Thẻ tiêu đề hero cho Fugu Ultra v2 vs Gemini 3.1 Pro với phụ đề 'Đối thủ có thể đã nằm sẵn bên trong cỗ máy', các huy hiệu dạng viên thuốc ghi '$30.00 vs $12.00 đầu ra', 'CharXiv 86.6 vs 80.2 định hướng' và 'Nhóm chưa công bố', dòng chân trang 'Sakana AI vs Google DeepMind - tháng 9 năm 2026', và logo OrcaRouter ở góc dưới bên phải.
Guides & Insights

Fugu Ultra v2 so với Gemini 3.1 Pro: đối thủ có thể đã nằm ngay trong cỗ máy

Tác giả

Gideon Frost

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Có một phiên bản của so sánh Fugu Ultra v2 với Gem​ini 3.1 Pro, trong đó Gem​ini thắng bất kể benchmark diễn ra theo hướng nào — bởi vì nó có thể đang làm một phần công việc. Hệ thống điều phối của Sakana AI, phát hành ngày 11 tháng 9 năm 2026, không tiết lộ nó điều phối những mô hình nào; nhóm mô hình được báo cáo của Fugu Ultra hồi tháng Sáu bao gồm Gem​ini 3.1 Pro cùng những mô hình khác, và phiên bản 2.0 chỉ cho chúng ta biết những gì nó đã loại bỏ, nêu tên Claude Fable 5, Claude Fable 5.1 và GPT-6 Astra là bị loại. Gem​ini 3.1 Pro của Goo​gle là một mô hình đa phương thức tiên tiến duy nhất với ngữ cảnh 1M token, xử lý văn bản, hình ảnh, PDF, âm thanh và video, được cung cấp rộng rãi từ tháng 5 năm 2026 với giá 2,00 USD cho mỗi triệu token đầu vào và 12,00 USD cho mỗi triệu token đầu ra. Một trong hai thứ này là một mô hình bạn có thể kiểm tra. Thứ còn lại là một hệ thống mà những chiến thắng trên benchmark của nó có thể được định tuyến qua mô hình đầu tiên, và cả hai nhà cung cấp đều không nói cho bạn biết liệu chúng có làm vậy hay không.

Mỗi hệ thống thực sự là gì

Gemini 3.1 Pro rõ ràng theo một cách đã trở nên hiếm thấy trong các bản phát hành tiên phong. Đây là một transformer mixture-of-experts thưa từ Google DeepMind, lần đầu được phát hành dưới dạng xem trước vào ngày 19 tháng 2 năm 2026, với một nguồn cho rằng ngày phát hành chung là tháng 5 năm 2026 — danh sách của chúng tôi ghi nó dưới ID mô hình xem trước. Nó có cửa sổ đầu vào 1M token và giới hạn đầu ra 65K token, chấp nhận văn bản, hình ảnh, PDF, âm thanh, video và mã, đồng thời cung cấp điều khiển suy luận ba cấp — thấp, trung bình hoặc cao — với cao là mặc định của API. Google báo cáo 77,1% trên ARC-AGI-2, cao hơn gấp đôi so với 31,1% của thế hệ trước; 94,3% trên GPQA Diamond; 80,6% trên SWE-bench Verified; 68,5% trên Terminal-Bench 2.0; 85,9% trên BrowseComp; và 44,4% trên Humanity's Last Exam không dùng công cụ, tăng lên 51,4% khi có tìm kiếm và thực thi mã. Đó là các số liệu từ nhà cung cấp. Điểm cắt kiến thức của nó là tháng 1 năm 2025, điều đáng lưu ý nếu công việc của bạn phụ thuộc vào các sự kiện gần đây.

Fugu Ultra v2 là một bộ điều phối. Nó là một mô hình đã được huấn luyện, được báo cáo có khoảng 7 tỷ tham số, đọc một yêu cầu, tập hợp một nhóm agent gồm các vai trò Thinker, Worker và Verifier lấy từ nghiên cứu TRINITY của Sakana, rồi tổng hợp câu trả lời phía sau một điểm cuối tương thích OpenAI. Nó không có danh sách phương thức được công bố của riêng mình — bất cứ thứ gì nó có thể thấy, nó thấy được là vì một mô hình trong nhóm của nó có thể thấy điều đó. Ngữ cảnh của nó là 1M token với một ngưỡng giá tăng vọt ở 272K, nơi mức giá tăng gấp đôi lên 10 USD đầu vào và 45 USD đầu ra. Giới hạn đầu ra của nó không được công bố. Nhóm mô hình của nó không được tiết lộ, các quyết định định tuyến của nó “không được tiết lộ theo thiết kế”, và đối với hạng Ultra, nhóm mô hình là cố định, nên bạn không thể loại trừ một nhà cung cấp.

