
Fugu Ultra v2 與 Claude Opus 5:相同輸入價格,兩種不同的押注
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 187 tok/s
- openai新OpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 每百萬 tokens · 80 tok/s
- openai新OpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 每百萬 tokens · 155 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 196 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百萬 tokens · 85 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 · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 139 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 84 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 · 69 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 · 230 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 Ultra v2 與 Claude Opus 5 提出一個問題的成本完全相同,但要得出答案的成本卻天差地遠。兩者的標價都是每百萬個輸入 token $5.00。接著,Fugu Ultra v2 每百萬個輸出 token 收費 $30.00,而 Claude Opus 5 為 $25.00——這兩個數字之間的差距並非四捨五入的誤差,因為這兩個系統為了得出答案所輸出的文字量差異極大。Sakana AI 於 2026 年 9 月 11 日推出 Fugu Ultra v2,這是一套編排系統,能在單一 OpenAI 相容端點背後協調其他實驗室的一批模型;Anthropic 的 Claude Opus 5 自 2026 年 7 月下旬上線以來,則是單一模型。這項差異在參考任何基準測試之前,就已決定了這項比較的大部分結果,而 Sakana 自家的排行榜上有一列格外尷尬:該廠商回報在 Chartography 上拿下 48.3,對比 Claude Opus 5 的 27.3,這是本次發布中最大的差距,也是背後外界證據最少的數字。
形塑一切的巧合
先從兩個產品的共同點開始,因為它比表面上的價格更有價值。
• 輸入價格 — Fugu Ultra v2 每 100 萬個 token 5.00 美元,對比 Claude Opus 5 每 100 萬個 token 5.00 美元
• 輸出價格 — Fugu Ultra v2 每 100 萬個 token 為 $30.00,相較於 Claude Opus 5 每 100 萬個 token 為 $25.00
• 快取輸入 — Fugu Ultra v2 每 1M 較基本費率高 $0.50,相較之下,Claude Opus 5 將快取定價為快取輸入最高 90% 的折扣
• 上下文 — Fugu Ultra v2 為 100 萬個 token,超過 272K 之後費率加倍;相較之下,Claude Opus 5 為 100 萬個 token,費率維持不變
• 輸出上限 — Fugu Ultra v2 未公布為單一數字 vs Claude Opus 5 128K tokens
• 可用性 — Fugu Ultra v2 未在 EU/EEA 銷售,對比 Claude Opus 5 在標準 API 條款下普遍可用
• 證據 — Fugu Ultra v2 廠商自行公布的基準測試,尚無獨立評估;相較之下,Claude Opus 5 有廠商提供的基準測試,加上數個月來在第三方排行榜上的排名
最後一列正是這場對決真正出現轉折的地方。在相同的輸入價格下,你得在兩種系統之間做選擇:一種是你只能憑信心接受其分數的系統,另一種是其分數已被其他人重現的模型。272K 的斷崖讓情況雪上加霜:一旦超過這個門檻,Fugu Ultra v2 的輸入費率翻倍至 $10,輸出則為 $45,而 Claude Opus 5 的費率則維持不變。對於長脈絡的代理執行作業——正是 Fugu Ultra v2 所量身打造的工作負載——表面上較便宜的那個價格優勢,恰恰就在這套系統理應大放異彩的地方消失無蹤。

