
Fugu Max 對上 Gemini 3.1 Pro:相同輸入價格、一半輸出價格,還有一個沒人看得見的池
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 186 tok/s
- openai新OpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 每百萬 tokens · 87 tok/s
- openai新OpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 每百萬 tokens · 151 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 189 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百萬 tokens · 86 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 705 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 239 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 96 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百萬 tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 每百萬 tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 101 tok/s
Fugu Max 與 Gemini 3.1 Pro 在被提問時收費相同。兩者定價皆為每百萬個輸入 token 2.00 美元。它們在輸出端分道揚鑣:Sakana AI 的 Fugu Max 輸出收費為每百萬個輸出 token 6.00 美元,而 Google 的 Gemini 3.1 Pro 則為 12.00 美元。Sakana 於 2026 年 9 月 11 日發布 Fugu Max,作為一個協調器,會將每項任務路由到其未公開的模型池中最便宜且足夠的模型。Gemini 3.1 Pro 是一個具名模型——可透過 ID 呼叫、有版本、多模態——而這正是編排器在設計上刻意避免成為的東西。所以,這裡有趣的問題不是哪一個在 2.00 美元輸入上更好。而是:有鑑於據報導,Sakana 較早的 Fugu 世代曾把 Gemini 3.1 Pro 列入其路由的模型之中,協調器與模型之間的比較是否根本就是正確的框架。
精確陳述的撞球問題
當首款 Fugu Ultra 於 2026 年 6 月出貨時,關於其架構的報導描述了一個模型池,其中包含 Gemini 3.1 Pro,以及來自其他前沿實驗室的模型。Sakana 尚未公佈 Fugu Max 模型池的成員名單。發布內容表示,該模型池已擴大,納入數量空前的開放權重與專門化模型,並透過與 NVIDIA 的合作點名 NVIDIA Nemotron 系列,接著就未再多說。內容也未說明 Gemini 3.1 Pro 已被移除。
這留下兩種可能性,而沒有公開方式能在兩者之間做出選擇。如果 Gemini 3.1 Pro 在 Fugu Max 集區中,那麼這場對決一部分是「對比」,一部分是「透過」——Fugu Max 在困難推理任務上的答案,可能是由協調者挑選、檢查並改寫過的 Gemini 答案;在這種情況下,$6.00 的輸出費率買到的是 Gemini 的推理加上協調開銷,且比直接呼叫 Gemini 更便宜。如果它不在集區中,這兩個產品就是真正不同的工具,而價格差異反映的是不同的底層能力。
發布內容中沒有任何東西能解決這一點。任何告訴你是哪一個的人,都是推斷出來的,而非讀到的。能有把握說的範圍更窄,卻仍然有用:編排者公布的分數屬於池,而非協調者,而成員未披露的池,會使那些分數無法歸屬。
• 輸入價格 — Fugu Max 每 100 萬個 token $2.00 美元,對比 Gemini 3.1 Pro 每 100 萬個 token $2.00 美元
• 輸出價格 — Fugu Max 每 100 萬個 token 為 $6.00,相較於 Gemini 3.1 Pro 每 100 萬個 token 為 $12.00
• 快取輸入 — Fugu Max 每 1M 個 token 收費 $0.25,而 Gemini 3.1 Pro 的快取則以基礎輸入費率折扣提供
• 背景脈絡 — Fugu Max 尚未發布 vs Gemini 3.1 Pro 1M tokens
• 輸出上限 — Fugu Max 未公佈 vs Gemini 3.1 Pro 65K tokens
• 輸入模態 — Fugu Max 未發布,對比 Gemini 3.1 Pro 的音訊、檔案、影像、文字與影片
• 輸出模態 — Fugu Max 未發布 vs Gemini 3.1 Pro 文字,3.1 系列中另有獨立的圖像生成產品線
• 基準測試數據 — Fugu Max 聲稱六項勝利,卻未提供分數;對比 Gemini 3.1 Pro 由 Google 報告的 ARC-AGI-2 77.1%、GPQA Diamond 94.3%、SWE-bench Verified 80.6%、BrowseComp 85.9%
模型能承諾而協調者無法承諾的事
清單中最大的實務差異不是輸出價格,而是模態那一列。Gemini 3.1 Pro 接受音訊、視訊與圖像作為輸入,且文件中有明確記載,這讓它可用於與文字無關的工作——讀取螢幕錄影、轉錄並推論通話內容、解析掃描表單。Fugu Max 則完全未公布任何模態規格。它很可能能處理其中某些輸入,這取決於它的池(pool)包含什麼,以及協調器是轉發多模態內容,還是先將其攤平為文字。Sakana 以外沒有人知道,而這與「我們還沒對它做基準測試」是不同類型的不確定性。這意味著你無法單憑文件判斷它是否適合多模態工作負載;你必須實際測試。