Sự bất đối xứng đó chính là toàn bộ cuộc đối đầu. Gem​ini 3.1 Pro là một thành phần bạn có thể mua trực tiếp và suy xét. Fugu Ultra v2 là một tổ hợp mà bạn không thể nhìn thấy các bộ phận của nó, và những tuyên bố benchmark mạnh nhất của nó có thể, một phần, là kết quả của chính Gem​ini kết hợp với kết quả của người khác.

A screenshot of the Sakana Fugu product page at sakana.ai/fugu (captured September 11, 2026, English UI), showing the 'Sakana Fugu' wordmark with the subtitle 'One Model to Command Them All' and the description that Fugu dynamically orchestrates the world's best models to tackle complex, multi-step tasks behind a single API, plus the notice reading 'Not yet available in the EU/EEA while we work toward compliance with GDPR and EU-specific regulations.'

Sự so sánh nơi hai cái chồng lên nhau

Rất ít bằng chứng được công bố xếp hai hệ thống vào cùng một hàng. Các số liệu của Gemini 3.1 Pro dưới đây là của chính Google; các số liệu của Fugu Ultra v2 là của chính Sakana; khi một đơn vị tổng hợp bên thứ ba đã công bố một hàng chung, hàng đó được đánh dấu và đi kèm lưu ý rằng nó chỉ mang tính định hướng chứ không mang tính quyết định.

• Suy luận đa phương thức (CharXiv, hàng dùng chung) — Fugu Ultra v2 86,6% so với Gem​ini 3.1 Pro 80,2%, theo BenchLM, đơn vị gắn nhãn danh mục này là mang tính định hướng và từ chối nêu tên người chiến thắng

• TerminalBench 2.1 — không có số liệu Fugu Ultra v2 v2.0 so với Gem​ini 3.1 Pro; không có số liệu công bố tương đương; Fugu Ultra tháng Sáu báo cáo 82,1% so với 70,3% của Gem​ini 3.1 Pro trong tổng hợp của bên thứ ba

• SWE-Bench Pro — không có số liệu Fugu Ultra v2 v2.0 so với Gemini 3.1 Pro, cũng không có số liệu công bố tương đương; Fugu Ultra hồi tháng Sáu báo cáo 73,7% so với 54,2% của Gemini 3.1 Pro

• ARC-AGI-2 — không có số liệu Fugu Ultra v2 so với Gem​ini 3.1 Pro 77,1%, do nhà cung cấp báo cáo

• Humanity's Last Exam — không có số liệu cho Fugu Ultra v2 v2.0 so với Gem​ini 3.1 Pro: 44,4% khi không dùng công cụ, 51,4% khi dùng công cụ, theo báo cáo của nhà cung cấp

• Phạm vi bao phủ phương thức — Fugu Ultra v2 kế thừa bất cứ thứ gì pool của nó hỗ trợ, không được tiết lộ; so với Gem​ini 3.1 Pro: văn bản, hình ảnh, PDF, âm thanh, video và mã, được tài liệu hóa.

• Giá đầu vào / đầu ra — Fugu Ultra v2 $5.00 / $30.00 mỗi 1M, tăng gấp đôi khi vượt 272K so với Gem​ini 3.1 Pro $2.00 / $12.00 mỗi 1M lên đến 200K, $4.00 / $18.00 khi vượt ngưỡng, đầu vào đã cache $0.20 / $0.40

• Ngữ cảnh và đầu ra — Fugu Ultra v2 ngữ cảnh 1M, trần đầu ra chưa công bố so với Gem​ini 3.1 Pro đầu vào 1M, đầu ra 65K

• Trọng số và quyền truy cập — Fugu Ultra v2 đóng, bị loại trừ khỏi EU/EEA so với Gem​ini 3.1 Pro độc quyền nhưng có mặt rộng rãi trên khắp các bề mặt Goo​gle

Dòng đa phương thức là dòng cần xử lý cẩn thận, vì đây là dòng được trích dẫn nhiều nhất và kém vững chắc nhất. Tổng hợp CharXiv của BenchLM xếp Fugu Ultra v2 dẫn trước 6,4 điểm chuẩn hóa — và cùng trang đó nói rõ rằng các dòng định hướng không bao giờ được trao người thắng, rằng Gem​ini không có kết quả đo lường nào trong các hạng mục agentic, lập trình, kiến thức hay đa ngôn ngữ, và rằng Fugu không có kết quả nào trong toán học hay đa ngôn ngữ. Một hạng mục mà trong phần lớn các dòng chỉ có một bên được đo lường thì không thể đưa ra phán quyết. Nếu bạn không rút ra được gì khác từ so sánh này, hãy nhớ điều này: cụ thể là với công việc đa phương thức, bằng chứng đã công bố không ủng hộ một kết luận theo bất kỳ hướng nào, và dòng duy nhất hiện có rõ ràng không phải là một kết quả đã ngã ngũ.

