Fugu Ultra v2 vs GLM 5.2：你付費買的是協調，而非參數

把兩張價目表並排一看，這場對決看起來簡直像是個錯誤。Fugu Ultra v2由 Sakana AI 於 2026 年 9 月 11 日發布，每百萬輸入 token 收費 5 美元，每百萬輸出 token 收費 30 美元。GLM 5.2則是 Z.ai 於 2026 年 6 月 16 日推出的旗艦模型，收費分別為 1.40 美元與 4.40 美元。兩者都宣稱具備百萬 token 級別的上下文視窗。兩者鎖定的更是完全相同的買家——那些執行長時間、多步驟、儲存庫規模代理式工作的團隊。其中一款的輸入價格約為另一款的 3.6 倍，輸出價格則是 6.8 倍，而較便宜的那款還是你可以下載留存的那款。所以整個比較歸結為一個問題：多付的錢究竟買到了什麼，而它買到的東西，是單一模型無法提供的嗎？

它們不是同一種物件

價格差距之所以存在，是因為這兩者用截然不同的機制來解決長時程任務，而這種差異在你實際執行任何基準測試之前就會顯現出來。

• Fugu Ultra v2——一套協調調度系統，而非基礎模型。它是 Sakana AI Fugu 系列中能力最大化的層級：單一 OpenAI 相容端點，能將傳入的任務分解，並把各部分分派到其他模型構成的池中，其中有些是開放權重模型，有些則是專門化模型。Sakana 自己的說法是，它「將峰值效能推向前所未有的高度，且不必非得依賴它所調度的前沿模型」。你買的是一個排程器，而你要為該排程器思考所耗費的每一個 token 付費，包括內部的調度 token。

• GLM 5.2 — 單一的混合專家模型。Z.ai 將其發佈為文字輸入／文字輸出的模型，具備「真正可用」的 100 萬詞元上下文視窗，以及最多 128K 的輸出詞元，混合推理由 reasoning_effort 控制，並支援原生工具呼叫。據報其架構約有 753B 總參數，每個詞元約有 40B 作用中參數，不過 Z.ai 並未確認 5.2 版本具體的作用中參數數量——請將該數字視為沿用自 GLM-5.1。

那就是岔路口。其中一個是你所呼叫的東西；另一個則是會呼叫東西的東西。

Fugu Ultra v2 不會告訴我們的事

Sakana 的公告頁面在某一件事上異常坦率，在另一件事上卻異常沉默，而這兩者對購買決策都至關重要。

坦白說：該公司直接表明Claude Fable 5、Claude Fable 5.1 和 GPT-6 Astra 並不在 Fugu Ultra v2 的模型池中，即使同時聲稱在基準測試上勝過它們。所述的理由是韌性——一個可替換的開放與專門模型池，無法被供應商或地緣政治變動撤銷、重新定價或切斷。訓練截止日期列為 20260828。無論你怎麼看待這個論點，這是一個真實的架構立場，也是選擇 Fugu Ultra v2 而非自己組裝的技術堆疊最明確的理由。

耐人尋味的部分是：這份公告本身並未載明上下文視窗，頁面上也沒說明 Fugu Ultra v2 的詞元定價。第三方模型列表把視窗列為 1M 個詞元，費率為 $5 / $0.50（快取）/ $30，且在輸入詞元大約超過 272K 之後會進入重新定價級距，調升至約 $10 / $1.00 / $45。本文其餘部分採用的就是這些數字，但它們屬於第三方列表，而非供應商官方文件——在據此編列預算之前，請先對照 Sakana 的最新費率表確認。

沒人回答的每 Token 成本問題

以每詞元計價來做這種比較是用錯了單位，而目前為此排名在前面的每個頁面都犯了同樣的錯誤。一個協調器的帳單，並不是你的提示大小乘以某個費率；而是你的提示大小，加上它決定要發出的每一次子呼叫，再加上它所租用模型的推理詞元，全部再按協調器自己的費率加成計算。

