Một thẻ tiêu đề hero ghi 'Fugu Ultra v2 so với Qwen3.8-Max' với phụ đề 'Vì sao mức giá lại là con số sai', ba nhãn dạng viên thuốc ghi 'Đầu ra: $30.00 so với $6.00', 'Trên 272K: mức giá tăng gấp đôi' và 'Điểm Fugu độc lập: không có', một dòng chân trang ghi 'Sakana AI, ngày 11 tháng 9 năm 2026 so với Alibaba, tháng 8 năm 2026', và logo OrcaRouter ở góc dưới cùng bên phải.
Guides & Insights

Fugu Ultra v2 so với Qwen3.8-Max: vì sao mức giá là con số sai

Tác giả

Alistair Wren

Ngày đăng

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

Fugu Ultra v2 có giá $30.00 mỗi triệu token đầu ra. Qwen3.8-Max có giá $6.00. Đó là khoảng cách năm-một, và nếu bạn chọn giữa hai hệ thống agentic này dựa trên tỷ lệ đó, bạn sẽ chọn sai — bởi vì thực tế không bên nào được tính phí theo cách mà bảng giá của nó gợi ý. Theo đo lường của chính Artificial Analysis, Qwen3.8-Max đã tạo ra 180 triệu token đầu ra để hoàn thành Intelligence Index, nhiều hơn gấp đôi con số 89 triệu của mô hình trung vị, với chi phí $2.67 mỗi tác vụ. Xét theo token, nó là một mô hình tiết kiệm; xét theo câu trả lời, nó là một mô hình xa hoa. Fugu Ultra v2 của Sakana AI, ra mắt ngày 11 tháng 9 năm 2026, có hình dạng ngược lại: một nhóm không được tiết lộ gồm các mô hình của những phòng thí nghiệm khác mà nó khởi tạo và điều phối theo từng yêu cầu, được tính phí theo một mức giá pha trộn duy nhất mà Sakana nói rằng không nhân lên khi thêm các agent. Một bên là một mô hình đơn lẻ 2,4 nghìn tỷ tham số, suy nghĩ thành tiếng trong một thời gian dài. Bên kia là một bộ điều phối nhỏ thuê trợ giúp. So sánh giá token của chúng gần như không cho bạn biết điều gì về việc cái nào rẻ hơn để vận hành.

Hai cách trái ngược để trở nên đắt đỏ

Hãy bắt đầu với cơ chế, vì nó giải thích mọi khác biệt khác trong so sánh này.

Qwen3.8-Max là một mô hình mixture-of-experts thưa — tổng cộng 2,4 nghìn tỷ tham số, khoảng 95 tỷ tham số hoạt động mỗi token — đạt được kết quả cận biên giới bằng cách làm việc lâu hơn thay vì lớn hơn. Artificial Analysis đo nó ở 37,8 token đầu ra mỗi giây, xếp hạng #154 trong 200 mô hình về tốc độ, với 180 triệu token đầu ra được phát ra trên Intelligence Index (#70 trong 200 về độ dài dòng). Chi phí cho mỗi tác vụ Intelligence Index của nó là 2,67 USD, và mức chiết khấu bộ nhớ đệm của nó sâu bất thường ở 88%, đây chính là đòn bẩy thực sự kiểm soát hóa đơn ở đây: một lượt chạy tác nhân dài liên tục đọc lại cùng một ngữ cảnh thì rẻ, còn một lượt liên tục tạo văn bản mới thì không.

Fugu Ultra v2 tiếp cận cùng vấn đề từ phía ngược lại. Nó là một orchestrator — một coordinator nhỏ đã được huấn luyện, được báo cáo khoảng 7 tỷ tham số, đọc một yêu cầu, tập hợp một đội agent theo các vai trò Thinker, Worker và Verifier từ công trình TRINITY của Sakana, rồi tổng hợp câu trả lời. Hóa đơn token của nó là tổng những gì các sub-agent tạo ra cộng với phần văn bản tổng hợp của chính coordinator. Sakana cam kết trong FAQ về giá của mình rằng bạn bị tính một mức giá hỗn hợp duy nhất gắn với mô hình cao cấp nhất tham gia và rằng việc thêm agent không làm nhân hóa đơn lên, điều này loại bỏ kiểu bùng nổ kinh điển của multi-agent khi việc fan-out nhân chi phí lên. Điều nó không loại bỏ là khối lượng. Ở mức 30,00 USD cho mỗi triệu token đầu ra, con số quan trọng là có bao nhiêu agent đã chạy và chúng đã viết bao nhiêu, và đó là con số mà cả bạn lẫn Sakana đều không thể dự đoán từ trang giá.

