Sakana Fugu Ultra v2 อธิบาย: พูลเล็กลง และคะแนนก็เพิ่มขึ้น

Fugu Ultra v2 เป็นการอัปเกรดที่แปลกประหลาด: Sakana AI เปิดตัวเมื่อวันที่ 11 กันยายน 2026 พร้อมกลุ่มโมเดลที่ไม่มี Claude Fable 5, Claude Fable 5.1 หรือ GPT-6 Astra อีกต่อไป — สามระบบที่แข็งแกร่งที่สุดที่วางจำหน่ายในตอนนี้ — แต่ก็ยังอ้างว่าชนะทั้งสามตัวได้ เรือธงระดับคุณภาพรุ่นใหม่ของห้องแล็บโตเกียวแห่งนี้ เปิดตัววันเดียวกับรุ่นน้องที่ถูกกว่าชื่อ Fugu Max อยู่อันดับดีที่สุดหรือดีที่สุดร่วมในห้าในแปดเบนช์มาร์กจากการประเมินของ Sakana เอง รวมถึง 48.3 ใน Chartography เทียบกับ Claude Opus 5 ที่ 27.3 และ Claude Fable 5 ที่ 29.5 และ 74.3 ใน DeepSWE ไม่มีตัวเลขใดเหล่านี้ถูกทำซ้ำโดยอิสระ และยังไม่มีหน้า Artificial Analysis สำหรับโมเดล Fugu ใดเลย ช่องว่างนั้นคือเรื่องราว: สิ่งที่คุณกำลังถูกขอให้ซื้อคือชั้นการประสานงานที่จุดขายทั้งหมดคือมันไม่จำเป็นต้องใช้โมเดลที่ดีที่สุดเพื่อสร้างคำตอบที่ดีที่สุด

Sakana AI ก่อตั้งขึ้นในปี 2023 โดย Llion Jones ผู้ร่วมเขียนบทความ Transformer และ David Ha สายผลิตภัณฑ์ Fugu เปิดตัวในเดือนมิถุนายน 2026 ในฐานะระบบหลายเอเจนต์ที่ให้บริการในรูปแบบโมเดลเดียว: คุณเรียกใช้ปลายทางที่เข้ากันได้กับ OpenAI เพียงจุดเดียว และเบื้องหลังนั้นมีผู้ประสานงานที่ผ่านการฝึกซึ่งจะแยกย่อยคำขอ ปล่อยเอเจนต์ และสังเคราะห์ผลลัพธ์ งานวิจัยนี้มีอยู่จริงและได้รับการตีพิมพ์ — TRINITY (arXiv 2512.04695) พัฒนาผู้ประสานงานน้ำหนักเบาที่กำหนดบทบาท Thinker, Worker และ Verifier; Conductor (arXiv 2512.04388) เรียนรู้การประสานงานด้วยภาษาธรรมชาติระหว่างเอเจนต์; รายงานทางเทคนิคของ Fugu อยู่ที่ arXiv 2606.21228 สิ่งที่ Sakana ไม่เคยเผยแพร่คือสิ่งที่ทุกคนต้องการจริง ๆ นั่นคือ ตัวตนของโมเดลต่าง ๆ ในพูล และการตัดสินใจจัดเส้นทางสำหรับแต่ละงาน