Sakana 直接承認了這一點：內部消耗的編排 token 會以一般輸入與輸出 token 計費。這意味著，要誠實比較 Fugu Ultra v2 與 GLM 5.2，唯一的方式就是看每項已完成任務的成本，而兩家廠商都沒有公布這個數字。

一些無論如何都確實成立的結構性要點：

• 輸入價格 — Fugu Ultra v2 為 $5.00 / 1M，而 GLM 5.2 在 OrcaRouter 上依 Z.ai 的供應商費率為 $1.40 / 1M。Fugu 在尚未發出任何一次子呼叫之前，成本就是 3.6 倍。

• 輸出價格 — Fugu Ultra v2 $30.00 / 1M，對比 GLM 5.2 $4.40 / 1M。這是最讓人痛的數字，因為 agent 會產生大量輸出，而 orchestrator 產生的輸出，根本不是你要的。

• 快取輸入 — Fugu Ultra v2 標價為 $0.50 / 1M；GLM 5.2 的快取價格為 $0.26 / 1M，相較其自身輸入費率便宜了 81%。在穩定的系統提示上反覆執行代理迴圈，正是 GLM 5.2 的優勢複利效應最為顯著之處。

• 長脈絡重新定價 —— Fugu Ultra v2 據稱在輸入超過約 272K 時會進入更高級距，使整個請求的輸入費率約變成兩倍、輸出費率變成 1.5 倍。GLM 5.2 則完全沒有脈絡分級：一律 $1.40 / $4.40 固定價，一路適用到 1M。

最後一列才是該圈起來的重點。長時程代理的一次執行，生命週期大多落在 272K 個 token 之後。GLM 5.2 的固定費率之所以能省下真金白銀，正是在 Fugu Ultra v2 費率翻倍的地方。

基準幾乎沒有觸及

這場對決真正奇怪的地方，也是目前任何排行榜頁面都沒有明說的事：這兩個模型幾乎從未在同一項測試中被衡量。

Sakana 回報 Fugu Ultra v2 在八項基準中的五項——GDP.pdf、Chartography、SWEFish、DeepSWE 與 Toolathon——為最佳或並列最佳，並在八項中的七項名列前二。它給出的兩個重點數字是 Chartography 的 48.3，對比 Opus 5 的 27.3 與 Fable 5 的 29.5，以及 DeepSWE 的 74.3。SWEFish 與 Toolathon 是 Sakana 自家的內部基準。這些全都是廠商自行回報的數據，且截至發布時，無一經過獨立重現。

Z.ai 為 GLM 5.2 公布的數字，完全是來自另一套來源：Terminal-Bench 2.1 為 81.0、SWE-bench Pro 為 62.1、GPQA-Diamond 為 91.2、AIME 2026 為 99.2、HLE 為 40.5——同樣由廠商自行回報。在獨立評測方面，GLM 5.2 在 Artificial Analysis 重新評分的頁面上，AA Coding Index 為 68.8、Intelligence Index 為 39，該頁面將其標記為暫定估計，在 113 個項目中排名第 7。較舊引用 GLM 5.2 的 51 或 53 分，來自已被取代的指數尺度，不應再被引用。

所以，如果你想要一個乾淨的正面對決數字，那並不存在。最接近共同基準的一點是：兩者在代理式編程上都表現強勁，而誠實的解讀是，每家公司都發表了自己表現優異的測試結果。這是個讓你去做自家評估的理由，而不是去挑那個更高的數字。

對今天打算選購 GLM 5.2 的人來說，有一點值得注意：它已不再是 Z.ai 最新的模型。GLM-5.3 於 2026 年 8 月 14 日左右推出，定價相同，但採用的是限制大型雲端服務供應商的客製授權條款——這使 GLM 5.2 成為最後一個完全採用 MIT 授權的 Z.ai 旗艦模型，也是它至今仍具備獨特選購理由的原因。

