Step 5 Preview vs Fugu Ultra v2: Một trong hai là mô hình, cái còn lại là bộ định tuyến

So sánh mà hầu hết mọi người muốn giữa Step 5 Preview và Fugu Ultra v2 của Sakana AI là một bảng benchmark. Cả hai bên đều không thể cung cấp bảng đó một cách trung thực. Step 5 Preview chỉ có một phép đo độc lập, được thực hiện theo một thang đánh giá đã bị thay thế vào tuần trước. Fugu Ultra v2 hoàn toàn không có phép đo độc lập nào, bởi vì những đơn vị đánh giá công bố chỉ số trí tuệ chưa bao giờ dựng một trang riêng cho nó. Điều mà cả hai thực sự có là tỷ lệ giá chính xác năm trên một đối với token đầu vào, cùng một sự khác biệt về bản chất khiến tỷ lệ đó gần như vô nghĩa: một bên là checkpoint mixture-of-experts 600 tỷ tham số mà bạn có thể tải về và chạy trên phần cứng của riêng mình, còn bên kia là một lớp điều phối trả lời yêu cầu của bạn bằng cách phân phối nó tới một nhóm mô hình của người khác.

Sự khác biệt đó không phải là một chi tiết nhỏ. Nó quyết định thứ bạn thực sự đang mua, điều gì sẽ xảy ra với kết quả của bạn khi nhà cung cấp đổi ý, và liệu một agent dài hạn được xây dựng trên một trong hai nền tảng đó có thể được chạy lại vào quý sau để cho ra cùng một kết quả hay không.

Hai sản phẩm mang cùng một nhãn tiếp thị

StepFun đã đưa Step 5 Preview lên API của mình vào ngày 20 tháng 9 năm 2026, sau đó công bố các trọng số BF16 và FP8 trên Hugging Face và ModelScope vào ngày 15 tháng 10. Đây là một mô hình duy nhất: một hỗn hợp chuyên gia thưa với 600 tỷ tham số tổng cộng và 27 tỷ tham số hoạt động trên mỗi token, định tuyến 8 trong 352 cộng thêm một chuyên gia chia sẻ, trong một chồng 92 lớp mà nhà cung cấp mô tả là "narrow-deep". Cửa sổ ngữ cảnh là 1 triệu token, đầu vào có thể là văn bản, hình ảnh hoặc video, và đầu ra là văn bản.

Fugu Ultra v2 là một bản phát hành điểm, không phải một kiến trúc mới — Sakana AI đã phát hành nó vào ngày 11 tháng 9 năm 2026 như một bản làm mới của Fugu Ultra từ ngày 22 tháng 6, với model ID là fugu-ultra-v2.0 và một bước di trú tham số chỉ một dòng từ phiên bản trước. Nó là một bộ điều phối: một yêu cầu được đưa vào, hệ thống quyết định mô hình nào hoặc những mô hình nào trong nhóm của nó sẽ xử lý yêu cầu đó, chạy chúng rồi tổng hợp câu trả lời. Nhóm mô hình này cố ý loại trừ Claude Fable 5, Claude Fable 5.1 và GPT-6 Astra. Lập luận của Sakana cho nhóm nhỏ hơn là các thành viên yếu hơn đã kéo tổng thể đi xuống; hiệu ứng bậc hai, thứ mà Sakana không quảng bá, là thành phần cấu thành của thứ bạn đang mua là một quyết định của nhà cung cấp và có thể thay đổi mà không cần số phiên bản.

Các dòng thông số kỹ thuật, cả hai bên

• Đó là gì — Bản xem trước Bước 5: một mô hình hỗn hợp chuyên gia 600B/27B có thể tải xuống. Fugu Ultra v2: một nhóm mô hình được điều phối với một lớp tổng hợp bên trên.

• Ngày phát hành — Step 5 Preview: API vào ngày 20 tháng 9 năm 2026, trọng số vào ngày 15 tháng 10 năm 2026. Fugu Ultra v2: ngày 11 tháng 9 năm 2026, là bản làm mới của bản gốc tháng 6 năm 2026.

