the frontier which matters is two-dimensional — capability against cost — and stating that Fugu Ultra v2 pushes peak performance higher without indispensable reliance on the frontier models it orchestrates.

Offene Gewichte versus einen nicht offengelegten Pool

Hier kehrt sich das übliche Lock-in-Argument um, und das ist das Interessanteste an dieser Paarung.

Sakanas Verkaufsargument für Fugu Ultra v2 lautet Souveränität. Ein austauschbarer Pool aus offenen und spezialisierten Modellen bedeutet, dass keine Preisentscheidung, kein Abschaffungsplan und kein Strategiewechsel eines einzelnen Anbieters Ihr Produkt zu Fall bringen kann, und die Veröffentlichung macht diesen Punkt explizit, indem sie anmerkt, dass sich die Zusammensetzung des Pools in v2 geändert hat. Das Unternehmen erklärt außerdem unverblümt, dass die Ergebnisse von Fugu Ultra v2 ohne Claude Fable 5, Claude Fable 5.1 oder GPT-6 Astra im Agentenpool erzielt wurden — und beansprucht damit Siege über die drei stärksten verfügbaren Modelle, während es bestätigt, keines von ihnen aufzurufen. Was auch immer der Pool enthält, nach Sakanas eigener Rechnung ist er nicht die Marktspitze.

Doch die Absicherung hat einen Preis, der nicht auf der Preisliste steht. Sie können den Pool nicht einsehen, Sie können ein Mitglied nicht in die Ultra-Stufe aufnehmen oder daraus entfernen, Sie können nichts davon selbst hosten und Sie können es überhaupt nicht in der EU/EWR betreiben – eine in Singapur ansässige Orchestrierung über die Gewichte anderer Labore ist ein anderes Risikoprofil als der Besitz der Gewichte. Qwen3.8-Max kehrt das genau um. Es ist das Modell eines einzigen Anbieters und damit den Entscheidungen eines einzigen Anbieters ausgesetzt, doch Alibaba hat offene Gewichte für den Checkpoint Qwen3.8-2.4T-A95B der Max-Klasse unter einer individuellen Lizenz veröffentlicht, was bedeutet, dass der Notausgang real und nicht bloß rhetorisch ist: Ändern sich Preise oder Bedingungen, kann das Modell aus Ihrer eigenen Infrastruktur heraus bereitgestellt werden. Für ein Team, dessen eigentliche Angst ist, dass ein Anbieter ihm den Teppich unter den Füßen wegzieht, ist ein herunterladbarer Checkpoint eine stärkere Garantie als ein Versprechen über einen Pool, den Sie nicht inspizieren dürfen.

Es gibt einen zweitrangigen Punkt für alle, die Agents über beide hinweg betreiben. Qwen3.8-Max steht mit 2,00 $ Input und 6,00 $ Output in unserem Katalog, was Alibabas Listenpreis mit 0 % Aufschlag, der weitergegeben wird, ist — eine Preisänderung des Anbieters trifft am selben Tag auf denselben Schlüssel, und automatisches Failover deckt einen ratenbegrenzten oder beeinträchtigten Anbieterpfad ab. Fugu Ultra v2 ist nicht auf OrcaRouter. Es erreicht Sie über Sakanas eigene OpenAI-kompatible API und mehrere Drittanbieterplattformen, und der Wechsel von einem früheren Fugu ist eine einzeilige Parameteränderung. Ein Router ist kein Ersatz für einen Koordinator, und ein Koordinator ist kein Ersatz für die Fähigkeit zum Failover; wenn Sie beide Eigenschaften wünschen, betreiben Sie Systeme von zwei Anbietern und sollten zwei Rechnungen einplanen.