Đó là cách định hình trung thực về khoảng cách giá: nó là một mức đơn giá, chứ không phải một tổng chi phí. Một mức đơn giá cao gấp năm lần, áp lên một khối lượng công việc mà bạn không thể dự báo sản lượng đầu ra, không phải là chi phí gấp năm lần — đó là một bội số không có giới hạn, với một mức sàn có thể dự đoán trước.

A two-column scoreboard titled 'Fugu Ultra v2 vs Qwen3.8-Max Scoreboard' contrasting six dimensions. Fugu Ultra v2: price $5.00/$30.00 per 1M, context 1M tokens, above 272K input doubles to $10, AA Index none published, speed not measured, weights closed with pool undisclosed. Qwen3.8-Max: price $2.00/$6.00 per 1M, context 1M tokens, above 272K no surcharge, AA Index 40 ranked #30 of 200, speed 37.8 tokens/sec, weights open checkpoint published. Footer reads 'Fugu Ultra v2 figures vendor-reported; no independent evaluation. Qwen3.8-Max figures per Artificial Analysis, recalibrated scale.' OrcaRouter logo bottom-right.

Bảng thông số kỹ thuật, và một dòng duy nhất quyết định tất cả

• Giá — Fugu Ultra v2 $5.00 vào / $30.00 ra mỗi 1 triệu token so với Qwen3.8-Max $2.00 vào / $6.00 ra

• Đầu vào được lưu trong bộ đệm — Fugu Ultra v2 $0,50 mỗi 1M so với Qwen3.8-Max $0,25 mỗi 1M lượt đọc, và mức chiết khấu bộ đệm 88% do Artificial Analysis đo lường

• Phụ phí ngữ cảnh dài — đầu vào Fugu Ultra v2 tăng gấp đôi lên $10.00 và đầu ra lên $45.00 khi trên 272K token, so với Qwen3.8-Max không có phụ phí prompt dài, đồng giá đến hết cửa sổ

• Cửa sổ ngữ cảnh — Fugu Ultra v2 1M token so với Qwen3.8-Max 1M token

• Giới hạn đầu ra — Fugu Ultra v2 không được công bố dưới dạng một con số cụ thể, so với Qwen3.8-Max khoảng 128K token

• Phương thức đầu vào — văn bản Fugu Ultra v2, được hậu thuẫn bởi các năng lực riêng của pool, so với văn bản, hình ảnh, video và PDF của Qwen3.8-Max

• Trọng số — Fugu Ultra v2 đóng, thành viên nhóm không được tiết lộ theo thiết kế so với Qwen3.8-Max trọng số mở được công bố cho checkpoint thuộc lớp Max theo một giấy phép tùy chỉnh

• Tính sẵn có theo khu vực — Fugu Ultra v2 không được bán ở EU/EEA so với Qwen3.8-Max có sẵn mà không bị hạn chế theo khu vực

• Đánh giá độc lập — Fugu Ultra v2 không có công bố nào, và không tồn tại trang Artificial Analysis nào cho bất kỳ mô hình Fugu nào, so với Qwen3.8-Max, một mục Artificial Analysis đang hoạt động với các số liệu được công bố về tốc độ, độ dài diễn đạt và chi phí trên mỗi tác vụ

Đọc hai hàng cuối cùng cùng nhau và sự so kè trở nên rõ nét hơn. Qwen3.8-Max là một mô hình mà bạn có thể ghim theo phiên bản, đọc giấy phép, tải một checkpoint về, và đối chiếu với bảng điểm của bên thứ ba. Fugu Ultra v2 là một hệ thống mà bạn không thể kiểm tra, không thể tự vận hành, không thể mua ở châu Âu, và không thể xác minh với bất kỳ ai ngoài Sakana. Khoản phụ thu 272K càng làm vấn đề thêm trầm trọng: vượt qua ngưỡng đó, mức giá đầu vào của Fugu Ultra v2 tăng gấp đôi và mức giá đầu ra tăng thêm một nửa, trong khi mức giá của Qwen3.8-Max không thay đổi. Đối với công việc tài liệu và kho mã dài hạn mà cả hai hệ thống được xây dựng để đáp ứng, mức giá quảng cáo rẻ hơn cũng là mức phẳng hơn.