มีอะไรเปลี่ยนแปลงไปจริง ๆ จาก Fugu Ultra เดือนมิถุนายน

เวอร์ชัน 2.0 เป็นการรีเฟรชแบบจุดประมาณสิบเอ็ดสัปดาห์หลังจากเวอร์ชันเดิม ไม่ใช่สถาปัตยกรรมใหม่ กรอบที่ผู้ขายกำหนดเองก็คือ Fugu Ultra v2 และ Fugu Max เป็น "สถาปัตยกรรมการประสานงานหลักแบบเดียวกัน" ที่ปรับแต่งสำหรับสองภารกิจที่แตกต่างกัน: Max ดันพรมแดนด้านต้นทุน-ประสิทธิภาพให้ต่ำลง ส่วน Ultra ดันขีดความสามารถสูงสุดให้สูงขึ้น ID ของโมเดลคือ fugu-ultra-v2.0 และ Sakana กล่าวว่าการย้ายจาก Fugu เวอร์ชันก่อนหน้าเป็นเพียงการเปลี่ยนพารามิเตอร์บรรทัดเดียว โดยไม่ต้องย้าย SDK — ซึ่งเป็นสิ่งที่เอื้อต่อผู้ใช้มากที่สุดของรีลีสนี้

การเปลี่ยนแปลงที่มีสาระสำคัญคือสองส่วนที่ขนาบหัวท้าย อย่างแรก จุดตัดการฝึกเลื่อนไปเป็น 20260828 ดังนั้นโคออร์ดิเนเตอร์จึงถูกปรับจูนใหม่กับโมเดลระดับแนวหน้ารุ่นปัจจุบัน อย่างที่สอง และน่าสนใจยิ่งกว่า องค์ประกอบของพูลเปลี่ยนไปในแบบที่ Sakana เลือกที่จะประกาศ: Claude Fable 5, Claude Fable 5.1 และ GPT-6 Astra ถูกตัดออกอย่างชัดเจน ข้อโต้แย้งของ Sakana คือสิ่งนี้พิสูจน์ว่าคะแนนไม่ได้ขึ้นอยู่กับโมเดลระดับแนวหน้าแบบมีกรรมสิทธิ์เพียงตัวเดียว ซึ่งสำคัญหากคุณกังวลเรื่องการผูกติดกับผู้ขายรายเดียว การเพิกถอน API หรือโมเดลที่หายไปเนื่องจากมาตรการควบคุมการส่งออก

มีผลสืบเนื่องอันดับสองที่ Sakana ไม่ได้ลงลึกถึง หากกลุ่มตัวอย่างไม่รวมโมเดลที่แข็งแกร่งที่สุดสามอันที่มีอยู่ การเปรียบเทียบ benchmark กับ Fable 5 และ Fable 5.1 ก็กำลังทำกับระบบที่ตัว orchestrator เรียกใช้ไม่ได้แม้จะต้องการก็ตาม การเปรียบเทียบนี้ชอบธรรม — เป็นข้อกล่าวอ้างเกี่ยวกับสถาปัตยกรรม ไม่ใช่เกี่ยวกับการเข้าถึง — แต่ก็ไม่ใช่การทดสอบแบบเทียบกันตรงๆ ว่าฝ่ายใดมีโมเดลที่ดีกว่า มันเป็นการทดสอบว่าการประสานงานเอาชนะขีดความสามารถดิบได้หรือไม่ นั่นเป็นคำถามที่น่าสนใจอย่างแท้จริง เพียงแต่ไม่ใช่คำถามที่กระดานคะแนนสื่อโดยมองแวบเดียว

ตัวเลข และใครเป็นผู้สร้างมันขึ้นมา

ตัวเลขทุกตัวในส่วนนี้เป็นข้อมูลที่ผู้ขายรายงาน Sakana ไม่ได้เปิดเผยทั้งชุดเครื่องมือประเมินผล ตารางคะแนนแยกตามงาน และสูตรการทำซ้ำใด ๆ และการออกแบบการประสานงานทำให้การทำซ้ำโดยอิสระยากขึ้นแทนที่จะง่ายขึ้น: การทำซ้ำคะแนนต้องเข้าถึงทุกโมเดลในพูลที่เวอร์ชันเดียวกันพร้อมโทโพโลยีเดียวกัน และโดยการออกแบบ โทโพโลยีจะแปรผันไปในแต่ละคำขอ

• Chartography (การใช้เหตุผลเชิงทัศนภาพบนแผนภูมิและเอกสารที่มีโครงสร้าง) — Fugu Ultra v2 48.3, Claude Opus 5 27.3, Claude Fable 5 29.5 — รายงานโดยผู้ขาย

