Fugu Ultra v2 so với DeepSeek V4 Pro: câu hỏi về mức giá đầu ra gấp 34 lần

Fugu Ultra v2 tính giá cao hơn khoảng ba mươi tư lần so với giá niêm yết của DeepSeek V4 Pro cho phần văn bản mà nó viết. Đó không phải lỗi đánh máy và cũng không phải sai số làm tròn: bộ điều phối mới của Sakana AI niêm yết ở mức 30,00 đô la mỗi triệu token đầu ra, DeepSeek báo cáo 0,87 đô la mỗi triệu, và trên phép đo chuẩn duy nhất mà cả hai nhà cung cấp đều công bố con số, khoảng cách về hiệu năng chẳng hề giống mức ba mươi tư lần. Sakana tuyên bố 74,3 trên DeepSWE đối với Fugu Ultra v2, ra mắt ngày 11 tháng 9 năm 2026; DeepSeek báo cáo 62,7 cho DeepSeek V4 Pro, mô hình trọng số mở mà hãng phát hành vào tháng Tám. Lợi thế 11,6 điểm do nhà cung cấp báo cáo cho mức giá đầu ra gấp 34 lần chính là toàn bộ phép so sánh gói gọn trong một dòng — và câu hỏi trung thực không phải là liệu Fugu Ultra v2 có tốt hơn hay không, mà là liệu nó có tốt hơn mười chín đô la mỗi triệu token hay không, và tốt hơn cho ai.

Hai câu trả lời cho cùng một vấn đề, được xây dựng từ hai đầu đối lập

DeepSeek V4 Pro và Fugu Ultra v2 đều là những phản hồi cho cùng một nỗi lo âu — sự phụ thuộc vào một nhà cung cấp frontier đóng duy nhất — và chúng khó có thể khác biệt hơn về phương pháp.

DeepSeek V4 Pro là một mô hình. Thông tin đưa tin về đợt ra mắt cho biết thời điểm API của phiên bản chính thức được triển khai — bản dựng DeepSeek-V4-Pro-0813 — vào khoảng ngày 12 đến 13 tháng 8 năm 2026, thay thế bản xem trước ngày 24 tháng 4. Đây là một hệ thống mixture-of-experts được báo cáo có tổng cộng 1,5 đến 1,6 nghìn tỷ tham số với khoảng 49 tỷ tham số được kích hoạt cho mỗi token, sở hữu cửa sổ ngữ cảnh 1M token và đầu ra tối đa 384K token. Mô hình suy luận ở chế độ thinking và non-thinking với ba mức độ nỗ lực, nói được cả hai giao thức API của OpenAI và Anthropic, đồng thời bổ sung Responses API gốc nhắm thẳng vào các khung agent kiểu Codex. Điều quan trọng là các trọng số đã được công bố theo giấy phép MIT, nghĩa là lập luận về khả năng phục hồi đã được giải quyết bằng quyền sở hữu: không ai có thể thu hồi bản sao của bạn.

Fugu Ultra v2 không phải là một mô hình. Nó là một bộ điều phối đã được huấn luyện, được báo cáo có khoảng 7B tham số, phân rã một yêu cầu trên một nhóm các mô hình không được tiết lộ, gán các vai trò Thinker, Worker và Verifier, rồi tổng hợp câu trả lời phía sau một endpoint tương thích OpenAI. Lập luận về khả năng phục hồi của nó mang tính kiến trúc chứ không phải pháp lý: vì nhóm mô hình có thể hoán đổi, hệ thống có thể tồn tại qua việc bất kỳ nhà cung cấp đơn lẻ nào thay đổi điều khoản. Phiên bản 2.0, được phát hành song song với Fugu Max, đã dời thời điểm cắt dữ liệu huấn luyện sang ngày 28 tháng 8 năm 2026 và — đáng chú ý — đã loại bỏ hoàn toàn Claude Fable 5, Claude Fable 5.1 và GPT-6 Astra khỏi nhóm trong khi vẫn tuyên bố giành chiến thắng trước chúng.

Vậy nên, so sánh ở đây là giữa sở hữu và điều phối. DeepSeek đưa cho bạn một mô hình mà bạn có thể tải về, kiểm tra, tinh chỉnh và tự vận hành ở bất kỳ mức biên lợi nhuận nào mà phần cứng của chính bạn cho phép. Sakana đưa cho bạn một hệ thống tự quyết định cách giải quyết từng vấn đề, với mức phí đủ để chi trả cho việc chạy nhiều mô hình tiên tiến nhất thay bạn.