• Cửa sổ ngữ cảnh — Step 5 Preview: 1 triệu token. Fugu Ultra v2: 1 triệu token, với bậc giá áp dụng khi vượt quá 272k token.

• Phương thức đầu vào — Step 5 Preview: văn bản, hình ảnh và video. Fugu Ultra v2: bất kỳ thứ gì mà các thành viên trong pool của nó chấp nhận, điều mà Sakana không liệt kê theo từng phương thức.

• Giá đầu vào trên mỗi triệu token — Step 5 Preview: $1.00. Fugu Ultra v2: $5.00, tăng lên $10.00 khi lượng ngữ cảnh vượt quá 272k token.

• Giá đầu ra trên mỗi triệu token — Step 5 Preview: 2,70 USD. Fugu Ultra v2: 30,00 USD, tăng lên 45,00 USD khi vượt 272k token.

• Đầu vào đã lưu bộ nhớ đệm trên mỗi triệu token — Step 5 Preview: giảm giá 90% so với $1.00. Fugu Ultra v2: $0.50, tăng lên $1.00 khi vượt quá 272k token.

• Điểm số độc lập — Step 5 Preview: 29 trên Artificial Analysis Intelligence Index v5.0. Fugu Ultra v2: không tồn tại trang Artificial Analysis, nên không có điểm số.

• Trọng số — Bản xem trước Step 5: có thể tải xuống theo StepFun Model License 1.0. Fugu Ultra v2: không có. Nguồn mà nó sử dụng là trọng số của các nhà cung cấp khác, được cung cấp theo các điều khoản của các nhà cung cấp khác.

Năm đô la đầu vào thực sự mua được những gì

Tỷ lệ được nhấn mạnh là năm trên một ở đầu vào và chỉ hơn mười một trên một ở đầu ra, và cả hai con số đều có lợi cho Step 5 Preview theo cách mà hóa đơn theo từng tác vụ có thể không xác nhận. Fugu Ultra v2 được định giá như một hệ thống kỳ vọng sẽ tiêu tốn token: nó gửi đi một yêu cầu, nhiều mô hình trả lời, và một bộ tổng hợp viết đè lên các kết quả. Lời quảng bá của chính Sakana rằng việc thêm nhiều tác nhân không làm nhân lên hóa đơn của bạn là nói về các gói đăng ký — Standard $20, Pro $100 và Max $200 mỗi tháng, tất cả đều bao gồm Fugu, Fugu Ultra và Fugu Max — chứ không phải về bảng giá tính theo mức sử dụng. Trên bảng giá tính theo mức sử dụng, việc điều phối là một công việc dài dòng, và đầu ra được tính phí $30 mỗi triệu token.

Các chỉ số kinh tế của Step 5 Preview lại đi theo chiều ngược lại. Artificial Analysis đo được 179.1 token đầu ra mỗi giây trên API của StepFun, so với trung vị của nhóm là 74.1, $2.35 cho mỗi tác vụ lập chỉ mục đầy đủ và mức kết hợp $0.54 trên mỗi triệu token với tỷ lệ trúng bộ nhớ đệm 7:2:1. So với trung vị của nhóm là $1.40 mỗi tác vụ trên cùng trang, đó là một mô hình rẻ mà còn nhanh.

Vậy cách diễn đạt trung thực không phải là “Fugu có giá gấp năm lần”. Mà là Fugu tính mức giá cao hơn cho một năng lực mà Step 5 Preview không tuyên bố có — phân xử giữa nhiều mô hình theo mỗi yêu cầu — và việc có đáng trả mức giá cao hơn đó hay không phụ thuộc hoàn toàn vào việc bạn có tin rằng khả năng phân xử đó làm tốt công việc bạn có tốt hơn một mô hình mạnh duy nhất hay không. Bằng chứng Sakana công bố cho niềm tin đó do chính nhà cung cấp thực hiện: Chartography 48,3 so với 27,3 của Claude Opus 5 và 29,5 của Claude Fable 5, DeepSWE 74,3, đạt kết quả tốt nhất hoặc đồng tốt nhất trên năm trong số tám bài đánh giá và nằm trong nhóm hai bài tốt nhất trên bảy trong số tám. Đó là những con số thật do công ty bán sản phẩm tạo ra, và chúng là những con số duy nhất hiện có.