Khả năng làm thay đổi khung

Sakana sẽ không nói trong pool có gì. Đó là một lựa chọn thiết kế đã được ghi chép rõ ràng, không phải một sơ suất — FAQ nói rằng thông tin định tuyến không được tiết lộ theo đúng thiết kế, và không có cơ chế nào để kiểm tra nó. Điều chúng ta biết được từ thế hệ tháng Sáu là các thành viên được báo cáo trong pool bao gồm Gem​ini 3.1 Pro cùng với những mô hình tiên phong khác. Phiên bản 2.0 đã thay đổi pool, và Sakana chỉ mô tả sự thay đổi đó bằng phép trừ: Claude Fable 5, Claude Fable 5.1 và GPT-6 Astra đã bị loại. Không có gì trong bản phát hành nói rằng Gem​ini vẫn còn nằm trong đó.

Nếu Gem​ini 3.1 Pro nằm trong nhóm, thì có ba hệ quả, và cả ba đều mang tính thực tiễn chứ không phải triết lý. Thứ nhất, một phần hiệu năng đa phương thức của Fugu Ultra v2 thực ra là hiệu năng của Gem​ini, kết hợp với các mô hình khác — nghĩa là bạn đang trả thêm phí phối hợp trên mức giá mỗi token mà bạn có thể trả trực tiếp. Thứ hai, Fugu Ultra v2 với giá 30 USD cho mỗi triệu token đầu ra so với Gem​ini 3.1 Pro ở mức 12 USD là phần phụ trội cho việc lắp ghép, chứ không phải cho năng lực thô; nếu tác vụ của bạn chỉ là một câu hỏi đa phương thức duy nhất, Gem​ini trả lời rẻ hơn và bạn có thể thấy chính xác mô hình nào đã trả lời. Thứ ba, và hữu ích nhất, thước đo trung thực của một bộ điều phối không phải là "liệu nó có đánh bại các thành phần của nó không" mà là "liệu nó có đánh bại thành phần tốt nhất của nó khi bạn chỉ dùng riêng thành phần đó không." Kiến trúc của Sakana được xây dựng trên tuyên bố rằng nó làm được điều đó, trên các tác vụ có thể kiểm chứng. Tuyên bố đó đáng để kiểm tra trên khối lượng công việc của chính bạn trước khi bạn chấp nhận nó dựa trên một benchmark đọc biểu đồ.

Có một phiên bản mà ở đó câu trả lời là không, và bộ điều phối vẫn xứng đáng với vị trí của nó. Nếu Gem​ini nằm trong nhóm và điểm Chartography 48,3 của Fugu Ultra v2 so với 27,3 của Claude Opus 5 vẫn đứng vững, thì thứ Sakana xây dựng là một lớp phối hợp khai thác cùng một mô hình một cách đáng tin cậy nhiều hơn so với việc bạn gọi nó một lần. Đó là một sản phẩm thật, và câu hỏi còn bỏ ngỏ chỉ là liệu phần chênh lệch có bù đắp được mức giá hay không. Chưa ai công bố thí nghiệm đó.

A two-column scoreboard for Fugu Ultra v2 vs Gemini 3.1 Pro titled 'Fugu Ultra v2 vs Gemini 3.1 Pro - the scoreboard'. Left column Fugu Ultra v2: Input price $5.00 / 1M, Output price $30.00 / 1M, Modalities inherited, undisclosed, CharXiv 86.6 (directional), Weights closed, pool hidden, EU/EEA availability not served. Right column Gemini 3.1 Pro: Input price $2.00 / 1M, Output price $12.00 / 1M, Modalities text, image, PDF, audio, video, CharXiv 80.2 (directional), Weights proprietary, documented, EU/EEA availability available. Footer 'CharXiv row directional only per BenchLM; Fugu figures vendor-reported by Sakana.', with the OrcaRouter logo bottom-right.

Nơi những ranh giới trung thực

Các lợi thế của Gemini 3.1 Pro là cụ thể. Nó có giá bằng khoảng hai phần năm giá của Fugu Ultra v2 cho đầu vào và đầu ra, và không giống Fugu, mức giá của nó không tăng gấp đôi khi vượt qua một ngưỡng ngữ cảnh — bước nhảy ở 200K nhẹ nhàng hơn so với vách đá 272K. Nó ghi rõ các phương thức của mình thay vì kế thừa chúng, nghĩa là công việc âm thanh và video là một tính năng được hỗ trợ chứ không phải là một hy vọng. Nó có mức trần đầu ra được công bố. Nó có mặt thông qua các bề mặt của chính Google và, giống như các mô hình khác mà Fugu Ultra v2 được đo lường so sánh, nó có thể được gọi trên OrcaRouter — dưới dạng google/gemini-3.1-pro-preview, theo giá niêm yết của Google với mức markup 0%, nên khi Google thay đổi giá, thay đổi đó sẽ áp dụng lên cùng key vào đúng ngày được công bố.

