Fugu Ultra v2 kontra DeepSeek V4 Pro: kwestia 34-krotnej ceny za output

Fugu Ultra v2 pobiera około trzydziestu czterech razy wyższą cenę katalogową niż DeepSeek V4 Pro za tekst, który pisze. To nie literówka i nie efekt zaokrąglenia: nowy orchestrator Sakana AI ma cenę katalogową 30,00 USD za milion tokenów wyjściowych, DeepSeek podaje 0,87 USD za milion, a w jednym benchmarku, dla którego obaj dostawcy publikują liczbę, różnica w wynikach nie jest nawet zbliżona do trzydziestu czterech razy. Sakana podaje wynik 74,3 w DeepSWE dla Fugu Ultra v2, wydanego 11 września 2026 r.; DeepSeek podaje 62,7 dla DeepSeek V4 Pro, modelu o otwartych wagach, który wypuścił w sierpniu. Przewaga 11,6 punktu raportowana przez dostawcę przy 34-krotnej cenie za tokeny wyjściowe to całe porównanie w jednej linijce — a uczciwe pytanie nie brzmi, czy Fugu Ultra v2 jest lepszy, lecz czy jest lepszy o dziewiętnaście dolarów za milion tokenów — i dla kogo.

Dwie odpowiedzi na ten sam problem, zbudowane od przeciwnych końców

DeepSeek V4 Pro i Fugu Ultra v2 to zarówno odpowiedzi na ten sam niepokój — zależność od jednego zamkniętego dostawcy frontier — a pod względem metody trudno o większą różnicę.

DeepSeek V4 Pro to model. Materiały z premiery datują udostępnienie API oficjalnej wersji — kompilacji DeepSeek-V4-Pro-0813 — na około 12–13 sierpnia 2026 r., zastępując zapowiedź z 24 kwietnia. To system typu mixture-of-experts, którego łączną liczbę parametrów podaje się na 1,5–1,6 biliona, z około 49 miliardami aktywowanymi na token, z oknem kontekstu 1 mln tokenów i maksymalnym wyjściem 384 tys. tokenów. Rozumuje w trybach myślenia i niemyślenia z trzema poziomami wysiłku, obsługuje protokoły API OpenAI i Anthropic oraz dodaje natywne Responses API wymierzone wprost w środowiska agentowe w stylu Codex. Co kluczowe, wagi opublikowano na licencji MIT, co oznacza, że argument o odporności rozstrzyga się przez posiadanie: nikt nie może unieważnić twojej kopii.

Fugu Ultra v2 nie jest modelem. To wytrenowany koordynator, o którym mówi się, że ma około 7B parametrów, który rozkłada żądanie na pulę nieujawnionych modeli, przypisuje role Myśliciela, Pracownika i Weryfikatora oraz syntetyzuje odpowiedź za jednym punktem końcowym zgodnym z OpenAI. Jego argument o odporności jest architektoniczny, a nie prawny: ponieważ pula jest wymienna, system może przetrwać zmianę warunków przez dowolnego pojedynczego dostawcę. Wersja 2.0, wydana wraz z Fugu Max, przeniosła datę odcięcia treningu na 28 sierpnia 2026 r. i — co godne uwagi — całkowicie usunęła z puli Claude Fable 5, Claude Fable 5.1 i GPT-6 Astra, wciąż twierdząc, że wygrywa z nimi.

A więc porównanie to posiadanie kontra koordynacja. Deep​Seek daje ci model, który możesz pobrać, poddać audytowi, dostroić i hostować samodzielnie przy dowolnej marży, na jaką pozwala twój własny sprzęt. Sakana daje ci system, który decyduje, jak zaatakować każdy problem, za stawkę, która finansuje uruchamianie kilku modeli frontier w twoim imieniu.

Co tak naprawdę daje 34x

Najpierw benchmarki, ze źródłami na pierwszym planie. Każda poniższa liczba Deep​Seek pochodzi od samego dostawcy i została ustalona przed korektą cen w godzinach szczytu i poza szczytem, którą Deep​Seek ogłosił na połowę sierpnia, a co do której źródła wciąż nie są zgodne co do ostatecznych liczb — jeden raport podaje szczytową cenę wyjścia na poziomie około ¥27 za milion, inny około ¥12, wobec bazowych ¥6. Zanim zaczniesz modelować budżet, zweryfikuj to z opublikowanym cennikiem Deep​Seek. Każda liczba dotycząca Fugu pochodzi od samej Sakany i żadna niezależna strona nie odtworzyła żadnej z nich; wciąż nie ma wpisu Artificial Analysis dla modelu Fugu.