• DeepSWE (วิศวกรรมซอฟต์แวร์ในโลกจริง) — Fugu Ultra v2 74.3 — ตามรายงานของผู้ขาย ว่ากันว่าเอาชนะโมเดลที่มีค่าใช้จ่ายต่อโทเคนสูงกว่า 3 ถึง 5 เท่า

• อันดับดีที่สุดหรือดีที่สุดร่วม — ห้าในแปดเกณฑ์มาตรฐาน: GDP.pdf, Chartography, SWEFish, DeepSWE และ Toolathon — รายงานโดยผู้ขาย

• ติดอันดับท็อปทู — เจ็ดในแปดเกณฑ์มาตรฐาน — จากการรายงานของผู้ขาย

• Fugu Ultra รุ่นก่อนหน้า (มิถุนายน 2026 เพื่อใช้เปรียบเทียบ) — LiveCodeBench 93.2, GPQA-Diamond 95.5, TerminalBench 82.1, SWE-Bench Pro 73.7 — รายงานโดยผู้จำหน่าย

แถว Chartography สมควรได้รับความเน้นที่กำลังได้รับ เพราะเป็นหมวดเดียวที่ช่องว่างเมื่อเทียบกับเรือธงรุ่นปัจจุบันที่มีชื่อระบุไม่ใช่ช่องว่างเล็กน้อย ช่องว่าง 21 จุดเหนือ Claude Opus 5 บนเบนช์มาร์กการให้เหตุผลเชิงภาพเป็นตัวเลขประเภทที่มักปรากฏบนลีดเดอร์บอร์ดอิสระภายในไม่กี่วัน ณ ขณะที่เขียนนี้ ยังไม่มีอันใดปรากฏ ให้ถือว่าแถวนั้นเป็นสมมติฐานที่มีตัวเลขดอลลาร์แนบอยู่ ไม่ใช่ผลลัพธ์ที่ยุติแล้ว

ราคา: ไม่เปลี่ยนแปลงตั้งแต่เดือนมิถุนายน และแพงอย่างชัดเจนในส่วนของเอาต์พุต

Fugu Ultra v2 ราคา $5 ต่อโทเค็นอินพุต 1 ล้านโทเค็น, $30 ต่อโทเค็นเอาต์พุต 1 ล้านโทเค็น และ $0.50 ต่ออินพุตที่แคชไว้ 1 ล้านโทเค็น เมื่อบริบทเกิน 272,000 โทเค็น ราคาเหล่านั้นจะเปลี่ยนเป็น $10, $45 และ $1.00 ตามลำดับ ส่วน Fugu Max มีรูปแบบต่างออกไปโดยสิ้นเชิง: $2 สำหรับอินพุต, $6 สำหรับเอาต์พุต, $0.25 สำหรับแคช คงที่ตลอดความยาวบริบท บวก $0.007 ต่อการค้นหาเว็บหรือเรียกดึงข้อมูลหนึ่งครั้ง

สองเรื่องเกี่ยวกับตารางราคานั้นที่ควรอ่านอย่างละเอียด เรื่องแรกคือ เอาต์พุตเป็นหกเท่าของอินพุต — อัตราส่วนที่ดุดันซึ่งคิดราคาตามความช่างพูดของโมเดล และการประสานงาน (orchestration) ก็เป็นธุรกิจที่ช่างพูด ตัวประสานงานที่สร้างเอเจนต์ขึ้นมาและสังเคราะห์คำตอบของพวกมันจะปล่อยโทเคนออกมาจำนวนมาก และคุณต้องจ่ายสำหรับโทเคนเหล่านั้นทั้งหมดในราคา $30 ต่อล้าน คำกล่าวอ้างเรื่องประสิทธิภาพของ Sakana เป็นเรื่องเกี่ยวกับพูลที่รองรับอยู่เบื้องหลัง ไม่ใช่เกี่ยวกับปริมาณข้อความที่ระบบผลิตออกมาแทนคุณ และนั่นเป็นตัวเลขที่แตกต่างกัน ให้จัดงบประมาณจากจำนวนโทเคนที่สังเกตได้จริง ไม่ใช่จากอัตราที่พาดหัวไว้