Welches du wählen solltest

Nimm Qwen3.8-Max, wenn du ein Modell brauchst, das du prognostizieren, verifizieren und aus dem du aussteigen kannst. Es bietet zu Listenpreisen ein Drittel der Ausgabererate von Fugu Ultra v2, es hat keine Langkontext-Klippe, es akzeptiert Bilder, Videos und PDFs, während sich die Modalität des Fugu-Pools danach richtet, was die zugrunde liegenden Agenten gerade unterstützen, es veröffentlicht einen Checkpoint, auf den du zurückfallen kannst, es wird überall verkauft, und es hat einen unabhängigen Live-Eintrag, der die Dinge misst, die tatsächlich deine Rechnung bestimmen — 37,8 Tokens pro Sekunde und eine Kosten-pro-Aufgabe-Zahl, die du modellieren kannst, bevor du dich festlegst. Seine Schwächen sind ebenso konkret und es lohnt sich, sie zu benennen: Es ist langsam, auf Platz 154 von 200 bei der Geschwindigkeit, es ist enorm weitschweifig mit 180 Millionen Tokens im Index, und Artificial Analysis hat separat gemessen, dass seine Halluzinationsrate im Vergleich zur vorherigen Generation von 23 % auf 40 % gestiegen ist, was genau für die autonome mehrstufige Arbeit, für die es vermarktet wird, ein ernstes Problem darstellt. Plane einen Verifier ein und nutze den Deep-Cache-Rabatt aggressiv.

Wählen Sie Fugu Ultra v2, wenn Ihre Arbeit über lange Zeiträume angelegt und überprüfbar ist, Ihr Budget eher explorativ als produktiv ist und Sie außerhalb der EU/des EWR sitzen. Der strukturelle Fall für einen Koordinator ist real, und die Beispiele des Anbieters selbst weisen beständig darauf hin – ein automatisierter Forschungsdurchlauf mit 123 Experimenten über vierzehn Stunden auf einer einzelnen H100, ein Pure-Python-Rubik's-Cube-Löser, der alle 300 verdrehten Würfel löste, während zwei anonymisierte Frontier-Baselines regelrecht abstürzten. Das sind vom Anbieter ausgewählte Beispiele mit anonymisierten Baselines, und sie beweisen weniger, als sie zu beweisen scheinen, doch das Muster ist stimmig: Bei Aufgaben, bei denen Korrektheit überprüfbar ist und das Schwierige in der Ausdauer liegt, ist es besser, einen Verifier zu starten, als ein einzelnes Modell noch stärker zu fordern. Was Sie kaufen, ist diese Ausdauer – zu einem Tarif, der fünfmal so hoch ist wie der von Qwen3.8-Max, in einem System, dessen Qualität Sie nicht auditieren und dessen Pool Sie nicht festnageln können. Testen Sie es in einem abgegrenzten Pilotprojekt, messen Sie Output-Tokens pro abgeschlossener Aufgabe statt pro Token, und setzen Sie eine Obergrenze, bevor der erste Lauf beginnt.

A screenshot of the OrcaRouter model page for Qwen3.8 Max (English UI, captured September 11, 2026), showing the model title, the 'Featured' badge, the identifier qwen/qwen3.8-max, vision, tools, JSON and reasoning capability tags, a 1M-token context window, text and image and video input, a p50 TTFT of 10.00 seconds, list pricing of $2.00 per 1M input tokens and $6.00 per 1M output tokens, and an OpenAI-compatible base URL with Python and cURL code samples.

Der Grund, warum auf dem Preisschild die falsche Zahl steht, ist, dass beide Produkte die Kosten einer Antwort von den Kosten eines Tokens entkoppelt haben. Fugu Ultra v2 tut dies, indem es Anfragen auf Modelle verteilt, die es nicht nennen will. Qwen3.8-Max tut dies, indem es über 180 Millionen Tokens nachdenkt. Wenn Sie Ihr Token-Volumen pro Aufgabe bereits kennen, ist die Arithmetik trivial, und Sie sollten es tun. Die meisten Teams kennen diese Zahl nicht, und für sie reduziert sich die Entscheidung auf etwas Einfacheres: Qwen3.8-Max ist die Wahl, die Sie prüfen, bepreisen und aufgeben können, und Fugu Ultra v2 ist die Wahl, die darauf setzt, dass Koordination Fähigkeit schlägt. Beide sind vertretbar. Nur eine davon kommt mit den Belegen.