• DeepSWE — Fugu Ultra v2 74.3 (według dostawcy) vs DeepSeek V4 Pro 62.7 (według dostawcy)

• Terminal Bench 2.1 — brak opublikowanego przez Sakana wyniku Fugu Ultra v2 w porównaniu z DeepSeek V4 Pro 87,9 (dane producenta)

• SWE-bench (Vals) — brak wyniku dla Fugu Ultra v2 w porównaniu z DeepSeek V4 Pro 96,4 (dane zgłoszone przez dostawcę)

• Humanity's Last Exam — brak wyniku dla Fugu Ultra v2 v2.0 vs DeepSeek V4 Pro: 42,7 bez narzędzi, 60,0 z narzędziami (dane dostawcy)

• GPQA Diamond — brak wyniku dla Fugu Ultra v2 v2.0 w porównaniu z DeepSeek V4 Pro 92,8 (dane producenta)

• Cena za tokeny wyjściowe — Fugu Ultra v2 30,00 USD za 1 mln, rosnąca do 45,00 USD powyżej 272 tys. kontekstu, w porównaniu z DeepSeek V4 Pro około 0,87 USD za 1 mln według ceny katalogowej, przy stawce rozliczeniowej, która bywała wyższa

Dwie uwagi do tego wiersza cenowego, bo całe porównanie się na nim opiera. Po pierwsze, wartość Deep​Seek to stawka katalogowa podana w materiałach z premiery i powtórzona w naszym własnym opisie modelu, ale stawka rozliczeniowa w naszej ofercie utrzymywała się na poziomie 2,18 USD za milion tokenów wyjściowych i 0,73 USD za milion tokenów wejściowych — zachowanie pamięci podręcznej i mieszanka wpływają na efektywną liczbę, więc uczciwa krotność mieści się gdzieś między około 14x a około 34x, zależnie od tego, jak duża część danych wejściowych jest buforowana. Nawet przy dolnej granicy tego przedziału koszt wyjścia jest ponad dwanaście razy wyższy. Po drugie, Deep​Seek ogłosił już zmianę cennika w godzinach szczytu i poza szczytem, której ostateczne wartości wciąż budzą spory między źródłami — jeden raport podaje szczytową cenę wyjścia blisko ¥27 za milion, inny blisko ¥12, wobec podstawy ¥6. Zweryfikuj to na podstawie opublikowanej karty stawek, zanim zaczniesz modelować budżet.

• Cena wejściowa — Fugu Ultra v2: 5,00 USD za 1 mln, podwaja się powyżej 272 tys.; w porównaniu z DeepSeek V4 Pro: około 0,435 USD za 1 mln przy chybieniu w pamięci podręcznej, około 120 razy taniej przy trafieniu w pamięci podręcznej

• Wagi — Fugu Ultra v2 zamknięte, pula nieujawniona, routing nieujawniony z założenia, w przeciwieństwie do DeepSeek V4 Pro otwartego na licencji MIT, możliwego do samodzielnego hostowania

• Kontekst i wyjście — Fugu Ultra v2: kontekst 1M, niepublikowany limit wyjścia w porównaniu z DeepSeek V4 Pro: kontekst 1M, limit wyjścia 384K

Problem nakładania się jest oczywisty: oba systemy ledwo pojawiają się w tych samych wierszach. Sakana publikuje pięć zwycięstw na ośmiu wybranych przez siebie benchmarkach; Deep​Seek publikuje szerszą tablicę wyników obejmującą głębokie pokrycie agentowe — MCP Atlas 73,6, Toolathlon-Verified 74,1, CyberGym 83,3, NL2Repo 61,5, CorpusQA 62,0 w długim kontekście — gdzie Fugu Ultra v2 nie ma opublikowanej żadnej liczby. Jedyny wiersz, który można zestawić, DeepSWE, to ten, w którym Fugu deklaruje swoją największą przewagę w inżynierii oprogramowania. Czytelnik porównujący oba wydania porównuje dwa różne egzaminy.

Mnożnik szczegółowości

Cena tokenów wyjściowych nie jest liniowym podatkiem od orkiestracji; to mnożnik ilości, którą orkiestracja zwiększa. Fugu Ultra v2 uruchamia agentów, z których każdy generuje tokeny rozumowania i wyjściowe, zanim koordynator dokona ich syntezy. FAQ Sakany dotyczące cen zawiera naprawdę przyjazne konsumentowi zobowiązanie — płacisz jedną uśrednioną stawkę opartą na modelu najwyższej klasy w puli, a dodawanie agentów nie mnoży rachunku — co ogranicza najgorszy scenariusz. Nie ogranicza jednak wolumenu. Przy 30 USD za milion tokenów wyjściowych przebieg wieloagentowy, który emituje czterokrotnie więcej tekstu niż wywołanie pojedynczego modelu, kosztuje czterokrotnie więcej, a mnożnik kumuluje się z 34 razy wyższym tempem generowania.

Struktura kosztów DeepSeek V4 Pro premiuje przeciwne zachowanie. Trafienie w pamięć podręczną dla danych wejściowych jest około dwa rzędy wielkości tańsze niż chybienie, co sprawia, że powtarzalna praca z długim kontekstem — to samo repozytorium, ten sam zestaw dokumentów, ten sam prompt systemowy — jest dramatycznie tańsza, niż sugeruje stawka katalogowa. W przypadku pętli agenta, która przy każdej turze ponownie odczytuje ten sam kontekst, właśnie tam ląduje efektywny koszt, i jest to przewaga strukturalna, której żaden orkiestrator nie może obejść.

Połącz oba te elementy, a decyzja nabiera konkretu. Jeśli Fugu Ultra v2 zapewnia 11,6-punktową przewagę w DeepSWE i emituje trzykrotnie więcej tokenów wyjściowych niż pojedyncze wywołanie, płacisz około sto razy więcej za każde ukończone zadanie, by zyskać dziesięć do piętnastu punktów w jednym benchmarku. Ten kompromis jest do obrony w badaniach i nieredukowalnie trudnych problemach inżynierskich, gdzie marginalny punkt to cała gra, a nie do obrony w potoku, który działa sto tysięcy razy dziennie.

Dla kogo tak naprawdę jest każdy z nich

Wybierz DeepSeek V4 Pro, jeśli spełniony jest którykolwiek z poniższych warunków: Twoje obciążenie ma dużą skalę i jest wrażliwe na koszty; potrzebujesz danych wyjściowych dłuższych niż limit, który da Ci orkiestrator; wymagasz systemu, który możesz audytować, dostrajać lub hostować na własnym sprzęcie ze względu na rezydencję danych; albo potrzebujesz ceny, która jest liczbą, którą możesz obliczyć, a nie liczbą, którą obserwujesz. Otwarta licencja MIT nie jest funkcją marketingową — to najsilniejsza forma argumentu o odporności, jaki przedstawia którykolwiek z tych systemów, ponieważ nie zależy od dalszej dobrej woli żadnego dostawcy. Jest także, przy około 0,87 USD za milion tokenów wyjściowych, wystarczająco tania, że eksperymentowanie nic nie kosztuje.

Wybierz Fugu Ultra v2, jeśli marginalny punkt jest wart wielokrotności, praca ma długi horyzont, a poprawność można sprawdzić — kodowanie z zestawem testów, ustrukturyzowane rozumowanie nad dokumentami, wieloetapowa analiza, w której rola Weryfikatora może wychwycić błąd, który pojedyncze przejście wypuściłoby dalej. Własne studia przypadków Sakany wskazują dokładnie na to: czternastogodzinny autonomiczny przebieg badawczy, solver kostki Rubika, który ukończył wszystkie 300 potasowań, podczas gdy dwie zanonimizowane linie bazowe zawiodły całkowicie. Miej na uwadze, że te linie bazowe są zanonimizowane i wybrane przez dostawcę, co osłabia je jako dowód i nie czyni ich fałszywymi. Miej też na uwadze ograniczenie, które kończy dyskusję dla niektórych zespołów: Fugu Ultra v2 nie jest sprzedawany w UE ani w EOG, a Sakana mówi o tym wprost.

Jedna praktyczna uwaga, jeśli zamierzasz uruchomić którykolwiek z nich. Fugu Ultra v2 nie ma na OrcaRouter — trafia przez własne, kompatybilne z OpenAI API firmy Sakana oraz kilka platform zewnętrznych, a przejście z wcześniejszego Fugu to zmiana pojedynczego parametru w jednej linii. DeepSeek V4 Pro jest dostępny na OrcaRouter w cenie katalogowej dostawcy z 0% marży, co ma tu znaczenie większe niż zwykle: Deep​Seek ogłosił już jedną zmianę cennika w tym cyklu, a w routerze typu pass-through zmiana ceny dostawcy obowiązuje na tym samym kluczu tego samego dnia, a nie po renegocjacji. Jeśli chcesz przeprowadzić benchmark obu na własnym obciążeniu przed podjęciem decyzji, tańsza strona porównania to ta, którą możesz wywołać w cenie katalogowej z automatycznym przełączaniem awaryjnym w tle.

Werdykt

To nie jest wyrównany pojedynek pod względem ekonomii ani rozstrzygający pod względem możliwości. DeepSeek V4 Pro jest znacznie lepszym domyślnym wyborem: otwarte wagi, które możesz trzymać, pułap wyjściowy 384K, kontekst 1M, opublikowane wyniki dla długiego kontekstu oraz cena za wyjście wynosząca około jednej trzydziestej czwartej ceny Fugu Ultra v2. Fugu Ultra v2 jest lepszym narzędziem do wąskiej klasy kosztownych problemów, a twierdzenie Sakany — że stała pula wykluczająca trzy najsilniejsze modele wciąż może je pokonać w weryfikowalnej pracy — jest obecnie najciekawszym argumentem architektonicznym w tej dziedzinie i tym, za którym stoi najmniej niezależnych dowodów.

Praktyczne rozwiązanie nie polega na wybieraniu. Uruchamiaj DeepSeek V4 Pro jako domyślny, bo jest tani, otwarty i szybki, a Fugu Ultra v2 trzymaj w rezerwie do zadań, w których stukrotny wzrost kosztów wciąż jest mniejszy niż koszt pomyłki. Nie powinieneś natomiast interpretować tablicy ośmiu benchmarków Sakany jako dowodu, że drogi orkiestrator zastąpił tani otwarty model. W jednym wspólnym wierszu wyprzedza go o 11,6 punktu przy 34-krotnie wyższej cenie wyjścia. To, czy to okazja, czy pułapka, zależy wyłącznie od tego, na jaki problem go skierujesz.