Fugu Ultra v2 對比 Qwen3.8-Max：為何價格標籤是錯誤的數字

Fugu Ultra v2 每百萬個輸出 token 要價 30.00 美元。Qwen3.8-Max 則要 6.00 美元。這是五比一的差距，而如果你依這個比例在兩套代理式系統之間做選擇，你一定會選錯——因為這兩者的實際計費方式，都不像價目表所暗示的那樣。根據 Artificial Analysis 自家的量測，Qwen3.8-Max 為了完成 Intelligence Index 產生了 1.8 億個輸出 token，是中位數模型 8,900 萬的兩倍以上，每項任務成本 2.67 美元。就 token 而言它是個節儉的模型，就答案而言卻是個奢華的模型。Sakana AI 於 2026 年 9 月 11 日推出的 Fugu Ultra v2，形狀正好相反：它會針對每個請求衍生並協調一批未公開的其他實驗室模型，並以單一混合費率計費，Sakana 表示這個費率不會隨著加入更多代理而倍增。一個是單一 2.4 兆參數的模型，會長時間把思考過程說出來。另一個則是會雇用幫手的小型協調者。比較它們的 token 價格，幾乎無法告訴你哪一個跑起來更便宜。

兩種截然不同的昂貴方式

先從機制講起，因為它解釋了這項比較中所有其他的差異。

Qwen3.8-Max 是一款稀疏混合專家模型——總參數達 2.4 兆，每個詞元約啟用 950 億——它之所以能達到接近前沿的成果，靠的是運作得更久，而非規模更大。Artificial Analysis 測得它的輸出速度為每秒 37.8 個詞元，在速度方面於 200 個模型中排名第 154，並在 Intelligence Index 上共輸出 1.8 億個詞元（在冗長度方面於 200 個模型中排名第 70）。其每項 Intelligence Index 任務的成本為 2.67 美元，而它的快取折扣異常地深，達 88%，這才是真正左右帳單的槓桿：長時間的代理執行若不斷重讀相同脈絡，就很便宜；若不斷生成新文字，則不然。

Fugu Ultra v2 從另一端處理同一個問題。它是一個協調器——一個小型的經訓練協調者，據報導約有 70 億個參數，負責讀取請求，依據 Sakana 的 TRINITY 研究中 Thinker、Worker 與 Verifier 的角色組建代理團隊，然後綜整出答案。它的 token 帳單是其子代理所產出的內容加上協調者自身的綜整文字之總和。Sakana 在其定價常見問題中承諾，你會被收取一個與所涉最高階模型掛鉤的混合費率，而且增加代理不會使帳單倍增，這消除了典型多代理系統中因扇出而導致成本倍增的爆炸性增長。它沒有消除的是用量。以每百萬輸出 token 30.00 美元計算，真正重要的數字是有多少代理執行過，以及它們寫了多少，而那是你與 Sakana 都無法從定價頁面預測的數字。

這就是對價格差距的誠實描述：它是費率，不是總額。把高出五倍的費率套用在一個你無法預測其產出量的工作負載上，成本並不會是五倍——而是一個沒有上限、卻有可預期下限的倍數。

規格表，以及決定一切的那一列

• 價格 — Fugu Ultra v2 每 100 萬個 token 輸入 $5.00 / 輸出 $30.00，對比 Qwen3.8-Max 輸入 $2.00 / 輸出 $6.00

• 快取輸入 — Fugu Ultra v2 每 100 萬 $0.50，對比 Qwen3.8-Max 每 100 萬讀取 $0.25，以及由 Artificial Analysis 測得的 88% 快取折扣

• 長上下文附加費 — 超過 272K token 時，Fugu Ultra v2 的輸入價格加倍至 $10.00、輸出價格加倍至 $45.00；相較之下，Qwen3.8-Max 不收長提示附加費，在整個上下文視窗內維持均一價