ประการที่สองคือหน้าผา 272K การเพิ่มอัตราต่อโทเคนเป็นสองเท่าเมื่อเกินเกณฑ์หนึ่งถือเป็นวิธีที่ชอบธรรมในการคิดราคางานที่ใช้บริบทขนาดยาว แต่มันหมายความว่าต้นทุนที่แท้จริงของการรันเอเจนต์ที่ใช้บริบทขนาดยาวไม่ใช่ตัวเลขที่ปรากฏบนหน้าราคา หากปริมาณงานของคุณอยู่ใกล้เส้นแบ่งดังกล่าว การคำนวณจะเปลี่ยนไปอย่างมีนัยสำคัญทั้งสองฝั่งของเส้นนั้น

ระดับแพ็กเกจสมาชิกของ Fugu — Standard ราคา $20, Pro ราคา $100, Max ราคา $200 ต่อเดือน พร้อมโควตา 10x และ 20x — ทั้งหมดมีสิทธิ์เข้าถึง Fugu, Fugu Ultra และ Fugu Max Sakana ยังกำหนดราคาโมเดล Fugu พื้นฐานตามระดับแพ็กเกจสูงสุดที่มีอยู่ในพูลสำหรับคำขอหนึ่ง ๆ และระบุอย่างชัดเจนว่าการเพิ่มเอเจนต์มากขึ้นไม่ได้ทำให้บิลคูณขึ้น นั่นเป็นความแตกต่างอย่างแท้จริงจากรูปแบบต้นทุนแบบ fan-out ที่คุณจะได้หากเรียกใช้โมเดลระดับแนวหน้าหลายตัวด้วยตัวเอง

สิ่งที่ Sakana จะไม่บอกคุณ

หากถามว่าโมเดลใดเป็นผู้ตอบคำถามของคุณ FAQ ก็ตอบตรง ๆ ว่า "ข้อมูลการกำหนดเส้นทางนี้ไม่ถูกเปิดเผยโดยเจตนา" พูล Ultra และ Max ถูกกำหนดไว้ตายตัว ดังนั้นคุณจึงไม่สามารถเลือกปิดผู้ให้บริการรายใดรายหนึ่งได้ มีเพียงโมเดล Fugu พื้นฐานเท่านั้นที่รองรับการเลือกปิดเป็นรายโมเดลได้ในการตั้งค่าคอนโซล ลูกค้าระดับองค์กรสามารถเจรจาเพื่อกำหนดค่าที่ปรับแต่งเองได้

ความคลุมเครือตรงนั้นคือหัวใจของคำวิจารณ์ที่สายผลิตภัณฑ์ Fugu ดึงดูดเข้ามาตั้งแต่เดือนมิถุนายน และมันเป็นคำวิจารณ์ที่ยุติธรรมมากกว่าจะเป็นคำวิจารณ์ที่มุ่งร้าย เมื่อตัวจัดวาง (orchestrator) ได้คะแนนดีจากการผสมโมเดลของแล็บอื่น คะแนนนั้นก็เป็นของระบบ — ซึ่งเป็นสิ่งที่มีจริงและปกป้องได้ว่าควรค่าแก่การขาย — แต่มันไม่ได้ถ่ายทอดไปยังโมเดลใดโมเดลหนึ่ง และมันไม่สามารถถูกตรวจสอบได้ นักวิจารณ์ได้ชี้ประเด็นนี้อย่างตรงไปตรงมา: Fugu ไม่ได้เอาชนะเรือธง มันแค่จ้างเรือธงมา ในงานที่ตรวจสอบได้ซึ่งมีตัวตรวจง่าย ๆ อย่างเบนช์มาร์กการเขียนโค้ดที่มีชุดทดสอบ คณะกรรมการสามารถทำผลงานได้ดีกว่าสมาชิกที่เก่งที่สุดของตัวเองจริง ในงานที่ไม่มีตัวตรวจเช่นนั้น คณะที่สุ่มตัวอย่างจากโมเดลแนวหน้าหลายตัวแล้วรายงานผลลัพธ์ที่ดีที่สุด ก็เท่ากับรายงานโชคไปบางส่วน ตัวเลือกหมวดหมู่ของ Sakana เอง — Chartography, DeepSWE, Toolathon — เอนไปทางฝั่งที่ตรวจสอบได้ ซึ่งเป็นจุดที่ถูกต้องในการอ้างสิทธิ์ และยังเป็นเหตุผลที่ทำให้การอ้างสิทธิ์นั้นไม่สามารถถูกสรุปเป็นกรณีทั่วไปได้ฟรี ๆ