每一個實際上是什麼
Claude Opus 5 是 Anthropic 的正式量產旗艦模型,而它的設計從外部就看得出來。它預設採用自適應思考,自行決定回答前要推理多久,並提供明確的努力程度調節,從低到最高,讓你在想強制進行更深層的思辨並為此付出成本時使用。它具備 100 萬 token 的上下文視窗、128K 的輸出上限、視覺、工具使用與 JSON 模式。Anthropic 回報在 SWE-bench Verified 上達到 96.0%,在 SWE-bench Pro 上達到 79.2%,是其前代 Frontier-Bench v0.1 結果的兩倍以上,而在 ARC-AGI 3 上約為 30.2%,相較之下 GPT-5.6 Sol 僅有 7.8%——這些全是廠商數據,而且全都是在你可依版本鎖定的單一模型上測得的。它也會把被標記的請求改為路由到較舊的模型,而不是直接報錯;如果你的流程中有合規審查,這個運作細節就很重要。
Fugu Ultra v2 不是那樣,而差異並非表面上的。它是一個協調器——一個小型訓練模型,據報導約有 7B 參數,會讀取你的請求、組建一個代理團隊、依據 Sakana 的 TRINITY 研究成果指派 Thinker、Worker 與 Verifier 角色,並綜合出最終答案。底層模型並未公開,路由決策在設計上也不對外揭露,而就 Ultra 層級而言,池是固定的:你無法選擇將某個供應商排除在外。Sakana 自己對第 2 版的說法是,訓練截止日期移至 2026 年 8 月 28 日,且池的組成有所變動——具體而言是排除 Claude Fable 5、Claude Fable 5.1 與 GPT-6 Astra。
那個排除條款是這次發布中最能說明問題的細節。Fugu Ultra v2 宣稱在基準測試中勝過目前可用的三大最強模型,同時又確認它並未呼叫其中任何一個。無論這個池子裡實際包含什麼,按 Sakana 自己的說法,它都不是市場頂端。這個賣點是:協調勝過能力。這是一個真實的論點,而且在有廉價檢查器的可驗證任務上,這個論點是有證據支持的。這與「這個系統比 Claude Opus 5 更聰明」不是同一種主張,而計分板的編排方式讓這兩者很容易被混淆。
Sakana 選擇的計分板
以下每個數字都來自 Sakana 自己對 Fugu Ultra v2 的評估。Claude Opus 5 的數據是 Sakana 在同一項比較中測得的,除非另有註明。沒有任何獨立第三方重現過 Fugu 那一欄,且截至本文撰寫時,Artificial Analysis 沒有任何 Fugu 模型的條目。
• Chartography — Fugu Ultra v2 48.3 對比 Claude Opus 5 27.3 — 廠商自行回報,差距 21 分
• DeepSWE — Fugu Ultra v2 74.3,相較於同一份表格中並未公布 Claude Opus 5 的數據 — 由廠商回報
• 基準測試排名 — Fugu Ultra v2 在八項中的五項為最佳或並列最佳,八項中的七項排名前二 — 廠商提供
• SWE-bench Verified — 無 Fugu Ultra v2 數據 vs Claude Opus 5 96.0% — Anthropic 回報
• SWE-bench Pro — 未提供 Fugu Ultra v2 的數據,對比 Claude Opus 5 的 79.2% — 由 Anthropic 回報
• ARC-AGI 3 — Fugu Ultra v2 無數據,對比 Claude Opus 5 約 30.2% — Anthropic 提供
把這讀成一種格局,而不是一份排名。Sakana 發布了一份八項基準的榜單,其中它贏了五項,而 Claude Opus 5 最強、公開有紀錄的結果——SWE-bench 的幾列、ARC-AGI 3——根本不在上面。這不是在指控對方心懷不軌;廠商的記分板就是這個樣子,每一家的都一樣。但這意味著你不能從這次發布推論出 Fugu Ultra v2 在軟體工程上勝過 Claude Opus 5,因為這兩個系統在同一批列上被量測的次數不夠多,無法這麼說。在唯一雙方都有出現、且雙方數字都公開的那一列——Chartography——Fugu Ultra v2 宣稱大幅勝出。在最廣泛的推理與程式編寫列上,只有一方公布了結果。

按任務計費,而非按代幣計費
