Step 5 Preview 对比 Fugu Ultra v2：其中一个是模型，另一个是路由器

大多数人希望看到的比较，是Step 5 Preview与Sakana AI 的 Fugu Ultra v2之间的一张基准测试表。双方都无法如实提供它。Step 5 Preview 只有一项独立测量，且是在上周被替换的评分标准下取得的。Fugu Ultra v2 则完全没有独立测量，因为发布智能指数的评测机构从未为它上线过页面。两者真正拥有的是输入 token 上恰好五比一的价格比，以及一种使该比例几乎失去意义的性质差异：一个是 6000 亿参数的混合专家检查点，你可以下载并在自己的硬件上运行；另一个是编排层，它通过把你的请求分派给由其他人的模型组成的池子来作答。

这个差异并非细枝末节。它决定了你实际购买的是什么、当供应商改变主意时你的结果会怎样，以及基于其中任何一个构建的长时程智能体能否在下一季度重新运行并获得相同输出。

两个带有相同营销标签的产品

StepFun 于 2026 年 9 月 20 日将 Step 5 Preview 上线至其 API，随后于 10 月 15 日在 Hugging Face 和 ModelScope 上发布了 BF16 与 FP8 权重。它是一个单一模型：稀疏混合专家模型，总参数 6000 亿，每 token 激活 270 亿，采用 8/352 路由外加一个共享专家，置于供应商称为“窄而深”的 92 层堆栈中。上下文窗口为 100 万 token，输入可以是文本、图像或视频，输出为文本。

Fugu Ultra v2 是一次点版本发布，而非全新架构——Sakana AI 于 2026 年 9 月 11 日将其作为 2026 年 6 月 22 日发布的 Fugu Ultra 的更新版本推出，模型 ID 为 fugu-ultra-v2.0，并且只需从上一版本进行单行参数迁移。它是一个“指挥者”：请求送入后，系统决定由其模型池中的哪个或哪些模型来处理，运行它们，并综合出答案。该模型池刻意排除了 Claude Fable 5、Claude Fable 5.1 和 GPT-6 Astra。Sakana 对更小模型池的论据是，较弱的成员拖累了整体表现；而 Sakana 并未宣传的二阶效应是，你所购买之物的构成属于厂商决策，可以在没有版本号变动的情况下发生改变。

规格线，两侧

• 它是什么 —— Step 5 Preview：一个可下载的 600B/27B 混合专家模型。Fugu Ultra v2：一个由多个模型编排而成的模型池，顶部带有一个合成层。

• 发布日期 — Step 5 Preview：API 于 2026 年 9 月 20 日，权重于 2026 年 10 月 15 日。Fugu Ultra v2：2026 年 9 月 11 日，是对 2026 年 6 月原版的更新版本。

• 上下文窗口 — Step 5 Preview：100 万 tokens。Fugu Ultra v2：100 万 tokens，超过 272k tokens 后设有价格阶梯。

• 输入模态 — Step 5 Preview：文本、图像和视频。Fugu Ultra v2：其模型池中的成员所接受的任何模态，Sakana 并未按模态逐一列举。

• 每百万 token 的输入价格 — Step 5 Preview：$1.00。Fugu Ultra v2：$5.00，当上下文超过 272k token 时升至 $10.00。

每百万个 token 的输出价格 — Step 5 Preview：$2.70。Fugu Ultra v2：$30.00，超过 272k 个 token 后升至 $45.00。

• 每百万 token 缓存输入 — Step 5 Preview：$1.00 的 90% 折扣。Fugu Ultra v2：$0.50，超过 272k token 后升至 $1.00。

独立评分 — Step 5 Preview：在 Artificial Analysis Intelligence Index v5.0 上得分为 29。Fugu Ultra v2：不存在 Artificial Analysis 页面，因此无评分。

• 权重 — Step 5 Preview：可根据 StepFun Model License 1.0 下载。Fugu Ultra v2：无。它所使用的权重池由其他供应商提供的权重构成，这些权重按其他供应商的条款提供。

五美元的投入究竟能换来什么

宣传的比率是输入五比一、输出刚过十一比一，而这两个数字都在以某种方式美化 Step 5 Preview，按任务计的账单未必会印证这一点。Fugu Ultra v2 的定价方式，就像是一个预料到要大量消耗 token 的系统：它发出一个请求，多个模型作答，再由一个合成器在结果之上撰写成文。Sakana 自家那句"增加更多 agent 不会让账单成倍增长"的宣传，说的是订阅档位——每月 $20 的 Standard、$100 的 Pro 和 $200 的 Max，这些档位全都包含 Fugu、Fugu Ultra 和 Fugu Max——而不是按量计费的价目表。在按量计费的价目表上，编排是件很啰嗦的事，而输出按每百万 $30 计费。

Step 5 Preview 的经济账则相反。Artificial Analysis 在 StepFun 的 API 上测得每秒 179.1 个输出 token，而同类中位数为 74.1；每项完整索引任务成本 2.35 美元；在 7:2:1 的缓存命中比例下，每百万 token 的混合成本为 0.54 美元。同一页面上，同类每项任务成本中位数为 1.40 美元，相比之下，这是一个既便宜又快速的模型。