Bài kiểm tra tính di động, chính là sự khác biệt thực sự.

Đây là câu hỏi phân biệt hai thứ rõ ràng hơn bất kỳ điểm số nào. Giả sử bạn xây dựng một agent trên Fugu Ultra v2 vào tháng 9 năm 2026, và nó hoạt động. Vào tháng 11, Sakana thêm một mô hình vào pool, hoặc loại bỏ một mô hình — trước đây nó đã từng loại bỏ ba mô hình tiên phong cùng một lúc — hoặc điều chỉnh lại trọng số của bộ tổng hợp. Prompt của bạn vẫn như cũ, đầu vào của bạn vẫn như cũ, nhưng đầu ra của bạn lại khác, mà không có bản tăng phiên bản nào bạn có thể ghim và không có mục nhật ký thay đổi nào cho bạn biết hành vi nào đã thay đổi. Bạn không mua một mô hình; bạn đang mua một chính sách trên các mô hình, và chính sách đó là một núm điều chỉnh do nhà cung cấp xoay.

{{1}}Đó không phải là lời chỉ trích Sakana. Đó là bản chất của sản phẩm, và với nhiều khối lượng công việc, đó chính xác là điều bạn muốn — một nhà cung cấp mà công việc toàn thời gian của họ là chọn đúng mô hình cho từng yêu cầu sẽ thường vượt qua lựa chọn tự làm của bạn. Nhưng nó nên được định giá đúng như bản chất của nó: một mối quan hệ dịch vụ liên tục, không phải một tài sản.

Step 5 Preview là một hình thái khác. Các trọng số tồn tại. Chúng không "mở" theo nghĩa OSI — StepFun Model License 1.0 duy trì điều kiện ghi công đối với các đầu ra được sử dụng đáng kể, yêu cầu các nhà sản xuất phần cứng đàm phán một giấy phép riêng, và yêu cầu giấy phép thương mại đối với các nhà vận hành model-as-a-service có doanh thu hằng năm trên 20 triệu USD — nhưng hành vi bạn kiểm thử hôm nay chính là hành vi bạn có thể chạy trong một năm nữa, trên phần cứng do bạn kiểm soát, mà không cần xin phép. Checkpoint FP8 cần khoảng 773 GB VRAM và tối thiểu bốn GPU với B300 là mục tiêu mặc định; đường đi Hopper cần tám H200. Biến thể NVFP4 cắt giảm con số đó xuống còn khoảng 473 GB và giới hạn ngữ cảnh khả dụng ở mức 320k token. Cả hai hướng đều không rẻ, và cả hai đều không rẻ bằng API — vốn là lý lẽ thường thấy để gọi mô hình thay vì tự lưu trữ nó.

Khoảng cách về công bố thông tin diễn ra theo cả hai chiều.

Mỗi bên đều thiếu một thứ mà bên kia công bố.

Step 5 Preview công bố một bảng giá, một giới hạn ngữ cảnh, một số lượng tham số, một giấy phép, các cấu hình phục vụ cho vLLM và SGLang vào ngày trọng số được phát hành, cùng một điểm số độc lập. Điều mà nó không công bố là một cuộc đối đầu trực diện khớp harness với bất kỳ đối thủ nào, và bảng benchmark của nhà cung cấp — Terminal-Bench 4.0 ở 33.3, DeepSWE v1.1 ở 67.7, FrontierFinance ở 66.4, CyberGym ở 84.7 — đúng là như vậy, một bảng của nhà cung cấp.

Fugu Ultra v2 công bố một bài viết về kiến trúc, một chính sách pool, một bảng benchmark của riêng mình, và mức giá thuê bao thực sự khác thường trên thị trường này. Điều mà nó không công bố là một con số duy nhất đã được một bên đánh giá độc lập xác minh, và phía đánh giá đã không dựng trang nào cho nó — cách nói gọn gàng nhất có thể để khẳng định điểm số đó không tồn tại, chứ không phải là nó thấp.

