Fugu Ultra v2 对比 DeepSeek V4 Pro：34 倍输出价格问题

Fugu Ultra v2 对其所写文本收取的费用，大约是 DeepSeek V4 Pro 标价的三十四倍。这不是笔误，也不是四舍五入造成的假象：Sakana AI 的新编排器标价为每百万输出词元 30.00 美元，DeepSeek 报告的价格为每百万 0.87 美元，而在两家厂商都公布了数字的唯一一个基准上，性能差距完全不是三十四倍。Sakana 称，2026 年 9 月 11 日发布的 Fugu Ultra v2 在 DeepSWE 上达到 74.3；DeepSeek 报告其 8 月发布的开放权重模型 DeepSeek V4 Pro 为 62.7。厂商报告的 11.6 分优势，对应 34 倍的输出价格——这一行就是全部对比；而真正该问的问题不是 Fugu Ultra v2 是否更好，而是它是否好到每百万词元多值十九美元，以及这对谁成立。

同一个问题的两个答案，从相反的两端构建而成

DeepSeek V4 Pro 和 Fugu Ultra v2 都是对同一种焦虑的回应——对单一封闭前沿供应商的依赖——而两者在方法上再不同不过了。

DeepSeek V4 Pro 是一款模型。发布报道将正式版本的 API 上线——即 DeepSeek-V4-Pro-0813 构建——定在 2026 年 8 月 12 日至 13 日前后，取代了 4 月 24 日的预览版。据报道，它是一个混合专家（MoE）系统，总参数量为 1.5 至 1.6 万亿，每个 token 约激活 490 亿参数，拥有 100 万 token 的上下文窗口和 38.4 万 token 的最大输出。它可在思考与非思考两种模式下进行推理，各有三档投入强度，同时支持 Ope​nAI 和 Anth​ropic 两套 API 协议，并新增了原生 Responses API，直指 Codex 风格的智能体框架。关键在于，其权重以 MIT 许可证发布，这意味着"韧性"之争已由"持有"定论：没有人能收回你手中的副本。

Fugu Ultra v2 不是一个模型。它是一个经过训练的协调器，据报道约有 7B 参数，能够将一个请求分解到一组未公开的模型池中，分配 Thinker、Worker 和 Verifier 角色，并通过一个兼容 OpenAI 的端点合成出答案。它的韧性论据是架构性的，而非法律性的：由于模型池可以替换，该系统能够承受任何单一供应商更改条款。与 Fugu Max 一同发布的 2.0 版本将训练截止时间移至 2026 年 8 月 28 日，并且——值得注意的是——将 Claude Fable 5、Claude Fable 5.1 和 GPT-6 Astra 完全移出了模型池，同时仍声称胜过它们。

所以，这个对比就是拥有与协调。DeepSeek 交给你一个可以下载、审计、微调并自行部署的模型，让你在自己硬件允许的任何利润空间下提供服务。Sakana 交给你的则是一个能决定如何攻克每个问题的系统，其费率足以支撑代你运行多个前沿模型。

34x实际能买到什么

先说基准测试，并把来源放在首位。下面每一个 DeepSeek 数字都来自厂商自身，且早于 DeepSeek 宣布将于8月中旬实施的高峰/非高峰定价调整；各方消息源对该调整的最终数字仍存在分歧——一份报告称高峰输出价格接近每百万 ¥27，另一份则称接近 ¥12，而基准价为 ¥6。在建立预算模型之前，请对照 DeepSeek 公布的价目表进行核实。每一个 Fugu 数字都来自 Sakana 自身，且没有任何独立方复现过其中任何一个；Artificial Analysis 也仍然没有 Fugu 模型的条目。

• DeepSWE — Fugu Ultra v2 74.3（厂商报告）对比 DeepSeek V4 Pro 62.7（厂商报告）

• Terminal Bench 2.1 — Sakana 未公布 Fugu Ultra v2 的数据，对比 DeepSeek V4 Pro 的 87.9（厂商报告）

• SWE-bench（Vals）— 无 Fugu Ultra v2 数据，对比 DeepSeek V4 Pro 96.4（厂商报告）

• Humanity's Last Exam — Fugu Ultra v2 v2.0 无数据，相比之下 DeepSeek V4 Pro 为无工具 42.7、有工具 60.0（厂商报告）

• GPQA Diamond — 无 Fugu Ultra v2 v2.0 数据，对比 DeepSeek V4 Pro 92.8（厂商报告）

• 输出价格 — Fugu Ultra v2 每 1M $30.00，在上下文超过 272K 时升至 $45.00；相比之下，DeepSeek V4 Pro 的列表价约为每 1M $0.87，且按量计费费率曾更高

关于那一行价格，有两点需要说明，因为整个对比都取决于它。第一，DeepSeek 的数字是发布报道中给出的标价，也在我们自己的模型说明中重申过，但我们列表上的计量费率一直按每百万输出 2.18 美元、每百万输入 0.73 美元运行——缓存行为和用量组合会改变实际数字，所以真实的倍数大致在 14 倍到 34 倍之间，取决于你的输入中有多少被缓存。即使按该区间的下限，输出成本也要高出十二倍以上。第二，DeepSeek 已经宣布了高峰/非高峰定价修订，但其最终数字各方来源仍有分歧——一份报道称高峰输出接近每百万 27 元，另一份称接近 12 元，而基准价为 6 元。在为预算建模之前，请对照公布的费率卡进行核实。

• 输入价格 —— Fugu Ultra v2 每 1M 为 $5.00，超过 272K 后翻倍；相比之下，DeepSeek V4 Pro 在缓存未命中时约为每 1M $0.435，在缓存命中时便宜约 120 倍