Con số Qwen3.8-Max mà mọi người trích dẫn đã lỗi thời.

Nếu bạn đã đọc về mô hình này ở bất kỳ đâu trong hai tuần qua, hẳn bạn đã thấy Chỉ số Trí tuệ của Artificial Analysis ở mức 58, hoặc 58,1, hoặc 58,4. Những con số đó là có thật và giờ đây đã không còn là con số hiện hành. Artificial Analysis đã hiệu chỉnh lại chỉ số của mình lên v4.3 vào ngày 7 tháng 9 năm 2026, thu hẹp điểm số trên toàn bộ các mô hình, và trang Qwen3.8-Max đang hoạt động hiện hiển thị 40, xếp mô hình ở vị trí #30 trong số 200 mô hình — kèm theo huy hiệu "Updated" đánh dấu một điểm số đã được trình bày lại. Các bài viết cũ hơn cũng mang theo mức thuế công sức được đo trên thang điểm trước đó: 64 lượt mỗi tác vụ so với 14 lượt của thế hệ Qwen trước, và khoảng 1,14 USD cho mỗi tác vụ Chỉ số Trí tuệ. Trang hiện tại hiển thị 2,67 USD mỗi tác vụ, 37,8 token đầu ra mỗi giây, và 180 triệu token đầu ra trên chỉ số.

Có hai hệ quả sau đây. Thứ nhất, trên thang đo đã hiệu chỉnh lại, Qwen3.8-Max nằm cùng dải với phần còn lại của tầng thứ hai trong giới tiên phong, chứ không ngang hàng với giới tiên phong, và bất kỳ so sánh nào bạn đọc được mà xếp nó đối chiếu với Claude Opus 5 hay Kimi K3 ở mức 58 thì đều đang so sánh các bản chụp từ những thang đo khác nhau. Thứ hai, và hữu ích hơn cho cuộc đối đầu này, việc hiệu chỉnh chỉ có một chiều: Qwen3.8-Max có một con số có thể sai và rồi được sửa. Fugu Ultra v2 không có con số nào. Mọi số liệu Fugu trong bài viết này đều đến từ đánh giá của chính Sakana, và tính đến ngày 11 tháng 9, không có trang Artificial Analysis nào cho Fugu Ultra v2 hay bất kỳ mô hình Fugu nào khác — URL báo lỗi 404. Khi một nhà cung cấp công bố bảng điểm và không có bên độc lập nào đã chạy mô hình, thì bảng điểm chính là toàn bộ hồ sơ ghi nhận.

Nơi chúng thực sự trùng nhau, và nơi chúng không trùng nhau.

Sakana báo cáo Fugu Ultra v2 là tốt nhất hoặc đồng hạng nhất trên năm trong số tám benchmark — GDP.pdf, Chartography, SWEFish, DeepSWE và Toolathon — và lọt top hai trên bảy trong số tám. Hai con số cụ thể trong thông cáo là Chartography ở mức 48,3, so với 27,3 của Claude Opus 5 và 29,5 của Claude Fable 5 trong cùng bảng, và DeepSWE ở mức 74,3. Các dòng do Ali​baba tự công bố cho Qwen3.8-Max bao gồm Terminal-Bench 2.1 ở mức 86,6, OSWorld-Verified ở mức 86,1, GPQA Diamond ở mức 92,6 và SWE-bench Pro ở mức 67,7.

Hãy để ý xem hai danh sách đó có điểm gì chung: không có gì cả. Không một benchmark nào xuất hiện trong cả hai bảng của nhà cung cấp. Không có hàng nào mà bạn có thể đặt một con số của Sakana cạnh một con số của Alibaba và đọc ra người thắng, nghĩa là câu trả lời trung thực cho câu hỏi "cái nào làm coding agent tốt hơn" là không có bằng chứng nào được công bố trả lời được điều đó. Cái đang tồn tại là một hệ thống với tám hàng do nhà cung cấp tự chọn và không có kiểm chứng từ bên ngoài, và một hệ thống với các hàng của nhà cung cấp cùng một mục độc lập đo chi phí và tốc độ thay vì so sánh trực tiếp năng lực. Đó là một lỗ hổng trong bằng chứng, không phải lỗ hổng ở các mô hình, và nó nên thay đổi cách bạn mua: bạn không thể chọn giữa chúng dựa trên benchmark, nên hãy chọn dựa trên những thuộc tính bạn thực sự có thể kiểm chứng.