34x thực sự mang lại điều gì

Điểm chuẩn trước tiên, với nguồn dẫn được đặt lên hàng đầu. Mọi số liệu DeepSeek dưới đây đều là của chính nhà cung cấp và có trước đợt sửa đổi giá giờ cao điểm/giờ thấp điểm mà DeepSeek công bố cho giữa tháng 8, mà các nguồn vẫn chưa thống nhất về những con số cuối cùng — một báo cáo đưa mức đầu ra giờ cao điểm vào khoảng ¥27 mỗi triệu, một báo cáo khác vào khoảng ¥12, so với mức cơ sở ¥6. Hãy đối chiếu với bảng giá đã công bố của DeepSeek trước khi bạn lập dự toán ngân sách. Mọi số liệu Fugu đều là của chính Sakana, và chưa có bên độc lập nào tái lập được bất kỳ số liệu nào trong số đó; vẫn chưa có mục Artificial Analysis nào cho một mô hình Fugu.

• DeepSWE — Fugu Ultra v2 74.3 (theo báo cáo của nhà cung cấp) so với DeepSeek V4 Pro 62.7 (theo báo cáo của nhà cung cấp)

• Terminal Bench 2.1 — không có số liệu Fugu Ultra v2 nào được Sakana công bố so với DeepSeek V4 Pro 87,9 (do nhà cung cấp báo cáo)

• SWE-bench (Vals) — không có số liệu cho Fugu Ultra v2 so với DeepSeek V4 Pro 96,4 (do nhà cung cấp báo cáo)

• Humanity's Last Exam — không có số liệu cho Fugu Ultra v2 v2.0 so với DeepSeek V4 Pro 42,7 khi không dùng công cụ, 60,0 khi dùng công cụ (do nhà cung cấp báo cáo)

• GPQA Diamond — không có số liệu Fugu Ultra v2 v2.0 so với DeepSeek V4 Pro 92.8 (do nhà cung cấp báo cáo)

• Giá đầu ra — Fugu Ultra v2 $30.00 mỗi 1M, tăng lên $45.00 khi ngữ cảnh trên 272K so với DeepSeek V4 Pro khoảng $0.87 mỗi 1M niêm yết, với mức giá theo đồng hồ đo đã từng cao hơn

Hai lưu ý về dòng giá đó, vì toàn bộ so sánh đều dựa vào nó. Thứ nhất, con số của DeepSeek là mức giá niêm yết được báo cáo trong các bài đưa tin về ra mắt và được nhắc lại trong phần mô tả mô hình của chính chúng tôi, nhưng mức giá tính theo đo lường trên danh sách của chúng tôi đã chạy ở $2,18 mỗi triệu đầu ra và $0,73 mỗi triệu đầu vào — hành vi bộ nhớ đệm và cơ cấu sử dụng làm thay đổi con số hiệu dụng, nên bội số trung thực nằm đâu đó trong khoảng từ khoảng 14x đến khoảng 34x, tùy thuộc vào lượng đầu vào của bạn được lưu đệm. Ngay cả ở mức thấp nhất của khoảng đó, chi phí đầu ra cũng cao gấp hơn một chục lần. Thứ hai, DeepSeek đã công bố một đợt điều chỉnh giá cao điểm/ngoài cao điểm mà các nguồn vẫn còn bất đồng về các con số cuối cùng — một báo cáo đưa đầu ra cao điểm ở mức gần ¥27 mỗi triệu, một báo cáo khác gần ¥12, so với mức cơ sở ¥6. Hãy đối chiếu với bảng giá đã công bố trước khi bạn lập mô hình ngân sách.