• 权重 — Fugu Ultra v2 闭源，池未披露，路由按设计不公开，对比 DeepSeek V4 Pro 以 MIT 许可开源、可自托管

• 上下文与输出 — Fugu Ultra v2 1M 上下文，输出上限未公布 对比 DeepSeek V4 Pro 1M 上下文，384K 输出上限

重叠问题很明显：这两个系统几乎不出现在同一行。Sakana 在其选定的八项基准中公布了五项胜利；DeepSeek 公布了一个更广的榜单，其中包括深度智能体覆盖——MCP Atlas 73.6、Toolathlon-Verified 74.1、CyberGym 83.3、NL2Repo 61.5、长上下文上的 CorpusQA 62.0——而 Fugu Ultra v2 在这些项目上完全没有公布数字。你唯一能对齐的一行是 DeepSWE，而它正是 Fugu 声称其软件工程优势最大的那项。比较这两次发布的读者，其实是在比较两场不同的考试。

详细程度乘数

输出价格不是对编排征收的线性税；它是对编排所增加数量的一种乘数。Fugu Ultra v2 会派生智能体，每个智能体都会生成推理 token 和输出 token，之后再由一个协调器将它们综合起来。Sakana 的定价 FAQ 做出了一项真正对消费者友好的承诺——你按一个混合费率付费，该费率基于模型池中的顶级模型，增加智能体不会让账单成倍增加——这为最坏情况设定了上限。但它并不限制用量。在每百万输出 token 30 美元的价格下，一次多智能体运行如果输出的文本量是单模型调用的四倍，成本就会是四倍，而这一乘数还会与高出 34 倍的输出费率叠加。

DeepSeek V4 Pro 的成本结构奖励的恰恰是相反的行为。输入端的一次缓存命中大约比未命中便宜两个数量级，这使得重复的长上下文工作——同一个代码仓库、同一组文档、同一个系统提示——比标价所暗示的要便宜得多。对于一个每一轮都会重新读取相同上下文的智能体循环来说，实际成本就落在那里，而这是一种任何编排器都无法绕开的结构性优势。

把两者放在一起看，决策就变得具体了。如果 Fugu Ultra v2 带来 11.6 个百分点的 DeepSWE 优势，并且输出 token 量是单次调用的三倍，那么你为在一个基准上获得十到十五个百分点的提升，每完成一项任务就要支付大约一百倍的成本。对于研究以及那些边际上的那一点就是全部关键的、本质上极其困难的工程问题，这种取舍是站得住脚的；而对于每天运行十万次的流水线来说，则完全不可接受。

每一个实际上是给谁的

如果以下任一情况属实，就选择 DeepSeek V4 Pro：你的工作负载量大且对成本敏感；你需要比编排器会给你设置的上限更长的输出；你出于数据驻留原因，需要一个可以审计、微调或在你自己的硬件上运行的系统；或者你需要的价格是一个你能计算出来的数字，而不是一个你只能观察到的数字。开放的 MIT 许可证不是营销卖点——它是这两个系统所提出的韧性论证中最强的一种形式，因为它不依赖任何供应商持续保持的善意。而且，按每百万输出约 $0.87 计算，它足够便宜，以至于做实验不花什么成本。

如果需要边际收益成倍放大、工作周期长、且正确性可核验，就选择 Fugu Ultra v2——比如带有测试套件的编码、结构化文档推理，以及多步分析，其中 Verifier 角色能捕捉到单次生成就会放过并交付的错误。Sakana 自己的案例研究正指向这一点：一次十四小时的自主研究运行；一个魔方求解器完成了全部 300 次打乱，而两个匿名化的基线则彻底崩溃。请记住，这些基线是匿名化的、且由厂商自行挑选，这削弱了它们作为证据的效力，但并不意味着它们是假的。同时也请记住那个对某些团队而言直接终结讨论的约束：Fugu Ultra v2 不在欧盟或欧洲经济区销售，Sakana 也明说了这一点。

如果你打算运行其中任何一个，这里有一个实用提示。Fugu Ultra v2 不在 OrcaRouter 上——它通过 Sakana 自有的 OpenAI 兼容 API 和几个第三方平台提供，而从较早的 Fugu 升级只需更改一行参数。DeepSeek V4 Pro 在 OrcaRouter 上以供应商标价提供，零加价，这一点在这里比平常更重要：Deep​Seek 已经在本周期内宣布过一次价格调整，而在一个透传路由器上，供应商价格变动会在同一天、同一个密钥上生效，而不是等重新协商之后。如果你想在正式投入之前用你自己的工作量对两者进行基准测试，那么比较中更便宜的一方，就是你可以按标价调用、并且背后有自动故障转移的那一个。

裁决

在经济性上，这并非一场势均力敌的较量；在能力上，这也并非一场决定性的较量。DeepSeek V4 Pro 以巨大优势成为更优的默认选择：你能握在手里的开放权重、384K 的输出上限、1M 的上下文、已公开的长上下文得分，以及输出价格约为 Fugu Ultra v2 的三十四分之一。Fugu Ultra v2 则是应对一小类高成本问题的更佳工具，而 Sakana 的主张——一个排除掉三个最强模型的固定模型池，仍能在可验证的工作上胜过它们——是当下该领域最有趣的架构论点，也是背后独立证据最少的那一个。

务实的解决办法不是做选择。把 DeepSeek V4 Pro 作为默认运行，因为它便宜、开放且快速，同时把 Fugu Ultra v2 留作储备，用于那些即使成本增加一百倍，仍小于出错代价的任务。你不该做的，是把 Sakana 的八项基准测试榜单解读为：昂贵的编排器已经取代了廉价的开源模型。在它们共同出现的那一行上，它以 34 倍的输出价格领先 11.6 分。这究竟是划算还是陷阱，完全取决于你把它指向哪个问题。