A screenshot of the Sakana AI announcement page (English UI, captured September 11, 2026) headed 'Introducing Fugu Max and Fugu Ultra v2: Orchestrating the Pareto Frontier' dated September 11, 2026, with the opening paragraphs arguing that the frontier which matters is two-dimensional — capability against cost — and stating that Fugu Ultra v2 pushes peak performance higher without indispensable reliance on the frontier models it orchestrates.

Trọng số mở so với một tập hợp không được tiết lộ

Đây là điểm mà lập luận lock-in thông thường bị đảo ngược, và đó là điều thú vị nhất ở sự kết hợp này.

Luận điểm chào bán của Sakana cho Fugu Ultra v2 là chủ quyền. Một nhóm mô hình mở và chuyên biệt có thể hoán đổi cho nhau nghĩa là không quyết định giá, lịch ngừng hỗ trợ hay thay đổi chính sách của bất kỳ nhà cung cấp đơn lẻ nào có thể đánh sập sản phẩm của bạn, và bản phát hành này nêu rõ luận điểm đó bằng việc lưu ý rằng thành phần của nhóm đã thay đổi trong v2. Công ty cũng tuyên bố thẳng thừng rằng điểm số của Fugu Ultra v2 đạt được mà không có Claude Fable 5, Claude Fable 5.1 hay GPT-6 Astra trong nhóm agent — tự nhận đã thắng ba mô hình mạnh nhất hiện có trong khi xác nhận rằng nó không gọi mô hình nào trong số đó. Dù nhóm có chứa gì đi nữa, theo chính cách tính của Sakana, nó không phải là đỉnh cao của thị trường.

Nhưng biện pháp phòng ngừa này có một cái giá không hề nằm trên bảng giá. Bạn không thể nhìn thấy pool, bạn không thể chọn đưa một thành viên vào hay loại ra khỏi gói Ultra, bạn không thể tự vận hành bất kỳ phần nào của nó, và bạn hoàn toàn không thể chạy nó ở EU/EEA — việc điều phối đặt tại Singapore trên trọng số của các lab khác là một hồ sơ rủi ro khác với việc sở hữu chính trọng số đó. Qwen3.8-Max đảo ngược điều đó một cách chính xác. Đây là mô hình của một nhà cung cấp duy nhất và do đó chịu tác động từ các quyết định của một nhà cung cấp duy nhất, nhưng Alibaba đã công bố trọng số mở cho checkpoint Qwen3.8-2.4T-A95B thuộc lớp Max theo một giấy phép tùy chỉnh, nghĩa là lối thoát hiểm là có thật chứ không chỉ là hùng biện: nếu giá cả hoặc điều khoản thay đổi, mô hình có thể được phục vụ từ hạ tầng của chính bạn. Đối với một đội mà nỗi sợ thực sự là việc nhà cung cấp rút thảm dưới chân mình, một checkpoint có thể tải xuống là bảo đảm mạnh mẽ hơn lời hứa về một pool mà bạn không được phép kiểm tra.

Có một điểm bậc hai dành cho bất kỳ ai đang vận hành agent trên cả hai nền tảng. Qwen3.8-Max có trong danh mục của chúng tôi ở mức 2,00 đô cho đầu vào và 6,00 đô cho đầu ra, đây là giá niêm yết của Ali​baba với 0% markup được chuyển thẳng qua — thay đổi giá từ nhà cung cấp sẽ vào cùng khóa trong cùng ngày, và cơ chế chuyển đổi dự phòng tự động sẽ xử lý một đường dẫn nhà cung cấp bị giới hạn tần suất hoặc suy giảm. Fugu Ultra v2 không có trên OrcaRouter. Nó đến với bạn thông 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 tham số trong một dòng. Router không phải là thứ thay thế cho coordinator, và coordinator không phải là thứ thay thế cho khả năng chuyển đổi dự phòng; nếu bạn muốn cả hai đặc tính đó, bạn đang vận hành hệ thống của hai nhà cung cấp và nên dự trù cho hai hóa đơn.

