"Fugu Max vs Gemini 3.1 Pro"의 히어로 타이틀 카드. 부제는 "동일한 입력 가격, 절반의 출력 가격", "$2.00 입력 양쪽 동일", "$6.00 vs $12.00 출력", "Pool 미공개"라고 적힌 세 개의 알약 배지, "Sakana AI vs Google - 2026년 9월"이라고 적힌 바닥글 줄, 그리고 오른쪽 아래 모서리에 OrcaRouter 로고가 있습니다.
Guides & Insights

Fugu Max vs Gemini 3.1 Pro: 동일한 입력 가격, 절반의 출력 가격, 그리고 아무도 볼 수 없는 풀

작성자

Elias Hawthorne

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

Fugu Max와 Gemini 3.1 Pro는 질문을 받는 데 드는 비용이 동일합니다. 둘 다 백만 입력 토큰당 $2.00로 책정되어 있습니다. 출력에서는 갈라집니다: Sakana AI의 Fugu Max는 백만 출력 토큰당 $6.00에 출력하고, Google의 Gemini 3.1 Pro는 $12.00에 출력합니다. Sakana는 2026년 9월 11일 Fugu Max를, 공개하지 않는 풀에서 각 작업을 가장 저렴하면서 충분한 모델로 라우팅하는 코디네이터로 출시했습니다. Gemini 3.1 Pro는 이름이 붙은 모델 — ID로 호출 가능하고, 버전이 관리되며, 멀티모달 — 즉 오케스트레이터가 아니도록 설계된 바로 그런 것입니다. 따라서 여기서 흥미로운 질문은 입력 $2.00에서 어느 쪽이 더 나은가가 아닙니다. Sakana의 이전 Fugu 세대가 라우팅 대상으로 삼은 모델 중에 Gemini 3.1 Pro를 포함했다고 보도된 점을 고려하면, 코디네이터와 모델을 비교하는 것이 과연 올바른 형태인가입니다.

풀 질문을 정확히 서술하면

Fugu Ultra가 2026년 6월 처음 출시되었을 때, 그 아키텍처를 다룬 보도에서는 다른 프런티어 연구소들의 모델들과 함께 Gem​ini 3.1 Pro가 포함된 풀을 설명했습니다. Sakana는 Fugu Max의 풀 구성원을 공개하지 않았습니다. 발표문은 그 풀이 전례 없는 수의 오픈 웨이트 및 특화 모델을 포함하도록 확장되었다고 말하며, NVIDIA 협업을 통한 NVIDIA Nemotron 제품군을 언급한 뒤 거기서 멈춥니다. 또한 Gem​ini 3.1 Pro가 제거되었다고도 말하지 않습니다.

그러면 두 가지 가능성만 남고, 공개적으로 그 둘 중 하나를 선택할 방법은 없다. 만약 Gem​ini 3.1 Pro가 Fugu Max 풀에 있다면, 이 맞대결은 부분적으로는 "대(對)"이고 부분적으로는 "경유"다 — 어려운 추론 작업에 대한 Fugu Max의 답은 코디네이터가 선택하고 확인하고 다시 쓴 Gem​ini의 답일 수 있으며, 이 경우 $6.00 출력 요금은 Gem​ini를 직접 호출하는 것보다 할인된 가격으로 Gem​ini의 추론에 오케스트레이션 오버헤드를 더해 사는 셈이다. 만약 그것이 풀에 없다면, 두 제품은 진정으로 서로 다른 도구이며, 가격 차이는 서로 다른 근본 역량을 반영한다.

릴리스에는 이 문제를 해결하는 내용이 없다. 그것이 어느 것인지 말해 주는 사람은 그것을 읽은 것이 아니라 추론한 것이다. 자신 있게 말할 수 있는 것은 더 좁지만 여전히 유용하다: 오케스트레이터가 공개한 점수는 코디네이터가 아니라 풀에 속하며, 구성원이 공개되지 않은 풀은 그 점수들을 귀속시키는 것을 불가능하게 만든다.

