Step 5 Preview vs Fugu Ultra v2: Salah Satunya Adalah Model, yang Lain Adalah Router

Perbandingan yang paling banyak diinginkan orang antara Step 5 Preview dan Sakana AI's Fugu Ultra v2 adalah tabel tolok ukur. Tidak ada pihak yang dapat menyediakannya secara jujur. Step 5 Preview memiliki satu pengukuran independen, yang diambil berdasarkan rubrik yang diganti minggu lalu. Fugu Ultra v2 tidak memiliki pengukuran independen sama sekali, karena evaluator yang menerbitkan indeks kecerdasan belum pernah memasang halaman untuknya. Yang keduanya miliki adalah rasio harga tepat lima banding satu pada token masukan dan perbedaan jenis yang membuat rasio itu hampir tidak berarti: yang satu adalah checkpoint campuran-pakar (mixture-of-experts) dengan 600 miliar parameter yang dapat diunduh dan dijalankan pada perangkat keras Anda sendiri, dan yang lainnya adalah lapisan orkestrasi yang menjawab permintaan Anda dengan mengirimkannya ke kumpulan model milik orang lain.

Perbedaan itu bukanlah detail kecil. Perbedaan itu menentukan apa yang sebenarnya Anda beli, apa yang terjadi pada hasil Anda ketika vendor berubah pikiran, dan apakah agen berhorizon panjang yang dibangun di atas salah satu dari keduanya dapat dijalankan ulang pada kuartal berikutnya untuk menghasilkan output yang sama.

Dua produk dengan label pemasaran yang sama

StepFun merilis Step 5 Preview ke API-nya pada 20 September 2026, lalu menerbitkan bobot BF16 dan FP8 di Hugging Face dan ModelScope pada 15 Oktober. Ini adalah satu model: campuran pakar (mixture of experts) renggang dengan total 600 miliar parameter dan 27 miliar parameter aktif per token, dirutekan 8 dari 352 ditambah pakar bersama (shared expert), dalam tumpukan 92 lapisan yang oleh vendor dijelaskan sebagai "sempit-dalam" (narrow-deep). Jendela konteksnya 1 juta token, inputnya dapat berupa teks, gambar, atau video, dan outputnya berupa teks.

Fugu Ultra v2 adalah rilis poin, bukan arsitektur baru — Sakana AI merilisnya pada 11 September 2026 sebagai penyegaran Fugu Ultra dari 22 Juni, dengan ID model fugu-ultra-v2.0 dan migrasi parameter satu baris dari versi sebelumnya. Ia adalah konduktor: permintaan masuk, sistem memutuskan model atau model-model mana dalam kumpulannya yang harus menanganinya, menjalankannya, dan menyintesis jawabannya. Kumpulan itu sengaja mengecualikan Claude Fable 5, Claude Fable 5.1 dan GPT-6 Astra. Argumen Sakana untuk kumpulan yang lebih kecil adalah bahwa anggota yang lebih lemah menyeret agregat ke bawah; efek turunannya, yang tidak diiklankan Sakana, adalah bahwa komposisi dari hal yang Anda beli merupakan keputusan vendor yang dapat berubah tanpa nomor versi.

Garis spesifikasi, kedua sisi

• Apa itu — Step 5 Preview: satu model mixture-of-experts 600B/27B yang dapat diunduh. Fugu Ultra v2: kumpulan model yang diorkestrasi dengan lapisan sintesis di atasnya.

• Tanggal rilis — Step 5 Preview: API pada 20 September 2026, bobot pada 15 Oktober 2026. Fugu Ultra v2: 11 September 2026, pembaruan dari versi asli Juni 2026.

• Jendela konteks — Pratinjau Langkah 5: 1 juta token. Fugu Ultra v2: 1 juta token, dengan tingkat harga di atas 272k token.

• Modalitas masukan — Step 5 Preview: teks, gambar, dan video. Fugu Ultra v2: apa pun yang diterima oleh anggota pool-nya, yang tidak diuraikan oleh Sakana per modalitas.

• Harga input per juta token — Step 5 Preview: $1,00. Fugu Ultra v2: $5,00, naik menjadi $10,00 bila konteks melebihi 272k token.

• Harga output per juta token — Step 5 Preview: $2,70. Fugu Ultra v2: $30,00, naik menjadi $45,00 di atas 272k token.

• Input yang di-cache per juta token — Step 5 Preview: diskon 90% dari $1.00. Fugu Ultra v2: $0.50, naik menjadi $1.00 di atas 272k token.

• Skor independen — Step 5 Preview: 29 pada Artificial Analysis Intelligence Index v5.0. Fugu Ultra v2: tidak ada halaman Artificial Analysis, sehingga tidak ada skor.