Khi cả hai phía đều do nhà cung cấp tự báo cáo, cách phá thế hòa không phải là “nhà cung cấp nào đáng tin cậy hơn”. Mà là nhà cung cấp nào đã đặt cược vào một thứ có thể kiểm chứng. Việc StepFun đặt cược các trọng số vào ngày 15 tháng 10 là một tuyên bố có thể kiểm chứng: bất kỳ ai cũng có thể tải checkpoint và tái tạo hành vi. Việc Sakana đặt cược một điểm số mà không có tạo phẩm có thể tải xuống thì không.

Nơi mà một trong hai có thể được gọi ngay hôm nay

Cả hai đều không có trên OrcaRouter. Danh mục đang hoạt động chứa 214 ID mô hình từ 16 nhà cung cấp với một khóa và một hóa đơn duy nhất, và tính đến ngày 29 tháng 10 năm 2026, không có mục StepFun nào và không có mục Sakana nào trong đó — không có chuỗi "step" và không có chuỗi "fugu". Nếu bạn muốn Fugu Ultra v2, hãy đến Sakana, và nếu bạn muốn Step 5 Preview, hãy đến API của StepFun hoặc đến các checkpoint. Không có nội dung nào trong bài viết này nên được hiểu là tuyên bố rằng chúng tôi cung cấp một trong hai.

Mục đích của nền tảng, trong so sánh này, là bước bạn thực hiện sau đó: khi bạn đã quyết định được dạng nào trong hai dạng này phù hợp với khối lượng công việc của mình, thì các mô hình mà bạn thực sự định tuyến theo từng yêu cầu — mô hình rẻ để phân loại, mô hình đắt để tổng hợp — chính là phần khó mở rộng quy mô bằng cách làm thủ công. Cấu hình định tuyến của OrcaRouter cho phép bạn khai báo mô hình đó làm mô hình chính và một chuỗi dự phòng, thay vì một ID mô hình được mã hóa cứng, với tính năng tự động chuyển đổi dự phòng khi nhà cung cấp suy giảm, và tính phí theo giá niêm yết của nhà cung cấp mà không cộng thêm phụ phí, vì vậy khi nhà cung cấp giảm giá, mức giá đó có hiệu lực trên nền tảng ngay trong ngày công bố. Đó là thuộc tính của các mô hình mà chúng tôi thực sự cung cấp, không phải của hai mô hình này.

Câu hỏi quyết định điều đó

Không phải “cái nào đạt điểm cao hơn”, vì chỉ một trong số chúng đã được chấm điểm, và điểm là 29 theo một rubric ra đời ngày 27 tháng 10 và viết lại những gì chỉ số tổng hợp đo lường. Thay vào đó, hãy hỏi liệu khối lượng công việc của bạn có phải là loại mà một mô hình ngữ cảnh 1M duy nhất với đầu vào thị giác, ở mức $1.00 và $2.70 mỗi triệu token, là đủ tốt hay không — và nếu đúng vậy, Step 5 Preview là lựa chọn rẻ hơn và dễ di chuyển hơn với khoảng cách lớn. Nếu khối lượng công việc của bạn là loại mà việc định tuyến theo từng yêu cầu là phần khó, thì Fugu Ultra v2 đang làm công việc mà nếu không bạn sẽ phải tự làm, và tỷ lệ năm-một là cái giá của công việc đó chứ không phải là khoản đánh dấu giá trên cùng một hàng hóa.

Điều bạn không nên làm là so sánh Chartography 48.3 với bất cứ thứ gì StepFun đã công bố. Đó là số liệu của hai nhà cung cấp, trên hai bộ khung đánh giá của hai nhà cung cấp, cho hai loại sản phẩm khác nhau. Chưa ai chạy chúng đối đầu với nhau, và cho đến khi có người làm vậy, phép so sánh trung thực duy nhất giữa hai thứ này là phép so sánh về bản chất của chúng.