ผู้ทดสอบอิสระยังชี้ให้เห็นว่าความแปรปรวนของเวลาแฝงเป็นต้นทุนในทางปฏิบัติของการออร์เคสเตรชัน: ในงานยาก ผู้ประสานงานจะใช้เวลาไตร่ตรอง และในงานง่าย การไตร่ตรองนั้นเป็นโอเวอร์เฮดล้วน ๆ มีรายงานว่างานเชเดอร์ของนักวิจัยคนหนึ่งใช้เวลาราวสามสิบนาที โดยคุณภาพถูกจัดว่าแค่ยอมรับได้เท่านั้น

ที่ที่คุณจะได้มันมาจริง ๆ

Fugu Ultra v2 เปิดให้ใช้งานแล้วตอนนี้ผ่าน API ของ Sakana เองที่เข้ากันได้กับ OpenAI — เพียงตั้งค่าไคลเอนต์ที่มีอยู่ให้ชี้ไปที่ endpoint ด้วย API key และแก้โค้ดหนึ่งบรรทัด — และผ่านแพลตฟอร์มบุคคลที่สามอีกหลายแห่ง OrcaRouter ไม่รองรับโมเดล Fugu หากคุณต้องการเรียกใช้ Fugu Ultra v2 API ของผู้ให้บริการเองคือเส้นทางตรง

สิ่งที่ควรค่าแก่การสังเกตคือทางเลือกที่ Sakana กำลังแข่งขันด้วยโดยปริยาย กลุ่มโมเดลที่ทำให้ Fugu Ultra v2 ทำงานได้นั้นประกอบขึ้นจากโมเดลที่สามารถเรียกใช้แยกกันได้ในปัจจุบัน และคู่แข่งที่นำมาเปรียบเทียบก็คือโมเดลที่ทีมต่างๆ ใช้งานอยู่แล้ว Claude Opus 5, DeepSeek V4 Pro และ Gemini 3.1 Pro ต่างมีให้บริการบน OrcaRouter ในราคาตามที่ผู้ให้บริการแต่ละรายกำหนด โดยบวกเพิ่ม 0% ซึ่งหมายความว่าหากผู้ให้บริการรายใดลดราคา ฝั่งเราก็พร้อมให้บริการในราคาใหม่ตั้งแต่วันที่ประกาศ หากเหตุผลที่คุณกำลังพิจารณาใช้ orchestrator คือความทนทาน — ไม่ต้องการให้เส้นทางการใช้งานจริงต้องพึ่งพา uptime ของผู้ให้บริการรายใดรายหนึ่งหรือนโยบายของผู้ให้บริการรายใดรายหนึ่ง — ชั้นการกำหนดเส้นทางที่มี automatic failover ข้ามผู้ให้บริการช่วยแก้ปัญหาส่วนหนึ่งในระดับโมเดล และ Fugu Ultra v2 ช่วยแก้ปัญหาอีกส่วนหนึ่งในระดับการให้เหตุผล API เดียวสำหรับโมเดล 200+ ตัวที่มี failover ไม่ใช่สิ่งทดแทนผู้ประสานงานที่ผ่านการฝึกฝน และผู้ประสานงานที่ผ่านการฝึกฝนก็ไม่ใช่สิ่งทดแทนการไม่ต้องพึ่งพาผู้ให้บริการรายเดียว บางทีมอาจต้องการทั้งสองอย่าง