執照是最銳利的分界線

撇開基準不談，結構上的差異比任何分數都更為鮮明。

GLM 5.2 以 MIT 授權在 Hugging Face 上以開放權重形式發布，沒有限制地區。你可以下載它、在自己的硬體上執行它、微調它，並將它搭載於產品中推出，完全無需徵求任何人的許可，也無需支付任何按 token 計價的費用。Z.ai 訓練了它——值得注意的是，根據該公司自己的說法，完全是使用華為昇騰加速器，而非 Nvidia。

Fugu Ultra v2 完全沒有提供這些。它是一項託管服務：一套在模型池之上的編排策略，而 Sakana 對該模型池的成員組成，僅在邊緣處描述過。你無法下載它、檢視它、固定它，或是在氣隙環境中運行它。你取而代之得到的是一個抽象層——單一端點，其行為原則上能抵禦任何一個上游模型消失。對於不能承受依賴消失的生產系統而言，這是一項真實的效益。這也是一項真實的代價，因為你拿控制權換來了它。

如果你的限制條件是「模型不能在我使用時改變」，這些答案中只有一個符合。如果你的限制條件是「模型不能被其他人移除」，只有另一個符合。

速度，以及測試人員對上一個的評價

GLM 5.2 在實測上並不快：Artificial Analysis 記錄到約每秒 66.3 個 token、首字延遲約 4.03 秒，這對前沿級模型而言僅屬中等水準，而 Z.ai 自家使用者也抱怨過尖峰時段的服務壅塞問題。

Sakana 並未公布 Fugu Ultra v2 的延遲或吞吐量數據，這本身就頗具資訊性——一個會將工作分派給多個模型的系統，其延遲特性完全取決於它決定呼叫哪些模型，因此單一的吞吐量數字幾乎沒有意義。針對前一版 Fugu Ultra，測試者公開回報的執行時間長達約 30 分鐘，且成本遠高於以單一模型處理同一工作的費率。那是 2026 年 6 月的模型，並非關於 v2 的證據——但這正是該測試的失效模式，也是為什麼按 token 比較會美化協調器的原因。

你實際上會怎麼稱呼這每一個

GLM 5.2 即日起已在 OrcaRouter 上線，採用 Z.ai 自家供應商費率——每百萬輸入 $1.40、每百萬輸出 $4.40，零加成直通，因此 Z.ai 任何降價都會在同一天反映到這裡。它與 OpenAI 相容，所以切換到它只需在你既有的 SDK 中更改 base-URL 和 model-ID，而且你可以把它放在容錯移轉鏈或路由規則之後，而不是把生產路徑押在單一供應商上。

Fugu Ultra v2 不是由我們路由的。它可透過 Sakana AI 自家的 OpenAI 相容 API 取得，而只要變更一個參數，就能讓現有的 Fugu 整合轉移到它上面。如果你正在將它與 GLM 5.2 進行評估比較，實務上的做法是：在你做決定之前，讓 GLM 5.2 留在你現有的閘道上，並直接從 Sakana 呼叫 Fugu Ultra v2——兩者都與 OpenAI 相容，因此可以放在同一個程式碼路徑中，並以旗標控制。

該選哪一個

選擇GLM 5.2，若你想要以已知價格獲得已知品質：MIT 授權的權重，你明天就能自行託管；固定 $1.40 / $4.40，沒有長上下文懲罰；真正可用的 1M 視窗；以及在快取的代理迴圈上複合的折扣。接受它僅支援文字、它落後 GLM-5.3 一個世代，且其獨立指數分數是暫定的。

選擇 Fugu Ultra v2，前提是你買的是韌性，加上面對高難度多步驟工作時的巔峰能力，而且你願意按 token 為協調付費，並放棄檢視或自行託管你所呼叫之對象的能力。廠商自己的說法是，它能在不依賴前沿模型的情況下達到前沿水準的輸出——這是個真實而罕見的主張，而且截至今日，確切地說，Sakana 以外沒有人能夠驗證。

我們不會做的是，只憑基準測試表在兩者之間做選擇。這些測試幾乎沒有重疊，兩家廠商都只在自己最強的地盤上公布數據，而真正具決定性的數字——完成一項長時程任務的成本——正是兩家公司都沒有放上頁面的那一個。