協調器的 Token 帳單並非其每 Token 費率。Fugu Ultra v2 會生成代理,每個代理都會貢獻推理與輸出 Token,而協調器本身則產生合成文字。Sakana 的定價常見問題在此做出了一項真正有用的承諾——您會根據所涉及的頂級模型按單一混合費率計費,且增加代理不會使帳單倍增——這消除了最壞情況下的扇出倍增,而這種倍增會讓樸素的多代理設定變得昂貴。但它並未消除用量。計費的輸出 Token 數量仍然是取決於多少代理執行以及它們寫了多少,而在每百萬 30 美元的情況下,該用量是您無法從定價頁面預測的變數。
Claude Opus 5 的成本結構恰恰相反。一次呼叫、一個模型、一個由你掌控的投入程度調節旋鈕,以及 $25 的輸出費率,非即時工作還可享批次處理五折優惠。你可以預測它。對於每天執行一萬次的工作負載,可預測性的價值遠高於在圖表判讀任務上的基準分數優勢。
這也正是路由問題與模型問題乾淨分道揚鑣之處。Claude Opus 5 在 OrcaRouter 上以 Anthropic 的標價、0% 加價提供——供應商的費率原樣傳遞,因此廠商調價當天就會反映在同一把金鑰上;若某條供應商路徑遭到限流或中斷,也會自動切換至其他路徑。Fugu Ultra v2 不在我們的目錄中;它是透過 Sakana 自家的 OpenAI 相容 API 以及數個第三方平台送到你手上,而從較早版本的 Fugu 遷移只需改一行參數。如果你真正想要的,是 Claude Opus 5 的可預測性、同時降低對單一供應商的曝險,那麼答案是路由器,而不是協調器。如果你想要的是一套能對棘手問題嘗試多種做法、而不必由你親自編寫扇出邏輯的系統,那麼 Fugu Ultra v2 正是做這件事的東西——而你應該在開啟 token 記帳的情況下先進行試行。
Fugu Ultra v2 真正勝出之處
該給這套系統應有的肯定。Chartography 的成果若能成立,正是單一模型難以偽裝的那種勝利:對結構化文件進行視覺推理,需要有個讀法去嘗試、對照文件檢查,然後再試一次——這正是 Verifier 角色的用途。同樣的邏輯也適用於 Toolathon 和 DeepSWE,在那裡答案是可以被檢驗的,而非靠爭論。Sakana 發表的案例研究也指向同一方向:一次在一台 H100 上歷時十四小時、進行 123 項實驗的 AutoResearch 執行,一個純 Python 的魔術方塊求解器完成了全部 300 個打亂的方塊,而兩個匿名化的前沿基準則完全崩潰,一個機械 CAD 虹膜,能夠實際開合。這些是廠商挑選的範例,且基準經過匿名化,因此它們證明的東西比表面上看起來的要少。但這個模式是一致的,而且指向一個真實的類別:正確性可被檢驗、而困難之處在於持久堅持的任務。
此外還有一個與基準測試無關的結構性論點。Claude Opus 5 是單一供應商的模型,受制於該供應商的定價決策、淘汰時程與政策。Fugu Ultra v2 的設計初衷,就是在上述任何一項出現變化時仍能存續,而 Sakana 也明確表示這正是重點——供應商鎖定、API 撤銷、出口管制。在一個模型可能在幾乎沒有預警下就被撤出某些地區的市場裡,這並非假設。這是一種避險,而避險要付出代價:每百萬輸出詞元多付 5 美元,大致就是這項避險的價格。
判決
Claude Opus 5 在多數團隊實際上正在做的決策中勝出。它背後有數個月的獨立評估、一個不會在你的文件進行到一半時價格翻倍的 1M token 視窗、128K 的輸出上限、可讓你預測的公開價格、一個努力程度調節旋鈕,讓你只在任務值得時才購買推理,以及第三方在確切基準測試——SWE-bench Verified、SWE-bench Pro、ARC-AGI 3——上的結果,而這些正是代理式與程式開發團隊最重視的。Fugu Ultra v2 則在一個更狹窄也更有趣的問題上勝出:一個擁有較小模型池的協調者,能否在答案可被檢驗的任務上超越旗艦模型。Sakana 自家的計分板顯示,在八列中有五列答案是肯定的,而模型池的排除條件則顯示,這項勝利是在未使用世界上最好的三個模型之下達成的。
如果你執行的是可驗證、長時程、可查核的工作,而且你位於歐盟/歐洲經濟區之外,Fugu Ultra v2 值得做一次限定範圍的試行——衡量每項完成任務的輸出 token 數,而不是每個 token,並在開始前先設好上限。如果你今天就需要一條有實證支撐、帳單可預測的正式上線途徑,Claude Opus 5 仍是證據較充分的選擇,而且它只差一組 API 金鑰就能以 Anthropic 的定價取得,供應商費率原封不動地轉嫁。

本文中的比較1
根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新
