
Fugu Ultra v2 so với Claude Opus 5: cùng giá đầu vào, hai canh bạc khác nhau
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 187 tok/s
- openaiMỚIOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 trên 1 triệu token · 80 tok/s
- openaiMỚIOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 trên 1 triệu token · 155 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 196 tok/s
- AlibabaMỚIQwen: Qwen4 Max2026-11-16$1.50 / $4.50 trên 1 triệu token · 85 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 705 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 139 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 69 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 trên 1 triệu token · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 230 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 101 tok/s
Fugu Ultra v2 và Claude Opus 5 tốn chi phí giống hệt nhau để đặt một câu hỏi, nhưng lại tốn những khoản cực kỳ khác biệt để lấy được câu trả lời. Cả hai đều niêm yết ở mức 5,00 USD cho mỗi triệu token đầu vào. Sau đó, Fugu Ultra v2 tính 30,00 USD cho mỗi triệu token đầu ra, so với 25,00 USD của Claude Opus 5 — và khoảng cách giữa hai con số đó không phải là chênh lệch do làm tròn, bởi hai hệ thống phát ra lượng văn bản rất khác nhau để đi đến một câu trả lời. Sakana AI đã phát hành Fugu Ultra v2 vào ngày 11 tháng 9 năm 2026 như một hệ thống điều phối, phối hợp một nhóm mô hình của các phòng thí nghiệm khác phía sau một endpoint tương thích OpenAI; Claude Opus 5 của Anthropic, hoạt động từ cuối tháng 7 năm 2026, là một mô hình duy nhất. Sự khác biệt đó quyết định phần lớn phép so sánh này trước cả khi một benchmark được tham khảo, và bảng điểm của chính Sakana có một hàng gây khó xử trong đó: nhà cung cấp báo cáo 48,3 trên Chartography so với 27,3 của Claude Opus 5, đây là mức chênh lệch lớn nhất trong lần phát hành này và cũng là con số có ít bằng chứng bên ngoài hậu thuẫn nhất.
Sự trùng hợp định hình nên mọi thứ
Hãy bắt đầu với những điểm mà hai sản phẩm cùng đồng tình, vì chúng còn nhiều hơn cả mức giá được nhấn mạnh.
• Giá đầu vào — Fugu Ultra v2 $5.00 mỗi 1 triệu token so với Claude Opus 5 $5.00 mỗi 1 triệu token
• Giá đầu ra — Fugu Ultra v2 $30.00 mỗi 1 triệu token so với Claude Opus 5 $25.00 mỗi 1 triệu token
• Đầu vào được cache — Fugu Ultra v2 tính 0,50 USD mỗi 1 triệu token cao hơn mức giá cơ sở, so với Claude Opus 5 vốn tính phí cache như một khoản giảm giá lên tới 90% cho đầu vào được cache
• Bối cảnh — Fugu Ultra v2 1M token, với mức giá tăng gấp đôi khi vượt 272K, so với Claude Opus 5 1M token có mức giá cố định
• Ngưỡng đầu ra — Fugu Ultra v2 không được công bố dưới dạng một con số duy nhất so với Claude Opus 5 128K token
• Tính khả dụng — Fugu Ultra v2 không được bán tại EU/EEA, trong khi Claude Opus 5 nhìn chung được cung cấp rộng rãi theo các điều khoản API tiêu chuẩn
• Bằng chứng — Fugu Ultra v2: các benchmark do nhà cung cấp báo cáo, chưa có đánh giá độc lập; so với Claude Opus 5: benchmark do nhà cung cấp cùng với nhiều tháng xếp hạng trên bảng xếp hạng của bên thứ ba
Hàng cuối cùng đó chính là nơi cuộc so tài thực sự đổi chiều. Với cùng một mức giá đầu vào, bạn đang phải chọn giữa một hệ thống mà bạn buộc phải tin suông vào điểm số của nó và một mô hình mà điểm số đã được người khác tái lập. Cú rơi vực 272K càng làm mọi thứ trầm trọng hơn: vượt qua ngưỡng đó, mức giá đầu vào của Fugu Ultra v2 tăng gấp đôi lên 10 đô la và giá đầu ra lên 45 đô la, trong khi mức giá của Claude Opus 5 không hề nhúc nhích. Đối với các lượt chạy agent với ngữ cảnh dài — đúng loại khối lượng công việc mà Fugu Ultra v2 được thiết kế để xử lý — lợi thế giá của mức giá niêm yết rẻ hơn biến mất đúng ngay tại nơi mà hệ thống lẽ ra phải tỏa sáng.