• Giá đầu vào — Fugu Ultra v2 5,00 USD mỗi 1M, tăng gấp đôi khi vượt 272K so với DeepSeek V4 Pro xấp xỉ 0,435 USD mỗi 1M khi trượt bộ nhớ đệm, rẻ hơn khoảng 120 lần khi trúng bộ nhớ đệm

• Trọng số — Fugu Ultra v2 đóng, pool không được tiết lộ, định tuyến không được phơi bày theo thiết kế so với DeepSeek V4 Pro mở theo MIT, có thể tự lưu trữ

• Ngữ cảnh và đầu ra — Fugu Ultra v2 ngữ cảnh 1M, giới hạn đầu ra chưa công bố so với DeepSeek V4 Pro ngữ cảnh 1M, giới hạn đầu ra 384K

Vấn đề chồng lấn là hiển nhiên: hai hệ thống hầu như không xuất hiện trên cùng các hàng. Sakana công bố năm chiến thắng trong tám benchmark mà họ đã chọn; Deep​Seek công bố một bảng rộng hơn bao gồm độ phủ agentic chuyên sâu — MCP Atlas 73.6, Toolathlon-Verified 74.1, CyberGym 83.3, NL2Repo 61.5, CorpusQA 62.0 trên ngữ cảnh dài — trong khi Fugu Ultra v2 không có số liệu nào được công bố. Hàng duy nhất bạn có thể đối chiếu, DeepSWE, lại là hàng mà Fugu tuyên bố lợi thế kỹ thuật phần mềm lớn nhất của mình. Một độc giả so sánh hai bản phát hành đang so sánh hai bài kiểm tra khác nhau.

Hệ số độ chi tiết

Giá đầu ra không phải là một thứ thuế tuyến tính đánh lên hoạt động điều phối; nó là một hệ số nhân áp lên một đại lượng mà việc điều phối làm tăng lên. Fugu Ultra v2 sinh ra các agent, mỗi agent tạo ra token suy luận và token đầu ra, trước khi một bộ điều phối tổng hợp chúng. FAQ về giá của Sakana đưa ra một cam kết thực sự thân thiện với người tiêu dùng — bạn trả một mức giá hỗn hợp duy nhất dựa trên mô hình cao cấp nhất trong nhóm, và việc thêm agent không làm nhân hóa đơn — điều này giới hạn trường hợp xấu nhất. Nó không giới hạn khối lượng. Ở mức 30 USD cho mỗi triệu token đầu ra, một lượt chạy đa agent phát ra lượng văn bản gấp bốn lần một lệnh gọi mô hình đơn sẽ tốn gấp bốn lần, và hệ số nhân này còn cộng dồn với tốc độ đầu ra cao hơn gấp 34 lần.

Cấu trúc chi phí của DeepSeek V4 Pro lại thưởng cho hành vi ngược lại. Một lần trúng bộ đệm ở đầu vào rẻ hơn khoảng hai bậc độ lớn so với một lần trượt, khiến cho công việc lặp lại với ngữ cảnh dài — cùng một kho mã, cùng một bộ tài liệu, cùng một lời nhắc hệ thống — trở nên rẻ hơn đáng kể so với mức giá niêm yết. Đối với một vòng lặp tác tử đọc lại cùng một ngữ cảnh ở mỗi lượt, chi phí thực tế nằm chính ở đó, và đó là một lợi thế mang tính cấu trúc mà không bộ điều phối nào có thể lách qua được.

Ghép hai điều đó lại với nhau, quyết định trở nên cụ thể. Nếu Fugu Ultra v2 mang lại lợi thế 11,6 điểm trên DeepSWE và tạo ra lượng token đầu ra gấp ba lần so với một lần gọi đơn lẻ, thì bạn đang trả khoảng một trăm lần nhiều hơn cho mỗi tác vụ hoàn thành để đổi lấy mức tăng mười đến mười lăm điểm trên một benchmark. Sự đánh đổi đó là hợp lý đối với nghiên cứu và những bài toán kỹ thuật khó không thể giản lược, nơi điểm cận biên chính là tất cả, nhưng không thể biện minh được đối với một pipeline chạy một trăm nghìn lần mỗi ngày.

Mỗi thứ thực sự dành cho ai

Chọn DeepSeek V4 Pro nếu bất kỳ điều nào sau đây đúng: khối lượng công việc của bạn lớn và nhạy cảm về chi phí; bạn cần đầu ra dài hơn mức trần mà một hệ thống điều phối sẽ cấp cho bạn; bạn cần một hệ thống mà bạn có thể kiểm toán, tinh chỉnh hoặc tự vận hành trên phần cứng của riêng mình vì lý do lưu trú dữ liệu; hoặc bạn cần mức giá là một con số bạn có thể tính toán thay vì một con số bạn chỉ quan sát được. Giấy phép MIT mở không phải là một tính năng tiếp thị — đó là hình thức mạnh mẽ nhất của lập luận về khả năng phục hồi mà cả hai hệ thống đang đưa ra, bởi vì nó không phụ thuộc vào thiện chí tiếp tục của bất kỳ nhà cung cấp nào. Với mức giá khoảng 0,87 đô la cho mỗi triệu token đầu ra, nó cũng rẻ đến mức việc thử nghiệm chẳng tốn kém gì.