所以，诚实的说法并不是“Fugu 的价格是五倍”。而是：Fugu 为一项 Step 5 Preview 并不声称具备的能力收取溢价——即针对每一次请求在多个模型之间进行仲裁——而这份溢价是否值得支付，完全取决于你是否相信，在做你手头这项工作方面，这种仲裁优于单一强大模型。Sakana 为这一信念公布的证据是厂商自行开展的：Chartography 得分 48.3，而 Claude Opus 5 为 27.3、Claude Fable 5 为 29.5；DeepSWE 为 74.3；在八项基准中有五项最佳或并列最佳，七项跻身前二。这些数字是真实的，由销售该产品的公司自己产出，而且它们也是仅有的数字。

便携性测试，这才是真正的区别所在

有一个问题，它比任何分数都更能干净利落地把这两者区分开。假设你在 2026 年 9 月基于 Fugu Ultra v2 构建了一个智能体，而且它运行良好。到了 11 月，Sakana 向模型池中加入一个模型，或移除一个模型——它已经曾一次性移除三个前沿模型——或者重新调整合成器的权重。你的提示词相同，你的输入相同，而你的输出却不同，并且没有你可以锁定对应的版本号提升，也没有任何变更日志条目能告诉你究竟是哪项行为发生了变化。你买的不是一个模型；你买的是一套作用于模型之上的策略，而这条策略是供应商可以拧动的一个旋钮。

这并不是对 Sakana 的批评。这是该产品本身的特性，而且对许多工作负载来说，这正是你想要的——一个全职工作就是为每个请求挑选合适模型的供应商，往往能胜过你自己手选方案。但它应该按其本来面目定价：一种持续的服务关系，而不是一项资产。

Step 5 Preview 则是另一种形态。权重确实存在，但它并非 OSI 意义上的开放——StepFun Model License 1.0 对实质性使用的输出保留了署名条件，要求硬件厂商另行协商许可，并要求年营收超过 2000 万美元的模型即服务（MaaS）运营商取得商业许可——不过，你今天测试的行为，就是你一年后可以在自己掌控的硬件上、无需申请许可即可运行的行为。FP8 检查点需要约 773 GB 显存，至少四块 GPU，默认目标为 B300；Hopper 方案则需要八块 H200。NVFP4 版本将这一需求降至约 473 GB，并把可用上下文上限设为 32 万 token。两条路径都不便宜，而且都不如 API 便宜——这正是人们通常选择调用模型而非自行托管模型的理由。

信息披露差距是双向的

双方各自都缺少对方发布的一些内容。

Step 5 Preview 发布了费率卡、上下文限制、参数数量、许可证、权重发布当天适用于 vLLM 和 SGLang 的部署配方，以及一项独立评分。它没有发布的是与任何竞争对手在相同测试框架下进行的直接对比，而它的厂商基准表——Terminal-Bench 4.0 为 33.3、DeepSWE v1.1 为 67.7、FrontierFinance 为 66.4、CyberGym 为 84.7——恰恰就是一张厂商表。

Fugu Ultra v2 发布了架构说明、池策略、自家基准测试表，以及在这个市场上确实非同寻常的订阅定价。它没有发布的，是任何一个经独立评估者核实的数字；而评估者们也没有为它建立页面——这是最干净利落地表明该分数根本不存在、而非分数偏低的方式。

当双方的说法都来自厂商自报时，决胜点不在于“哪家厂商更可信”，而在于哪家厂商押上了可被核查的东西。StepFun 于10月15日放出权重，是一个可核查的声明：任何人都能下载该检查点并复现其行为。Sakana 押上一个分数，却没有可下载的产物，这就不是可核查的声明。

在今日任一者可被调用的情况下

两者均不在 OrcaRouter 上。实时目录在一个密钥和一份账单之下，涵盖 16 家提供商的 214 个模型 ID；截至 2026 年 10 月 29 日，其中既没有 StepFun 条目，也没有 Sakana 条目——没有字符串“step”，也没有字符串“fugu”。如果你想要 Fugu Ultra v2，就去 Sakana；如果你想要 Step 5 Preview，就去 StepFun 的 API 或检查点。本文中的任何内容都不应被理解为声称我们提供其中任何一个。

在这次对比中，平台的意义在于你之后要采取的那一步：一旦你确定这两种形态中哪一种适合你的工作负载，真正按请求路由的模型——用于分类的便宜模型、用于合成的昂贵模型——就是手动扩展时效果很差的部分。OrcaRouter 的路由配置让你可以将其声明为主模型和回退链，而不是硬编码的模型 ID，并在提供商性能下降时自动故障转移；它按提供商标价计费，不加价，因此供应商降价在宣布当天就会在平台上生效。这是我们实际提供的模型所具有的属性，而不是这两种模型的属性。

决定一切的问题

不是“哪个得分更高”，因为两者中只有一个被打过分，而分数是 29，依据的是一套于 10 月 27 日落地、并重写了该综合指标所衡量内容的标准。相反，要问的是：你的工作负载是否属于那种只需一个 100 万上下文、带视觉输入的模型，按每百万 token 1.00 美元和 2.70 美元计价就足够好的情况——如果是，那么 Step 5 Preview 就是便宜得多、可移植性强得多的选择。如果你的工作负载属于按请求路由才是难点的情形，那么 Fugu Ultra v2 就是在替你完成你本来要自己做的劳动，而 5:1 的比例是这项劳动的代价，而不是对同一商品加价。

你不应该做的，是把 Chartography 48.3 拿去和 StepFun 已发表的任何结果作比较。那是两家厂商的数字，跑在两家的测试框架上，针对的是两种不同类型的产品。没有人让它们互相对跑过；而在有人这么做之前，这两者之间唯一诚实的比较，就是关于它们各自究竟为何物的比较。