• 입력 가격 — Fugu Max 1M 토큰당 $2.00 vs Gemini 3.1 Pro 1M 토큰당 $2.00

• 출력 가격 — Fugu Max 1M 토큰당 $6.00 vs Gem​ini 3.1 Pro 1M 토큰당 $12.00

• 캐시된 입력 — Fugu Max는 100만 토큰당 $0.25, Gem​ini 3.1 Pro 캐싱은 기본 입력 요금에서 할인 제공

• 컨텍스트 — Fugu Max 미공개 vs Gemini 3.1 Pro 1M 토큰

• 출력 상한 — Fugu Max 미공개 vs Gemini 3.1 Pro 65K 토큰

• 입력 모달리티 — Fugu Max 미공개 vs {{1}}Gemini 3.1 Pro{{/1}} 오디오, 파일, 이미지, 텍스트 및 비디오

• 출력 모달리티 — Fugu Max 미공개 vs Gem​ini 3.1 Pro 텍스트, 3.1 패밀리 내 별도의 이미지 생성 라인 포함

• 벤치마크 수치 — Fugu Max는 점수 없이 6승을 주장, Gemini 3.1 Pro는 Google 보고 기준 ARC-AGI-2 77.1%, GPQA Diamond 94.3%, SWE-bench Verified 80.6%, BrowseComp 85.9%

모델이 약속할 수 있지만 코디네이터는 할 수 없는 것

그 목록에서 실질적으로 가장 큰 차이는 출력 가격이 아닙니다. 바로 모달리티 행입니다. Gemini 3.1 Pro는 오디오, 비디오, 이미지를 입력으로 받아들이며 그렇게 문서화되어 있어, 텍스트와 전혀 관련 없는 작업—화면 녹화 읽기, 통화 전사 및 추론, 스캔한 양식 파싱—에 사용할 수 있습니다. Fugu Max는 모달리티 명세를 전혀 공개하지 않습니다. 자체 풀에 무엇이 들어 있는지, 그리고 코디네이터가 멀티모달 콘텐츠를 전달하는지 아니면 먼저 텍스트로 평탄화하는지에 따라 그러한 입력 중 일부를 충분히 처리할 수도 있습니다. Sakana 외부에서는 아무도 모릅니다. 그리고 그것은 "아직 벤치마크하지 않았다"와는 다른 종류의 불확실성입니다. 즉, 문서만으로는 멀티모달 워크로드에 대한 적합성을 판단할 수 없고, 직접 테스트해야 합니다.

출력 상한에는 두 번째 비대칭이 있습니다. Gemini 3.1 Pro는 최대 출력 토큰 65K를 명시합니다. Fugu Max는 아무것도 명시하지 않습니다. 코디네이터의 경우 실효 상한은 라우팅하는 모든 모델 중 최솟값이므로, 그 수치를 말하기가 정말 더 어렵습니다 — 하지만 상한이 명시되지 않은 시스템은 애플리케이션이 긴 산출물을 생성하는 경우 계획하기가 곤란합니다.

A two-column scoreboard titled "Fugu Max vs Gemini 3.1 Pro Preview - the scoreboard". Left column Fugu Max: Input price $2.00 / 1M, Output price $6.00 / 1M, Cached input $0.25 / 1M, Context not published, Input modality not published, Evidence vendor-reported only. Right column Gemini 3.1 Pro Preview: Input price $2.00 / 1M, Output price $12.00 / 1M, Cached input discount on base rate, Context 1M tokens with 65K output, Input modality audio, file, image, text and video, Evidence independent evals. Footer reading "Fugu Max figures vendor-reported by Sakana AI; Gemini 3.1 Pro rows Google-reported. Pool membership is not disclosed.", with the OrcaRouter logo bottom-right.

벤치마크 행을 솔직하게 읽기

Sakana는 Fugu Max가 "최고 종합 점수"를 달성했다고 주장하는 6개 벤치마크를 제시한다: Terminal Bench 2.1, GPQAD, AA-LCR, GDP.pdf, AutomationBench, SWEFish. 이 주장에는 수치가 함께 제공되지 않으며, SWEFish는 Sakana 자체의 내부 코딩 벤치마크다. 반면 Google은 Gemini 3.1 Pro에 대한 실제 수치를 공개하는데, 여기에는 ARC-AGI-2에서 77.1%, GPQA Diamond에서 94.3%, SWE-bench Verified에서 80.6%, BrowseComp에서 85.9%가 포함된다.