輸出上限還有第二個不對稱之處。Gemini 3.1 Pro 記載的最高輸出 token 數為 65K。Fugu Max 則毫無記載。對協調器而言,有效上限是它所路由到的所有模型中最低的那個,因此這個數字確實更難說得準——但如果你的應用程式會產生很長的成品,一個上限未明載的系統會讓人難以據以規劃。

誠實地閱讀基準測試的每一列
Sakana 列出六項 Fugu Max 達到「最佳總體分數」的基準測試:Terminal Bench 2.1、GPQAD、AA-LCR、GDP.pdf、AutomationBench 與 SWEFish。這項說法並未附上任何數據,而 SWEFish 是 Sakana 自家的內部程式設計基準測試。與此同時,Google 公布了 Gemini 3.1 Pro 的實際數字,包括 ARC-AGI-2 的 77.1%、GPQA Diamond 的 94.3%、SWE-bench Verified 的 80.6%,以及 BrowseComp 的 85.9%。
請注意一個差之毫釐的陷阱。Google 報告 Terminal-Bench 2.0 為 68.5%。Sakana 則聲稱在 Terminal Bench 2.1 上取得最佳整體分數。這些是同一項基準測試中相鄰的版本編號,而該測試在這兩個版本之間有所變更,這意味著這兩個結果即使原則上也無法並列比較。瀏覽標題的讀者會看到「雙方都聲稱在 Terminal Bench 居於領先」,並認定兩者可相提並論。但事實並非如此。
GPQA 則是較難判斷的一項——Sakana 將 GPQAD 列為其六項勝績之一;Google 回報 GPQA Diamond 為 94.3%。兩者屬於同一個底層評測系列,皆由廠商自行回報,而且只有其中一個提供了數字。如果 Sakana 的 GPQAD 結果有公開,這就會是唯一能進行真正比較的一列。但它並未公開,所以這一列讀起來就像是一項斷言對上一個數字。
沒有任何獨立第三方評估過 Fugu Max,而且無論是它或任何 Fugu 模型,都未收錄於 Artificial Analysis 的資料庫中。相較之下,Gemini 3.1 Pro 已在公開領域流通夠久,足以登上第三方排行榜與評估報告——這正是「歷經數月獨立檢視」相對於同一週才發布所能換得的東西。
對這個特定對決來說,這件事之所以比平時更加重要,是因為 Fugu Max 自身的架構讓它的分數更難以解讀。Gemini 3.1 Pro 在 GPQA Diamond 上拿到 94.3%,是一個關於單一模型、單一版本的事實。Fugu Max 在同一項測試上的分數,則會是一個關於路由策略、成員未公開的模型池,以及一個受訓來從中挑選的協調器的事實。只要更動其中任何一項,數字就會變動,而產品名稱不變。Gemini 3.1 Pro 的分數有固定的指涉對象,Fugu Max 的則沒有。
呼叫它們,以及有哪些路由變更
Gemini 3.1 Pro 已在 OrcaRouter 上推出,模型 ID 為 google/gemini-3.1-pro-preview,採 Google 的牌價、0% 加價——直接透傳供應商的費率,因此 Google 一調整價格,當天就會反映在你既有的金鑰上,而不是等到續約時才生效。它與超過 200 個其他模型並列,同在一組 API 金鑰之下,這在這裡有個具體原因:如果你想弄清楚 Fugu Max 6.00 美元的輸出費率是否真的更適合你的工作負載,最乾淨的實驗方式就是讓兩者跑同一組任務,而 Fugu Max 並不在我們的目錄中。你可以透過 Sakana 自家的 OpenAI 相容 API 及數個第三方平台取得它。自己跑 A/B 測試意味著兩套整合、兩筆帳單和兩組憑證。
自動容錯移轉是另一個值得一提的部分。Gemini 3.1 Pro 透過路由器在多條供應商路徑上執行;若其中一條受到速率限制或效能衰退,流量就會轉移,無須修改程式碼。這是 Sakana 所推銷、把韌性當成整個編排前提的那套願景的局部務實版本——你是在傳輸層而非推理層得到它,而且是在一個行為可以被你釘住不變的模型上得到它。

如何在它們之間做出選擇
如果你的工作涉及非文字輸入,如果你需要一個有文件記載的輸出上限,如果你想要一個其基準測試數據能夠與他人結果相互查核的模型,或者如果你只是需要一個可以依版本鎖定並加以推理的元件,就選擇 Gemini 3.1 Pro。以 $2.00 的輸入成本,嘗試它幾乎不花錢,而 65K 的輸出對於大多數生成任務來說已經足夠。其公佈的數據使它躋身於現有較強的通用模型之列,而它的多模態輸入集不是編排層所能替代的。
如果你的工作以文字為主、可驗證、量大,而且你在意的是完成一項任務的中位數成本,而非任何單次呼叫的上限,就選擇 Fugu Max。$6.00 的輸出費率是 Gemini 3.1 Pro 的一半,而 $0.25 的快取費率則是兩份價目表中最具競爭力的數字。把它用在錯誤答案可被偵測的問題上,開始前先設定輸出 token 預算,並衡量每項完成任務的 token 數。不要因為發布頁面的說法就把它選用於多模態流程,因為發布頁面並未說明它是否接受圖片。
決定
Gemini 3.1 Pro 是更安全、文件記錄也更完善的選擇:輸入價格相同、公開的上下文視窗、明載的 65K 輸出上限、有文件記載的多模態輸入,以及第三方有機會檢視的廠商基準測試。它的輸出率是 Fugu Max 的兩倍,而這就是另一方的全部論據。
Fugu Max 是生成文字時更便宜的途徑,也是做其他任何事時更不透明的方式。它的六項基準測試勝利沒有附上任何數字,其上下文視窗與模態支援皆未公開,而產出這些結果的池子組成也未披露——這意味著你無法排除:你付出的 $6.00,買到的可能只是你原本可以直接在 OrcaRouter 上以 $2.00 輸入價向 Gemini 3.1 Pro 購得的推理的折扣版本,而 OrcaRouter 是以供應商定價原價轉嫁、額外加價 0%。