Chọn Fugu Ultra v2 nếu điểm cận biên đáng giá gấp nhiều lần, công việc có tính dài hạn, và tính đúng đắn có thể kiểm tra được — lập trình với bộ kiểm thử, suy luận tài liệu có cấu trúc, phân tích nhiều bước nơi vai trò Verifier có thể bắt được lỗi mà một lượt duy nhất sẽ phát hành. Các nghiên cứu điển hình của chính Sakana chỉ ra chính xác điều này: một lần chạy nghiên cứu tự động kéo dài mười bốn giờ, một trình giải khối Rubik đã hoàn thành tất cả 300 lần xáo trộn trong khi hai baseline ẩn danh bị lỗi hoàn toàn. Hãy lưu ý rằng những baseline đó được ẩn danh và do nhà cung cấp lựa chọn, điều này làm suy yếu chúng như bằng chứng và không làm chúng trở thành sai. Cũng hãy lưu ý ràng buộc khiến cuộc thảo luận kết thúc đối với một số đội: Fugu Ultra v2 không được bán ở EU hoặc EEA, và Sakana nói rõ điều đó.

Một lưu ý thực tế nếu bạn định chạy một trong hai. Fugu Ultra v2 không có trên OrcaRouter — nó được cung cấp qua API tương thích OpenAI của chính Sakana và một số nền tảng bên thứ ba, và nâng cấp từ một Fugu trước đó chỉ là thay đổi tham số một dòng. DeepSeek V4 Pro có trên OrcaRouter ở mức giá niêm yết của nhà cung cấp với 0% markup, điều này ở đây quan trọng hơn bình thường: DeepSeek đã công bố một lần điều chỉnh giá trong chu kỳ này, và trên một router chuyển tiếp, thay đổi giá của nhà cung cấp có hiệu lực ngay trên cùng key trong cùng ngày thay vì sau một lần đàm phán lại. Nếu bạn muốn đánh giá hiệu năng cả hai so với khối lượng công việc của riêng mình trước khi cam kết, phía rẻ hơn của so sánh là phía bạn có thể gọi ở giá niêm yết với tính năng tự động chuyển đổi dự phòng phía sau.

Phán quyết

Đây không phải là một cuộc so tài sát nút về kinh tế và cũng không phải là một cuộc so tài mang tính quyết định về năng lực. DeepSeek V4 Pro là lựa chọn mặc định tốt hơn với khoảng cách lớn: trọng số mở mà bạn có thể nắm giữ, giới hạn đầu ra 384K, ngữ cảnh 1M, các điểm số ngữ cảnh dài được công bố, và mức giá đầu ra chỉ bằng khoảng một phần ba mươi tư giá của Fugu Ultra v2. Fugu Ultra v2 là công cụ tốt hơn cho một nhóm hẹp các bài toán đắt đỏ, và tuyên bố của Sakana — rằng một nhóm cố định loại trừ ba mô hình mạnh nhất vẫn có thể đánh bại chúng trong công việc có thể kiểm chứng — là lập luận kiến trúc thú vị nhất trong lĩnh vực hiện nay, và là lập luận có ít bằng chứng độc lập nhất hậu thuẫn.

Giải pháp thực tế không phải là chọn một. Hãy dùng DeepSeek V4 Pro làm mặc định vì nó rẻ, mở và nhanh, đồng thời để dành Fugu Ultra v2 cho những tác vụ mà việc chi phí tăng gấp trăm lần vẫn nhỏ hơn cái giá của việc sai. Điều bạn không nên làm là đọc bảng tám benchmark của Sakana như bằng chứng rằng bộ điều phối đắt tiền đã thay thế mô hình mở rẻ. Ở hàng duy nhất chúng cùng có, nó dẫn trước 11,6 điểm với mức giá đầu ra gấp 34 lần. Đó là món hời hay cái bẫy phụ thuộc hoàn toàn vào việc bạn nhắm nó vào bài toán nào.