Thực tế mỗi thứ là gì
Claude Opus 5 là sản phẩm chủ lực cho môi trường production của Anthropic, và thiết kế của nó có thể được nhìn thấy rõ từ bên ngoài. Nó chạy cơ chế tư duy thích ứng theo mặc định, tự quyết định suy luận trong bao lâu trước khi trả lời, với một nút điều chỉnh mức nỗ lực rõ ràng từ thấp đến tối đa khi bạn muốn buộc nó cân nhắc sâu hơn và trả chi phí cho việc đó. Nó có cửa sổ ngữ cảnh 1M token, mức trần đầu ra 128K, khả năng thị giác, sử dụng công cụ và chế độ JSON. Anthropic báo cáo 96,0% trên SWE-bench Verified và 79,2% trên SWE-bench Pro, tăng hơn gấp đôi so với kết quả Frontier-Bench v0.1 của mô hình tiền nhiệm, và khoảng 30,2% trên ARC-AGI 3 so với 7,8% của GPT-5.6 Sol — tất cả đều là số liệu từ nhà cung cấp, và tất cả đều được đo trên một mô hình duy nhất mà bạn có thể ghim theo phiên bản. Nó cũng định tuyến các yêu cầu bị gắn cờ đến một mô hình cũ hơn thay vì báo lỗi, đây là một chi tiết vận hành quan trọng nếu bạn có bước đánh giá tuân thủ trong quy trình.
Fugu Ultra v2 không phải như vậy, và sự khác biệt không chỉ là hình thức. Nó là một bộ điều phối — một mô hình nhỏ đã được huấn luyện, được báo cáo có khoảng 7B tham số, đọc yêu cầu của bạn, tập hợp một nhóm tác nhân, gán các vai trò Thinker, Worker và Verifier từ công trình TRINITY của Sakana, và tổng hợp câu trả lời cuối cùng. Các mô hình nền tảng không được tiết lộ, các quyết định định tuyến không được công khai theo thiết kế, và đối với gói Ultra, nhóm mô hình là cố định: bạn không thể loại một nhà cung cấp ra ngoài. Cách Sakana tự mô tả về phiên bản 2 là mốc cắt dữ liệu huấn luyện đã chuyển sang ngày 28 tháng 8 năm 2026 và thành phần nhóm đã thay đổi — cụ thể là để loại trừ Claude Fable 5, Claude Fable 5.1 và GPT-6 Astra.
Việc loại trừ đó là chi tiết tiết lộ nhiều nhất trong bản công bố. Fugu Ultra v2 đang tuyên bố giành chiến thắng trên các benchmark trước ba mô hình mạnh nhất hiện có, trong khi xác nhận rằng nó không gọi bất kỳ mô hình nào trong số đó. Dù nhóm đó có chứa gì đi nữa, theo cách tính của chính Sakana, nó không phải là đỉnh cao của thị trường. Lời chào hàng là sự phối hợp đánh bại năng lực. Đó là một luận điểm thực sự, và trên các tác vụ có thể kiểm chứng với một công cụ kiểm tra rẻ, đó là luận điểm có bằng chứng hậu thuẫn. Nó không phải là cùng một tuyên bố như "hệ thống này thông minh hơn Claude Opus 5", và bảng điểm được sắp xếp để hai điều đó dễ bị nhầm lẫn với nhau.
Bảng điểm mà Sakana đã chọn
Mọi con số dưới đây đều đến từ đánh giá của chính Sakana về Fugu Ultra v2. Các số liệu của Claude Opus 5 là do Sakana đo lường trong cùng phép so sánh, trừ khi có ghi chú khác. Chưa có bên độc lập nào tái lập được cột Fugu, và tính đến thời điểm viết bài này, không có mục Artificial Analysis nào cho bất kỳ mô hình Fugu nào.