Lợi thế của Fugu Ultra v2 thì hẹp hơn nhưng có thật. Nó tấn công một bài toán khó nhiều lần, với một vai trò Verifier kiểm tra công việc, đó là lý do những tuyên bố mạnh nhất của nó nằm trên các benchmark nơi tính đúng đắn có thể kiểm chứng được — Chartography, DeepSWE, Toolathon — chứ không phải ở khả năng hồi tưởng kiến thức. Các nghiên cứu điển hình mà Sakana công bố cũng nghiêng theo hướng tương tự: một cơ cấu iris trong CAD cơ khí mở và đóng chính xác, nơi các mô hình khác để lại khoảng trống và những liên kết yếu; một bộ giải khối Rubik bằng Python thuần hoàn thành cả 300 khối đã bị xáo trộn, nơi hai baseline tiên tiến được ẩn danh sụp đổ hoàn toàn. Những baseline đó đã được ẩn danh và do nhà cung cấp chọn, nên hãy coi chúng như minh họa hơn là bằng chứng. Nhưng kiểu mẫu này nhất quán trong toàn bộ bản phát hành, và nó mô tả một năng lực thực sự mà một lần gọi mô hình đơn lẻ không có: sự kiên trì với một bài toán cho đến khi câu trả lời vượt qua được một phép kiểm tra.

Hãy cân nhắc cả những ràng buộc nữa. Fugu Ultra v2 không được bán ở EU hoặc EEA, và Sakana nói rõ rằng họ đang hướng tới tuân thủ GDPR. Gem​ini 3.1 Pro không có hạn chế như vậy và có lịch sử đánh giá độc lập dài hơn nhiều.

A screenshot of the OrcaRouter model page for Gemini 3.1 Pro Preview (google/gemini-3.1-pro-preview, captured September 11, 2026, English UI), showing the Flagship and Featured badges, the capability tags Vision, Audio, Tools, JSON and Reasoning, the 1M token context and 65K max output fields, the input and output modality line reading 'audio + file + image + text + video' to 'text', the pricing tiles reading INPUT $2.00 and OUTPUT $12.00 per 1M tokens with p50 TTFT 3.82s, and the OpenAI-compatible Python code sample pointing at api.orcarouter.ai/v1.

Phán quyết

Với hầu hết các tác vụ đa phương thức, Gemini 3.1 Pro là lựa chọn đúng đắn, và khoảng cách không hề sít sao. Nó rẻ hơn trên mỗi token, rẻ hơn trên mỗi tài liệu, có tài liệu hướng dẫn cho cả âm thanh lẫn video, bị giới hạn ở một ngưỡng ngữ cảnh mà không khiến hóa đơn của bạn tăng gấp đôi giữa chừng, và — phần quan trọng nhất ở đây — bạn có thể thấy rõ thứ gì đã trả lời mình. Nếu bạn cần một mô hình đọc PDF, xem một đoạn clip và trả lời một câu hỏi, thì chẳng có lý lẽ nào để định tuyến việc đó qua một nhóm mô hình không được tiết lộ với mức giá đầu ra gấp hai lần rưỡi.

Fugu Ultra v2 là lựa chọn đúng cho một dạng công việc cụ thể và hẹp hơn nhiều: các tác vụ dài hạn với câu trả lời có thể kiểm chứng, nơi thử giải một vấn đề theo ba cách và xác minh kết quả tốt hơn thử một lần, và nơi mức chất lượng cận biên đáng để trả gấp nhiều lần. Nó hoàn toàn không được cân nhắc nếu bạn có người dùng ở EU hoặc EEA trong phạm vi áp dụng.

Câu hỏi khó chịu mà cuộc so tài này để ngỏ là câu hỏi chưa ai đo lường. Nếu Gemini 3.1 Pro nằm trong nhóm — và câu trả lời trung thực duy nhất hiện nay là Sakana chưa nói rằng nó không nằm trong đó — thì một phần thứ bạn đang mua với Fugu Ultra v2 chính là Gemini 3.1 Pro cùng một lớp điều phối ở bên trên, với mức giá ngụ ý rằng lớp đó đáng giá gấp khoảng hai lần rưỡi mô hình. Điều đó có thể đúng. Kiến trúc của Sakana được xây dựng để làm cho điều đó đúng. Nhưng đó là một giả thuyết với bảng điểm của nhà cung cấp đứng đằng sau và không có kiểm nghiệm độc lập, và cho đến khi ai đó chạy thử nó, mô hình bạn có thể thấy là mô hình bạn có thể bảo vệ.