จุดที่ต้องระวังด้านการปฏิบัติตามข้อกำหนด

Fugu ไม่พร้อมให้ใช้ในสหภาพยุโรปหรือเขตเศรษฐกิจยุโรป ถ้อยคำของผู้ขายระบุไว้ชัดเจนว่า ยังไม่พร้อมให้ใช้ใน EU/EEA ขณะที่ผู้ขายกำลังดำเนินการเพื่อให้สอดคล้องกับ GDPR และกฎระเบียบเฉพาะของ EU และในพื้นที่อื่น การเข้าถึงอาจถูกจำกัดโดยสภาพเครือข่ายหรือกฎท้องถิ่น หากองค์กรของคุณมีหน่วยงานใน EU ที่อยู่ในขอบเขต สิ่งนี้จะตัดตัวเลือก Fugu ออกจากการพิจารณา โดยไม่คำนึงถึงประสิทธิภาพจากการวัด benchmark ซึ่งเป็นสิ่งที่ควรรู้ก่อนการประเมินมากกว่าหลังการประเมิน

ดูอะไรดี

สามสิ่งจะทำให้ Fugu Ultra v2 เปลี่ยนจากข้อกล่าวอ้างที่น่าสนใจไปสู่ตัวเลือกที่แบกรับความสำคัญได้ การประเมินที่เป็นอิสระ — ทั้งรายการใน Artificial Analysis ตำแหน่งใน LMArena หรืออะไรก็ตามที่มีชุดทดสอบรองรับอยู่เบื้องหลัง — จะไขคำถามเรื่อง Chartography ได้ภายในหนึ่งสัปดาห์ ตัวเลขที่ทำซ้ำได้จากบุคคลที่สามบนเกณฑ์วัดการเขียนโค้ดที่ตรวจสอบได้จะยืนยันผลได้ระดับระบบที่สถาปัตยกรรมคาดการณ์ไว้ และพูลที่เปิดเผย หรือแม้แต่เพียงบางส่วน จะทำให้ผู้ซื้อใช้เหตุผลได้ว่าพวกเขากำลังยอมรับจุดล้มเหลวจุดเดียวจุดใดกันแน่ เมื่อพวกเขาส่งทราฟฟิกโปรดักชันผ่านตัวประสานงานที่พวกเขาตรวจสอบไม่ได้

จนถึงตอนนั้น จุดยืนที่ซื่อตรงคือสิ่งนี้ Fugu Ultra v2 คือความพยายามจริงจังที่สุดจนถึงตอนนี้ในการขาย orchestration ในฐานะผลิตภัณฑ์มากกว่าการสาธิตงานวิจัย จากห้องแล็บที่มีผลงานตีพิมพ์รองรับ ในราคาที่ทำให้ส่วนเพิ่มราคาของ orchestration ชัดเจนแทนที่จะซ่อนไว้ หากเวิร์กโหลดของคุณเป็นระยะยาว ตรวจสอบยืนยันได้ และจำกัดอยู่ในภูมิภาคที่ Sakana ให้บริการคุณได้ ก็คุ้มค่าที่จะนำร่องแบบกำหนดขอบเขตโดยเปิดการนับโทเคนไว้ หากไม่ใช่ โมเดลที่ Fugu Ultra v2 ถูกนำมาเปรียบเทียบด้วยนั้นอยู่ห่างเพียงการเรียก API หนึ่งครั้ง ในราคาตามประกาศ พร้อมหลักฐานยืนยันว่าพวกมันทำอะไรได้