• Chartography — Fugu Ultra v2 48.3 so với Claude Opus 5 27.3 — do nhà cung cấp báo cáo, khoảng cách 21 điểm
• DeepSWE — Fugu Ultra v2 74,3 so với việc không có số liệu Claude Opus 5 nào được công bố trong cùng bảng — do nhà cung cấp báo cáo
• Vị trí xếp hạng benchmark — Fugu Ultra v2 tốt nhất hoặc đồng hạng nhất ở năm trong tám, nằm trong top hai ở bảy trong tám — theo báo cáo của nhà cung cấp
• SWE-bench Verified — không có số liệu Fugu Ultra v2 so với Claude Opus 5 96,0% — theo báo cáo của Anthropic
• SWE-bench Pro — không có số liệu Fugu Ultra v2 so với Claude Opus 5 79,2% — do Anthropic báo cáo
• ARC-AGI 3 — không có số liệu Fugu Ultra v2 so với Claude Opus 5 ~30,2% — theo báo cáo của Anthropic
Hãy hiểu đó như một hình thái chứ không phải một bảng xếp hạng. Sakana đã công bố một bảng gồm tám benchmark, trong đó nó thắng năm, còn những kết quả mạnh nhất được ghi nhận công khai của Claude Opus 5 — các hàng SWE-bench, ARC-AGI 3 — đơn giản là không có trên đó. Đó không phải là lời buộc tội thiếu thiện chí; đó là diện mạo của một bảng điểm nhà cung cấp, kể cả bảng của mọi nhà cung cấp. Nhưng điều đó có nghĩa là bạn không thể kết luận từ bản phát hành rằng Fugu Ultra v2 đánh bại Claude Opus 5 trong lĩnh vực kỹ thuật phần mềm, bởi vì hai hệ thống không được đo trên cùng những hàng đó đủ thường xuyên để có thể khẳng định. Ở hàng duy nhất mà cả hai cùng xuất hiện và cả hai con số đều công khai — Chartography — Fugu Ultra v2 tuyên bố thắng lớn. Ở những hàng suy luận và lập trình rộng nhất, chỉ một bên đã công bố.

Chi phí cho mỗi tác vụ, không phải chi phí cho mỗi token
Hóa đơn token của một orchestrator không phải là mức giá trên mỗi token của nó. Fugu Ultra v2 tạo ra các agent, mỗi agent đóng góp token suy luận và token đầu ra, còn bản thân bộ điều phối tạo ra văn bản tổng hợp. Phần FAQ về giá của Sakana đưa ra một cam kết thực sự hữu ích ở đây — bạn bị tính một mức giá hỗn hợp duy nhất dựa trên mô hình cao cấp nhất liên quan, và việc thêm agent không làm nhân lên hóa đơn — điều này loại bỏ phép nhân fan-out trong trường hợp xấu nhất vốn khiến các thiết lập đa agent ngây thơ trở nên đắt đỏ. Nhưng nó không loại bỏ khối lượng. Số lượng token đầu ra được tính phí vẫn là một hàm của việc có bao nhiêu agent đã chạy và chúng đã viết bao nhiêu, và với mức 30 đô-la mỗi triệu token, khối lượng đó chính là biến số mà bạn không thể dự đoán từ trang giá.
Hình dạng chi phí của Claude Opus 5 thì ngược lại. Một lệnh gọi, một mô hình, một núm điều chỉnh nỗ lực do bạn kiểm soát, và mức giá đầu ra 25 đô la với xử lý theo lô sẵn có ở mức giảm 50% cho công việc không theo thời gian thực. Bạn có thể dự báo được nó. Với một khối lượng công việc bạn chạy mười nghìn lần một ngày, khả năng dự báo đáng giá hơn nhiều so với một chút lợi thế điểm chuẩn trong một tác vụ đọc biểu đồ.
Đây cũng chính là chỗ mà câu hỏi về định tuyến tách bạch hoàn toàn khỏi câu hỏi về mô hình. Claude Opus 5 nằm trên OrcaRouter ở mức giá niêm yết của Anthropic với mức markup 0% — giá của nhà cung cấp được chuyển thẳng nguyên vẹn, nên khi nhà cung cấp đổi giá thì giá mới có hiệu lực ngay trong cùng ngày trên chính chiếc key đó, kèm khả năng tự động chuyển sang đường dự phòng (failover) giữa các tuyến nhà cung cấp nếu một tuyến bị giới hạn tốc độ hoặc gặp sự cố. Fugu Ultra v2 không có trong danh mục của chúng tôi; nó đến với bạn qua API tương thích OpenAI của chính Sakana và một số nền tảng bên thứ ba, và việc chuyển từ một phiên bản Fugu trước đó chỉ là thay đổi một dòng tham số. Nếu điều bạn thực sự muốn là sự ổn định, dễ đoán của Claude Opus 5 mà ít phơi nhiễm với một nhà cung cấp duy nhất, thì router là câu trả lời còn orchestrator thì không. Nếu điều bạn muốn là một hệ thống tự thử nhiều cách tiếp cận khác nhau cho một bài toán khó mà bạn không phải tự viết phần fan-out, thì Fugu Ultra v2 chính là thứ làm được điều đó — và bạn nên chạy thử nghiệm (pilot) nó kèm theo việc hạch toán token.