한 가지 거의 헷갈릴 뻔한 부분을 조심하세요. Google은 Terminal-Bench 2.0에서 68.5%를 보고합니다. Sakana는 Terminal Bench 2.1에서 최고 종합 점수를 주장합니다. 그것들은 그 사이에 바뀌는 벤치마크의 인접한 버전 번호들이므로, 두 결과는 원칙적으로도 나란히 놓일 수 없습니다. 헤드라인을 훑어보는 독자라면 "둘 다 Terminal Bench 선두를 주장한다"는 내용을 보고 두 결과가 비교 가능하다고 결론 내릴 것입니다. 하지만 그렇지 않습니다.

GPQA는 더 판단이 어려운 사안이다 — Sakana는 GPQAD를 자사의 여섯 가지 승리 중 하나로 꼽는다; Google은 GPQA Diamond 94.3%를 보고한다. 같은 기반 평가군이고, 둘 다 벤더가 보고한 것이며, 숫자를 제시하는 쪽은 하나뿐이다. Sakana의 GPQAD 결과가 공개되었다면, 이 행이 진정한 비교가 가능한 유일한 행이었을 것이다. 공개되지 않았으므로, 이 행은 수치에 맞선 주장으로 읽힌다.

어떤 독립적인 주체도 Fugu Max를 평가한 적이 없으며, Fugu Max나 어떤 Fugu 모델에 대해서도 Artificial Analysis 항목이 존재하지 않습니다. 반면 Gem​ini 3.1 Pro는 대중에 공개된 지 충분히 오래되어 제3자 리더보드와 평가 글에 등장했습니다. 이것이 바로 같은 주에 출시된 모델보다 "수개월간의 독립적 검증"이 주는 이점입니다.

이 특정 맞대결에서 이것이 평소보다 더 중요한 이유는 Fugu Max 자체의 아키텍처 때문에 그 점수들을 해석하기가 더 어렵기 때문이다. Gem​ini 3.1 Pro가 GPQA Diamond에서 기록한 94.3%는 하나의 모델, 하나의 버전에 관한 사실이다. 같은 테스트에서의 Fugu Max 점수는 라우팅 정책, 구성원이 공개되지 않은 풀, 그리고 그중에서 고르도록 훈련된 코디네이터에 관한 사실이 될 것이다. 그중 하나만 바뀌어도 제품 이름은 그대로인 채 숫자는 달라진다. Gem​ini 3.1 Pro의 점수에는 고정된 지시체가 있다. Fugu Max의 점수에는 없을 것이다.

그들을 호출하는 것, 그리고 어떤 라우팅 변경이 있는지

Gemini 3.1 Pro는 OrcaRouter에서 모델 ID google/gemini-3.1-pro-preview로 제공됩니다 Google의 정가에 0% 마크업으로 — 제공업체의 요율이 그대로 전달되므로, Google 가격이 변경되면 갱신 시점이 아니라 같은 날 기존 키에 반영됩니다. 이 모델은 하나의 API 키로 접근할 수 있는 200개 이상의 다른 모델과 함께 있습니다. 여기에는 특별한 이유가 있습니다. Fugu Max의 출력 요율 $6.00이 실제로 귀하의 워크로드에 더 나은지 알아보고 싶다면, 깔끔한 실험 방법은 두 모델을 동일한 작업 세트에 대해 실행하는 것입니다. 그런데 Fugu Max는 저희 카탈로그에 없습니다. Fugu Max는 Sakana 자체의 OpenAI 호환 API와 여러 서드파티 플랫폼을 통해 제공됩니다. 직접 A/B 테스트를 하려면 두 개의 통합, 두 개의 청구서, 두 세트의 자격 증명이 필요합니다.

자동 페일오버는 이름 붙일 가치가 있는 또 다른 요소입니다. Gem​ini 3.1 Pro는 라우터를 통해 여러 공급자 경로에서 실행되며, 그중 하나에 속도 제한이 걸리거나 성능이 저하되면 코드 변경 없이 트래픽이 이동합니다. 그것은 Sakana가 오케스트레이션의 전체 전제로 내세우는 복원력의 부분적이고 실용적인 버전입니다 — 추론 계층이 아니라 전송 계층에서 그것을 얻으며, 동작을 고정할 수 있는 모델에 대해서도 그것을 얻습니다.