Bạn nên chọn cái nào

Hãy chọn Qwen3.8-Max nếu bạn cần một mô hình mà bạn có thể dự báo, kiểm chứng và thoát khỏi. Tốc độ đầu ra của nó bằng một phần ba Fugu Ultra v2 theo giá niêm yết, nó không gặp hiện tượng sụt giảm hiệu năng ở ngữ cảnh dài, nó chấp nhận hình ảnh, video và PDF, trong khi phương thức của Fugu pool là bất cứ thứ gì mà các tác nhân bên dưới tình cờ hỗ trợ, nó công bố một checkpoint mà bạn có thể quay về, nó được bán ở khắp mọi nơi, và nó có một mục độc lập trực tiếp đo lường những thứ thực sự chi phối hóa đơn của bạn — 37,8 token mỗi giây và một con số chi phí mỗi tác vụ mà bạn có thể mô hình hóa trước khi cam kết. Điểm yếu của nó cũng cụ thể không kém và đáng được nêu tên: nó chậm, xếp hạng #154 trong số 200 về tốc độ, nó cực kỳ dài dòng với 180 triệu token trên chỉ mục, và Artificial Analysis đã đo riêng rằng tỷ lệ ảo giác của nó tăng từ 23% lên 40% so với thế hệ trước, đó là một mối lo nghiêm trọng đúng với loại công việc tự trị nhiều bước mà nó được tiếp thị. Hãy dự trù ngân sách cho một trình kiểm chứng, và tận dụng triệt để mức giảm giá deep cache.

Chọn Fugu Ultra v2 nếu công việc của bạn có tầm nhìn dài hạn và có thể kiểm chứng, ngân sách của bạn mang tính thăm dò chứ không phải sản xuất, và bạn ở ngoài EU/EEA. Lập luận mang tính cấu trúc cho một bộ điều phối là có thật, và chính các ví dụ của nhà cung cấp đều nhất quán hướng về điều đó — một lượt chạy nghiên cứu tự động gồm 123 thí nghiệm trong mười bốn giờ trên một chiếc H100 duy nhất, một bộ giải khối Rubik thuần Python đã hoàn thành cả 300 khối đã xáo trộn, trong khi hai baseline tiên tiến được ẩn danh sập hoàn toàn. Đó là những ví dụ do nhà cung cấp chọn lọc với các baseline được ẩn danh, và chúng chứng minh được ít hơn vẻ bề ngoài, nhưng mô thức thì mạch lạc: ở những tác vụ mà tính đúng đắn có thể kiểm chứng và phần khó nằm ở sự bền bỉ, việc tạo ra một trình xác minh sẽ thắng việc bắt một mô hình gắng sức hơn. Thứ bạn đang mua là sự bền bỉ đó, với mức giá gấp năm lần Qwen3.8-Max, trong một hệ thống mà bạn không thể kiểm toán chất lượng và không thể cố định pool của nó. Hãy thí điểm nó trong phạm vi giới hạn, đo lường token đầu ra trên mỗi tác vụ hoàn thành thay vì trên mỗi token, và đặt mức trần trước lần chạy đầu tiên.

A screenshot of the OrcaRouter model page for Qwen3.8 Max (English UI, captured September 11, 2026), showing the model title, the 'Featured' badge, the identifier qwen/qwen3.8-max, vision, tools, JSON and reasoning capability tags, a 1M-token context window, text and image and video input, a p50 TTFT of 10.00 seconds, list pricing of $2.00 per 1M input tokens and $6.00 per 1M output tokens, and an OpenAI-compatible base URL with Python and cURL code samples.

Lý do thẻ giá ghi sai con số là cả hai sản phẩm này đều đã chuyển chi phí của một câu trả lời ra khỏi chi phí của một token. Fugu Ultra v2 làm điều đó bằng cách phân tán sang những mô hình mà nó không nêu tên. Qwen3.8-Max làm điều đó bằng cách suy nghĩ trong 180 triệu token. Nếu bạn đã biết khối lượng token cho mỗi tác vụ của mình, phép tính rất đơn giản và bạn nên tự tính. Hầu hết các nhóm không biết con số đó, và với họ, quyết định thu gọn lại thành một điều đơn giản hơn: Qwen3.8-Max là lựa chọn mà bạn có thể kiểm toán, định giá và từ bỏ, còn Fugu Ultra v2 là lựa chọn đặt cược rằng phối hợp sẽ thắng năng lực. Cả hai đều có thể biện minh được. Chỉ một trong hai đi kèm với bằng chứng.

So sánh trong bài viết này1

Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày