Fugu Ultra v2 vs MiniMax M3: Tjugofem gånger priset för utdata

Ställ de två priserna för utdata bredvid varandra och siffran ser ut som ett skrivfel. MiniMax M3 fakturerar 1,20 USD per miljon utdatatoken. Fugu Ultra v2, som tillkännagavs av Sakana AI den 11 september 2026, uppges ligga på 30,00 USD. Det är 25× — och för indata är gapet 16,7×, 0,30 USD mot rapporterade 5,00 USD. MiniMax M3 är också snabbare, tar emot video nativt och levereras som nedladdningsbara öppna vikter. Inför den tabellen är den rimliga första reaktionen att orkestreringsnivån omöjligt kan motivera sitt pris. Den mer intressanta frågan är vad som skulle behöva vara sant för att den ska kunna göra det.

Klyftan, uttryckt i klartext

• Indata — MiniMax M3 0,30 $ per 1M mot Fugu Ultra v2:s rapporterade 5,00 $ per 1M. M3-priset uppges av MiniMax vara en permanent rabatt på 50 %, inte en kampanj med utgångsdatum.

• Utdata — MiniMax M3 1,20 $ per 1M mot Fugu Ultra v2 som rapporteras kosta 30,00 $ per 1M.

• Cachad indata — MiniMax M3 0,06 USD per 1M mot Fugu Ultra v2:s rapporterade 0,50 USD per 1M. M3:s cacheläsning kostar en femtedel av dess eget indatapris, vilket gör upprepade agentloopar mot en stabil prompt ovanligt billiga.

• Över 512K indata — MiniMax M3 fördubblas till 0,60 $ / 2,40 $ / 0,12 $. Fugu Ultra v2:s rapporterade nivå över cirka 272K flyttas till omkring 10,00 $ / 45,00 $ / 1,00 $. Båda prissätter om hela begäran; M3 börjar senare och landar på en bråkdel av priset.

• Kontext — MiniMax M3 1 048 576 tokens med ett leverantörsgaranterat minimum på 512K. Fugu Ultra v2:s kontext uppges vara 1M i tredjepartslistningar; Sakanas tillkännagivandesida anger ingen siffra.

En varning när det gäller Fugu-kolumnen, och det är inte en liten sådan: Sakana publicerar inte tokenpriserna för Fugu Ultra v2 på sin egen tillkännagivandesida. Siffrorna $5.00 / $0.50 / $30.00 kommer från tredjepartslistningar av modeller och bör betraktas som obekräftade tills du kontrollerar det aktuella prisbladet. M3-kolumnen dokumenteras däremot av leverantören. Den skillnaden i härkomst är i sig en del av jämförelsen.

Det som M3 gör nativt men som en orchestrator måste routa

MiniMax M3 tar emot text-, bild- och videoinmatning och returnerar text. Det anmärkningsvärda är videon. Modellen tränades på blandade modaliteter från steg noll, och den är byggd på MiniMax Sparse Attention, en arkitektur som leverantören hävdar ger upp till 9× snabbare prefill och 15× snabbare avkodning vid 1M kontext jämfört med sin föregångare, till ungefär en tjugondel av beräkningen per token.

Det spelar roll i den här matchningen eftersom det är en förmåga som Fugu Ultra v2 inte själv gör anspråk på. En orkestrators svar på ”hantera den här videon” är att routa videon till en modell som kan se den, vilket innebär ett underanrop, vilket innebär fler tokens som faktureras enligt orkestratorns taxa. M3:s svar är att helt enkelt läsa den. Med ett indatapris på 0,30 USD är en timmes videoanalys ett avrundningsfel; med ett indatapris på 5,00 USD plus vad routningen än kostar är det en budgetpost.

Arkitektursjämförelsen är också snedvriden på ett annat sätt. MiniMax M3 har ungefär 428B parametrar totalt med cirka 23B aktiva per token – en Mixture-of-Experts-design där gles routning håller betjäningskostnaden låg. Fugu Ultra v2 har inget publicerat parameterantal, eftersom dess förmåga ligger i en schemaläggningspolicy över andra företags modeller snarare än i vikter som Sakana tränat. En av dessa är en modell. Den andra är en beslutsprocedur.

Den obehagliga implikationen

Här är saken som är värd att tänka igenom innan man betalar 25× för output.

MiniMax M3 har öppna vikter, är billig, snabb, multimodal och har lång kontext. På papper är den en utmärkt underagent. Om du byggde ett orkestreringslager från grunden — det som Fugu Ultra v2 är — är en modell som M3 nära den ideala komponenten: billig nog att anropa spekulativt, kapabel nog att hantera merparten av nedbrutna deluppgifter och kan se bilder och video utan ett andra hopp.

Sakana publicerar inte Fugu Ultra v2:s modellpool, så vi kan inte säga om M3 finns med där. Vad vi kan säga är att ekonomin bara går ihop på ett av två sätt. Antingen anropar Fugu Ultra v2 inte modeller som M3, och i så fall lämnar den den billigaste kapabla kapaciteten outnyttjad. Eller så anropar den dem, och i så fall är en betydande andel av de tokens du faktureras $5.00 och $30.00 för M3-tokens som kostar $0.30 och $1.20 uppströms, och överpriset är orkestreringspolicyn plus en marginal.

Ingen av tolkningarna är förödande för produkten – en bra schemaläggare kan vara värd en stor multipel, och att betala för en gör att du slipper bygga och underhålla den. Men det innebär att frågan man bör ställa om Fugu Ultra v2 inte är "är den bättre än M3". Det är "är schemaläggningen värd mer än tokens". Och det är en fråga som bara dina egna uppgiftsmätningar kan besvara.

Det finns ingen gemensam måttstock

Till skillnad från vissa andra matchningar i den här serien finns det inte ett enda benchmark där båda leverantörerna publicerar en siffra.

MiniMax publicerade uppsättning för M3 är bred och till största delen reproducerbar till sin form: SWE-bench Verified på 80,5 %, SWE-bench Pro på 59,0 %, Terminal-Bench 2.0/2.1 på 66, BrowseComp på 83,5 %, OSWorld-Verified på 70,1 % och PostTrainBench på 37,1 — tredje plats, efter Claude Opus 4.7 på 42,4 och GPT-5.5 på 39,3. Allt leverantörsrapporterat. Oberoende av detta ger Artificial Analysis MiniMax M3 30 poäng på sitt Intelligence Index v4.3, rankad #16 av 113, med en genomströmning på 95,7 tokens per sekund och en tid till första token på 1,95 sekunder — snabb, och bland de bättre betjänade modellerna i sin klass. Om du har sett M3 citeras till 44 eller 45, föregår det omräkningen av indexet.

Sakanas åtta benchmarks för Fugu Ultra v2 – bland dem GDP.pdf, Chartography, SWEFish, DeepSWE och Toolathon, med bästa eller delat bästa resultat på fem och bland de två bästa på sju – överlappar inte alls med den listan. Två av dem, SWEFish och Toolathon, är interna Sakana-tester. Rubrikpåståendena, Chartography på 48,3 mot Opus 5:s 27,3 och Fable 5:s 29,5, och DeepSWE på 74,3, är leverantörsrapporterade och publicerades i dag. Inget om Fugu Ultra v2 har verifierats oberoende.

Så den jämförelse som varje aggregator kommer att ta fram under de kommande två veckorna — en tabell med gemensamma poäng — är inte tillgänglig. Det enda ärliga man kan säga om kapacitet är att MiniMax M3 har en uppmätt, oberoende position och att Fugu Ultra v2 har ett anspråk.

Hastighet kontra konfiguration

MiniMax M3:s siffror är kända: 95,7 tokens per sekund, 1,95 sekunder till första token. Det är ungefär två och en halv gånger så hög genomströmning som Kimi K3 och bland de snabbaste frontier-nära modeller som uppmätts, vilket passar en design som uttryckligen optimerats för billig långkontextbetjäning.

Fugu Ultra v2 publicerar ingen siffra för latens eller genomströmning. Precis som med prissättningen är en del av detta strukturellt – en orkestrators svarstid beror på vilka modeller den väljer och hur många genomkörningar som krävs, så en enda siffra skulle vara missvisande. Men det innebär att den faktiska tidskostnaden för att använda den är omätt och omätbar utifrån. För den tidigare Fugu Ultra rapporterade testare offentligt körningar som sträckte sig upp mot 30 minuter; det är modellen från juni 2026 snarare än v2, och det utgör inte något belägg för den nya – men om du spenderar 25× på utdata är det inte bara en trevlig bonus att veta hur länge du väntar.