• Bobot — Pratinjau Step 5: dapat diunduh berdasarkan Lisensi Model StepFun 1.0. Fugu Ultra v2: tidak ada. Kumpulan yang digunakan berasal dari bobot vendor lain yang disediakan berdasarkan ketentuan vendor lain.

Apa yang sebenarnya bisa didapat dengan input senilai lima dolar

Rasio utama adalah lima banding satu pada input dan sedikit di atas sebelas banding satu pada output, dan kedua angka itu membuat Step 5 Preview tampak lebih baik dengan cara yang mungkin tidak dibenarkan oleh tagihan per tugas. Fugu Ultra v2 diberi harga seperti sistem yang memperkirakan akan menghabiskan token: sistem mengirimkan permintaan, beberapa model menjawab, dan sebuah penyintesis menulis di atas hasilnya. Klaim Sakana sendiri bahwa menambahkan lebih banyak agen tidak melipatgandakan tagihan Anda adalah tentang tingkat langganan — $20 Standard, $100 Pro, dan $200 Max per bulan, yang semuanya mencakup Fugu, Fugu Ultra, dan Fugu Max — dan bukan tentang kartu tarif bermeter. Pada kartu bermeter, orkestrasi adalah urusan yang bertele-tele, dan output ditagih sebesar $30 per juta.

Ekonomi Step 5 Preview berjalan sebaliknya. Artificial Analysis mengukur 179,1 token keluaran per detik pada API StepFun dibandingkan median kelas 74,1, $2,35 per tugas indeks penuh, dan biaya campuran $0,54 per juta token pada rasio hit cache tujuh-ke-dua-ke-satu. Dibandingkan median kelas $1,40 per tugas pada halaman yang sama, itu adalah model murah yang juga cepat.

Jadi perumusan yang jujur bukanlah "Fugu berharga lima kali lipat". Melainkan bahwa Fugu mengenakan harga premium untuk kemampuan yang tidak diklaim oleh Step 5 Preview — yaitu mengarbitrase antara beberapa model per permintaan — dan apakah premi itu layak dibayar sepenuhnya bergantung pada apakah Anda percaya bahwa arbitrase tersebut lebih baik daripada satu model kuat dalam mengerjakan tugas yang Anda miliki. Bukti terbitan Sakana untuk keyakinan itu dijalankan oleh vendor: Chartography 48.3 berbanding 27.3 untuk Claude Opus 5 dan 29.5 untuk Claude Fable 5, DeepSWE 74.3, terbaik atau setara-terbaik pada lima dari delapan tolok ukur dan dua teratas pada tujuh dari delapan. Itu angka nyata yang dihasilkan oleh perusahaan yang menjual produk tersebut, dan itulah satu-satunya angka yang ada.

Tes portabilitas, itulah perbedaan sebenarnya

Inilah pertanyaan yang memisahkan keduanya lebih jelas daripada skor mana pun. Misalkan Anda membangun agen di atas Fugu Ultra v2 pada September 2026, dan agen itu berfungsi. Pada November, Sakana menambahkan satu model ke pool, atau menghapus satu model — perusahaan ini pernah menghapus tiga model frontier sekaligus — atau mengubah bobot sintesiser. Prompt Anda sama, input Anda sama, tetapi output Anda berbeda, tanpa kenaikan versi yang dapat Anda patok dan tanpa entri changelog yang memberi tahu Anda perilaku mana yang berubah. Anda tidak membeli sebuah model; Anda membeli kebijakan atas model-model, dan kebijakan itu adalah dial yang diputar vendor.

Itu bukan kritik terhadap Sakana. Itu adalah sifat produknya, dan untuk banyak beban kerja, itulah yang Anda inginkan — vendor yang tugas penuh waktunya adalah memilih model yang tepat untuk setiap permintaan sering kali mengalahkan pilihan yang Anda buat sendiri. Namun, produk itu seharusnya diberi harga sesuai dengan hakikatnya: hubungan layanan berkelanjutan, bukan aset.

Step 5 Preview adalah bentuk lain. Bobotnya ada. Bobot itu tidak terbuka dalam pengertian OSI — StepFun Model License 1.0 mempertahankan persyaratan atribusi pada keluaran yang digunakan secara material, mewajibkan produsen perangkat keras menegosiasikan lisensi terpisah, dan mewajibkan lisensi komersial bagi operator model-as-a-service dengan pendapatan tahunan di atas $20 juta — tetapi perilaku yang Anda uji hari ini adalah perilaku yang dapat Anda jalankan dalam setahun, pada perangkat keras yang Anda kendalikan, tanpa meminta izin. Checkpoint FP8 membutuhkan sekitar 773 GB VRAM dan minimal empat GPU dengan B300 sebagai target default; jalur Hopper membutuhkan delapan H200. Varian NVFP4 memangkasnya menjadi sekitar 473 GB dan membatasi konteks yang dapat digunakan hingga 320k token. Tidak ada jalur yang murah, dan tidak ada yang semurah API, yang merupakan argumen biasa untuk memanggil model alih-alih menghostingnya.