A screenshot of the Sakana AI release page at sakana.ai/fugu-max-release (captured September 11, 2026, English UI), showing the sakana.ai wordmark, the headline 'Introducing Fugu Max and Fugu Ultra v2: Orchestrating the Pareto Frontier' dated September 11, 2026, the opening copy arguing that the frontier which matters is two-dimensional with capability on one axis and cost on the other, a 'Try Sakana Fugu Max and Fugu Ultra v2' link, and a Pareto chart plotting performance against cost with a red 'Fugu Max' point at the low-cost end, a red 'Fugu Ultra' point at the top, a shaded 'Frontier formed by Fugu models' region and grey points labelled 'Frontier formed by single models'.

그것들 중에서 어떻게 결정할까요

업무에 비텍스트 입력이 포함되거나, 문서화된 출력 상한이 필요하거나, 벤치마크 수치를 다른 사람의 결과와 비교해 확인할 수 있는 모델을 원하거나, 단순히 버전으로 고정하고 추론할 수 있는 구성 요소가 필요하다면 Gemini 3.1 Pro를 선택하세요. 입력 $2.00라면 시도하는 데 비용이 들지 않으며, 65K 출력은 대부분의 생성 작업에 충분합니다. 공개된 수치는 사용 가능한 더 강력한 범용 모델 중 하나로 자리매김하게 하며, 멀티모달 입력 세트는 오케스트레이션 레이어가 대체할 수 있는 것이 아닙니다.

업무가 텍스트 중심이고, 검증 가능하며, 대량이고, 개별 호출의 상한보다 완료된 작업의 비용 중앙값에 더 관심이 있다면 Fugu Max를 선택하세요. $6.00 출력 요금은 Gem​ini 3.1 Pro의 절반이고, $0.25 캐시 요금은 두 요금표 중 어느 쪽에서든 가장 공격적인 숫자입니다. 틀린 답이 감지 가능한 문제에 이걸 실행하고, 시작하기 전에 출력 토큰 예산을 정한 뒤, 완료된 작업당 토큰을 측정하세요. 출시 페이지가 이미지를 받는지 알려주지 않으므로, 출시 페이지에 적힌 내용만 보고 멀티모달 파이프라인용으로 선택하지 마세요.

결정

Gemini 3.1 Pro는 더 안전하고 문서화가 더 잘 된 선택입니다. 입력 가격은 동일하고, 컨텍스트 윈도우가 공개되어 있으며, 65K라는 출력 상한이 명시되어 있고, 멀티모달 입력이 문서화되어 있으며, 제3자가 검토할 기회를 가진 공급업체 벤치마크도 있습니다. 출력 요금은 Fugu Max의 두 배인데, 그것이 반대편의 명분 전부입니다.

Fugu Max는 텍스트를 생성하는 더 저렴한 방법이자, 그 밖의 모든 일을 하는 더 불투명한 방법입니다. 여섯 가지 벤치마크 승리에는 수치가 없고, 컨텍스트 윈도우와 모달리티 지원은 공개되지 않았으며, 그 결과를 만들어 내는 풀의 구성도 공개되지 않았습니다. 즉, OrcaRouter에서 제공업체의 정가가 그대로 전달되고 추가 마크업이 0%인 상태로 입력 $2.00에 Gemini 3.1 Pro에서 직접 구매할 수 있는 추론의 할인된 버전에 $6.00을 지불하고 있을 가능성을 배제할 수 없습니다.

A screenshot of the OrcaRouter model page for Gemini 3.1 Pro Preview (google/gemini-3.1-pro-preview, captured September 11, 2026, English UI), showing the FLAGSHIP and Featured badges, the google/gemini-3.1-pro-preview model ID, the Vision, Audio, Tools, JSON and Reasoning tags, the listing date 2026-02-19, the /v1/chat/completions and /vibeta/models/{model}:generateContent endpoints, the pricing tiles reading INPUT $2.00 and OUTPUT $12.00 per 1M tokens with p50 TTFT 3.82s and 70.1M tokens of 7-day traffic, the 1M token context with 65K max output and audio + file + image + text + video input, and the OpenAI-compatible Python sample pointing at api.orcarouter.ai/v1.