Licensen, och vad den arabiska texten säger

MiniMax M3:s vikter är nedladdningsbara under Min​iMax Community License, som är öppna vikter med kommersiella villkor kopplade — särskilt en intäktströskel över vilken skriftligt godkännande krävs. Det är inte MIT, och varje sida som påstår att det är det har inte läst licenstaggen. Fugu Ultra v2 ger dig inget att licensiera eftersom det inte finns något att ladda ner.

Den mer intressanta nyare utvecklingen för M3 är vad andra gör med dessa vikter. Den 3 september 2026 släppte HUMAIN – det saudiska PIF-stödda AI-företaget – en arabisk flaggskeppsmodell byggd genom efterträning av MiniMax M3 på mer än en biljon arabiska tokens, med 428B totalt och 23B aktiva parametrar, och rapporterade ett likaviktat resultat på 89,37 % över sju arabiska benchmarks, vilket placerar den före GPT-5.6 Sol på 87,30 och Claude Opus 5 på 87,34. Det är en forskningsförhandsvisning, och dessa är HUMAINs egna siffror.

Kontrasten mot Fugu Ultra v2 kan inte bli skarpare som ett uttalande om vad varje produkt är. MiniMax M3 är en bas som andra företag bygger suveräna modeller ovanpå. Fugu Ultra v2 är en port du anropar genom, vars sammansättning du inte kan se och vars vikter du inte kan hålla. Båda är legitima ståndpunkter. De är inte på långa vägar samma typ av sak.

Att ringa någon av dem

MiniMax M3 finns på OrcaRouter till Min​iMax eget pris — $0.30 per miljon input-tokens, $0.06 vid en cache-träff, $1.20 per miljon output-tokens — vidaresläppt utan något påslag, så om Min​iMax ändrar rabattstrukturen landar det här samma dag i stället för i en migreringscykel. Den är OpenAI-kompatibel på samma bas-URL som resten av katalogen, vilket innebär att du kan routa till den utifrån regler, sätta den bakom en failover-kedja eller inkludera den i en modellfusionspanel utan ett andra avtal eller en kodändring. För en modell vars hela argument är priset är vidaresläppet den del som spelar roll: den billigaste vägen förblir billigast.

Fugu Ultra v2 routas inte av oss. Det är tillgängligt via Sakana AI:s eget OpenAI-kompatibla API, och företaget säger att en befintlig Fugu-integration flyttas över till det med en enradig parameterändring. Båda använder samma förfrågningsformat, så att sätta dem bakom en enda flagga för utvärdering är ett byte av bas-URL.

Domen

För den överväldigande majoriteten av arbetsbelastningar MiniMax M3vinner den här jämförelsen enbart på aritmetiken. Den är 16,7× billigare på indata och 25× billigare på utdata, snabbare enligt varje uppmätt mätvärde, nativt multimodalt inklusive video, med öppna vikter under en licens vars tak de flesta företag aldrig kommer att nå, och har oberoende bedömts till 30 i det aktuella Artificial Analysis-indexet. Dess svagheter är verkliga men smala: den är mångordig, dess poäng i den agentiska kategorin är medelmåttig i förhållande till dess kodningspoäng, och dess leverantörsbenchmark är stark inom programvaruteknik och tunnare inom långsiktig autonomi.

Välj Fugu Ultra v2 endast om du tror på det Sakana faktiskt säljer – en nivå för toppkapacitet som dekomponerar svåra flerstegsuppgifter över en pool som ingen frontier-leverantör kontrollerar, och når output på frontier-nivå utan att bero på frontier-modeller – och du har mätningar på uppgiftsnivå som visar att dekomponering slår en enda billig modell för ditt arbete. Det är ett genuint annorlunda erbjudande än något som Min​iMax erbjuder, och det är anledningen till att 25× finns.

Men gör mätningen före köpet, inte efter. Om en modell för $0,30 slutför din uppgift på två försök och Fugu Ultra v2 slutför den på ett, är Fugu fortfarande dyrare. Den enda arbetsbelastning där 25× är ett fynd är en där den billiga modellen inte kan slutföra alls – och det är en mycket mindre uppsättning uppgifter än vad lanseringstexten antyder.