Kesenjangan pengungkapan berlaku dua arah

Masing-masing pihak tidak memiliki sesuatu yang diterbitkan oleh pihak lain.

Pratinjau Langkah 5 menerbitkan kartu tarif, batas konteks, jumlah parameter, lisensi, resep penyajian untuk vLLM dan SGLang pada hari bobot dirilis, dan satu skor independen. Yang tidak diterbitkannya adalah perbandingan langsung yang disesuaikan dengan harness terhadap kompetitor mana pun, dan tabel tolok ukur vendornya — Terminal-Bench 4.0 pada 33.3, DeepSWE v1.1 pada 67.7, FrontierFinance pada 66.4, CyberGym pada 84.7 — memang tepat seperti itu, sebuah tabel vendor.

Fugu Ultra v2 menerbitkan kisah arsitektur, kebijakan pool, tabel benchmark miliknya sendiri, dan harga langganan yang benar-benar tidak lazim di pasar ini. Yang tidak ia terbitkan adalah satu angka pun yang telah diverifikasi oleh evaluator independen, dan para evaluator belum membuat halaman untuknya, yang merupakan cara paling bersih untuk mengatakan bahwa skor tersebut tidak ada alih-alih rendah.

Ketika kedua sisi merupakan laporan vendor, penentu akhirnya bukanlah "vendor mana yang lebih dapat dipercaya". Melainkan vendor mana yang telah mempertaruhkan sesuatu yang dapat diperiksa. StepFun yang mempertaruhkan bobot pada 15 Oktober adalah klaim yang dapat diperiksa: siapa pun dapat mengunduh checkpoint dan mereproduksi perilakunya. Sakana yang mempertaruhkan skor tanpa artefak yang dapat diunduh tidak demikian.

Jika salah satu dari keduanya dapat dipanggil hari ini

Tidak satu pun dari keduanya ada di OrcaRouter. Katalog aktif memuat 214 ID model dari 16 penyedia di balik satu kunci dan satu tagihan, dan per 29 Oktober 2026 tidak ada entri StepFun maupun entri Sakana di dalamnya — tidak ada string "step" dan tidak ada string "fugu". Jika Anda menginginkan Fugu Ultra v2, Anda pergi ke Sakana, dan jika Anda menginginkan Step 5 Preview, Anda pergi ke API StepFun atau ke checkpoint. Tidak ada bagian dalam artikel ini yang boleh dibaca sebagai klaim bahwa kami menyediakan salah satunya.

Dalam perbandingan ini, peran platform adalah langkah yang Anda ambil setelahnya: setelah Anda memutuskan bentuk mana dari dua bentuk ini yang cocok untuk beban kerja Anda, model yang benar-benar Anda rutekan per permintaan — yang murah untuk klasifikasi, yang mahal untuk sintesis — adalah bagian yang sulit diskalakan secara manual. Konfigurasi perutean OrcaRouter memungkinkan Anda mendeklarasikannya sebagai rantai utama dan cadangan alih-alih ID model yang di-hard-code, dengan failover otomatis saat penyedia mengalami penurunan kinerja, dan menagih dengan harga daftar penyedia tanpa markup, sehingga penurunan harga dari vendor langsung berlaku di platform pada hari yang sama saat diumumkan. Itu adalah properti dari model yang memang kami sediakan, bukan dari kedua model ini.

Pertanyaan yang memutuskannya

Bukan "yang mana skornya lebih tinggi", karena hanya salah satu dari keduanya yang telah diberi skor, dan skornya adalah 29 berdasarkan rubrik yang terbit pada 27 Oktober dan menulis ulang apa yang diukur oleh komposit. Tanyakan sebaliknya apakah beban kerja Anda adalah beban kerja di mana satu model konteks 1M dengan input visi, pada $1.00 dan $2.70 per juta token, cukup baik — dan jika ya, Step 5 Preview adalah pembelian yang lebih murah dan lebih portabel dengan selisih yang lebar. Jika beban kerja Anda adalah beban kerja di mana perutean per permintaan menjadi bagian yang sulit, Fugu Ultra v2 mengerjakan pekerjaan yang jika tidak akan Anda kerjakan sendiri, dan rasio lima banding satu adalah harga dari pekerjaan itu alih-alih markup atas barang yang sama.

Yang seharusnya tidak Anda lakukan adalah membandingkan Chartography 48.3 dengan apa pun yang telah diterbitkan StepFun. Itu adalah angka dari dua vendor, pada harness milik dua vendor, untuk dua jenis produk yang berbeda. Belum ada yang menjalankan keduanya secara berhadapan, dan sampai ada yang melakukannya, satu-satunya perbandingan jujur antara keduanya adalah perbandingan tentang apa mereka.