Nơi Fugu Ultra v2 thực sự chiến thắng
Hãy dành cho hệ thống sự ghi nhận xứng đáng. Kết quả Chartography, nếu còn đứng vững, là kiểu chiến thắng mà các mô hình đơn lẻ khó làm giả: suy luận thị giác trên các tài liệu có cấu trúc thưởng cho việc thử một cách đọc, đối chiếu nó với tài liệu, rồi thử lại — đó chính xác là việc mà một vai trò Verifier sinh ra để làm. Logic tương tự cũng áp dụng cho Toolathon và DeepSWE, nơi câu trả lời có thể được kiểm chứng thay vì tranh cãi. Các case study đã công bố của Sakana cũng nghiêng theo hướng đó: một lượt chạy AutoResearch với 123 thí nghiệm trong mười bốn giờ trên một H100, một bộ giải khối Rubik thuần Python đã giải xong cả 300 khối bị xáo trộn trong khi hai baseline tiên tiến được ẩn danh sụp đổ hoàn toàn, một iris CAD cơ khí thực sự mở và đóng. Đây là những ví dụ do nhà cung cấp tự chọn lọc với các baseline được ẩn danh, nên chúng chứng minh được ít hơn vẻ bề ngoài. Nhưng mô thức này nhất quán, và nó chỉ vào một phạm trù thực sự: những tác vụ mà tính đúng đắn có thể kiểm chứng được và phần khó nằm ở sự kiên trì.
Cũng có một lập luận mang tính cấu trúc không liên quan gì đến các bài benchmark. Claude Opus 5 là mô hình của một nhà cung cấp, chịu sự chi phối bởi các quyết định về giá, lịch trình ngừng hỗ trợ và chính sách của một nhà cung cấp. Fugu Ultra v2 được thiết kế để tồn tại bất kể bất kỳ yếu tố nào trong số đó thay đổi, và Sakana nói rõ rằng đây chính là mục đích — tình trạng khóa nhà cung cấp, việc thu hồi API, các biện pháp kiểm soát xuất khẩu. Trong một thị trường mà các mô hình đã bị rút khỏi một số khu vực với rất ít thông báo trước, đó không phải là chuyện giả định. Đó là một biện pháp phòng ngừa rủi ro, và phòng ngừa rủi ro thì tốn tiền: cao hơn 5 đô la cho mỗi triệu token đầu ra là mức giá xấp xỉ của biện pháp phòng ngừa này.
Phán quyết
Claude Opus 5 thắng trong quyết định mà hầu hết các đội đang thực sự đưa ra. Nó được hậu thuẫn bởi nhiều tháng đánh giá độc lập, một cửa sổ 1M token không tăng gấp đôi giá khi bạn đi đến giữa tài liệu, trần đầu ra 128K, mức giá công bố mà bạn có thể dự báo, một núm điều chỉnh nỗ lực cho phép bạn chỉ mua khả năng suy luận khi tác vụ xứng đáng với điều đó, và kết quả từ bên thứ ba trên đúng những benchmark — SWE-bench Verified, SWE-bench Pro, ARC-AGI 3 — mà các đội agentic và lập trình quan tâm nhất. Fugu Ultra v2 thắng ở một câu hỏi hẹp hơn và thú vị hơn: liệu một bộ điều phối với một nhóm nhỏ hơn có thể vượt qua một flagship trên các tác vụ mà câu trả lời có thể được kiểm tra hay không. Bảng điểm của chính Sakana nói có ở năm trong tám dòng, và việc loại trừ khỏi nhóm cho thấy chiến thắng đến mà không cần ba mô hình tốt nhất thế giới.
Nếu bạn vận hành công việc có thể xác minh, có tầm dài hạn, có thể kiểm chứng và bạn ở ngoài EU/EEA, thì Fugu Ultra v2 đáng để chạy một pilot có phạm vi giới hạn — hãy đo token đầu ra trên mỗi tác vụ đã hoàn thành, không phải trên mỗi token, và đặt mức trần trước khi bắt đầu. Nếu bạn cần một lộ trình production ngay hôm nay với bằng chứng phía sau và một hóa đơn có thể dự báo được, Claude Opus 5 vẫn là lựa chọn có bằng chứng tốt hơn, và nó chỉ cách một khóa API theo giá niêm yết của Anthropic với mức phí của nhà cung cấp được truyền nguyên vẹn.

So sánh trong bài viết này1
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