• 上下文視窗 — Fugu Ultra v2 100 萬個 token 對比 Qwen3.8-Max 100 萬個 token

• 輸出上限 — Fugu Ultra v2 未公布單一數字，而 Qwen3.8-Max 約為 128K tokens

• 輸入模態 — Fugu Ultra v2 文字，背後有該集區自身的能力支撐，對比 Qwen3.8-Max 的文字、圖像、影片與 PDF

• 權重 — Fugu Ultra v2 為閉源，集區成員身分依設計不予揭露；相較之下，Qwen3.8-Max 以自訂授權公開發布 Max 級檢查點的開放權重

• 區域供應情況 — Fugu Ultra v2 未在歐盟/歐洲經濟區銷售，而 Qwen3.8-Max 可在無區域限制的情況下取得

• 獨立評估 —— Fugu Ultra v2 未發布任何獨立評估，且任何 Fugu 模型都沒有 Artificial Analysis 頁面；相對地，Qwen3.8-Max 在 Artificial Analysis 上有現行條目，並公布了速度、冗長度與每項任務成本數據。

把最後兩行放在一起看，對比就更加鮮明。Qwen3.8-Max 是一個你可以鎖定版本、查閱授權條款、下載檢查點，並對照第三方評分板來查核的模型。Fugu Ultra v2 則是一個你無法檢視、無法自行架設、無法在歐洲購買，也無法向 Sakana 以外任何人驗證的系統。272K 的加價更讓情況雪上加霜：一旦超過該門檻，Fugu Ultra v2 的輸入費率就翻倍，輸出費率也調漲一半，而 Qwen3.8-Max 的費率則文風不動。對於這兩套系統所鎖定的長時程文件與儲存庫工作而言，那個更便宜的標價，同時也是更平穩的那一個。

大家都在引用的 Qwen3.8-Max 數字已經過時了

如果你在過去兩週內曾在任何地方讀過關於這個模型的資訊，你大概看過 Artificial Analysis Intelligence Index 為 58、58.1 或 58.4。那些數字當時是真實的，但如今已不再是最新數據。Artificial Analysis 於 2026 年 9 月 7 日將其指數重新校準至 v4.3，全面壓縮了各項分數，而 Qwen3.8-Max 的即時頁面現在顯示為40，在 200 個模型中排名第 30 名——並帶有標示分數經重述的「已更新」徽章。較早的報導也載有依前一尺度衡量的工作量成本：每項任務 64 回合，而前一代 Qwen 為 14 回合；以及每個 Intelligence Index 任務約 $1.14。目前頁面顯示每項任務 $2.67、每秒 37.8 個輸出 token，以及該指數上 1.8 億個輸出 token。

接下來有兩點。首先，在重新校準後的量表上，Qwen3.8-Max 與前沿第二梯隊的其他模型落在同一區間，而不是與前沿本身同級；任何你讀到、以 58 分將它與 Claude Opus 5 或 Kimi K3 並列的比較，都是在比較來自不同量表的快照。其次，對這場對決更有用的是，這項修正具有單向性：Qwen3.8-Max 有一個可能出錯、然後被修正的數字。Fugu Ultra v2 則沒有數字。本文中每一個 Fugu 數字都來自 Sakana 自家的評估；截至 9 月 11 日，Fugu Ultra v2 或任何其他 Fugu 模型都沒有 Artificial Analysis 頁面——該網址會回傳 404。當廠商公布一份記分板，而沒有獨立第三方實際跑過該模型時，記分板就是全部的紀錄。

它們實際重疊之處，以及不重疊之處

Sakana 回報 Fugu Ultra v2 在八項基準測試中的五項拿下最佳或並列最佳——GDP.pdf、Chartography、SWEFish、DeepSWE 和 Toolathon——並在八項中的七項名列前二。該新聞稿中的兩個具體數字是 Chartography 的 48.3，同一張表中 Claude Opus 5 為 27.3、Claude Fable 5 為 29.5，以及 DeepSWE 的 74.3。Ali​baba 自己公布的 Qwen3.8-Max 數據列包括 Terminal-Bench 2.1 的 86.6、OSWorld-Verified 的 86.1、GPQA Diamond 的 92.6，以及 SWE-bench Pro 的 67.7。

注意那兩份清單的共同點：什麼都沒有。沒有任何一項基準測試同時出現在兩張廠商表格中。沒有任何一列能讓你並排放上 Sakana 的數字和 Alibaba 的數字，然後讀出誰勝誰負；這意味著，對「哪個更擅長程式碼代理」這個問題，誠實的答案是：沒有已發表的證據能回答。實際存在的是：一個系統有八列由廠商自行挑選的資料，且沒有外部驗證；另一個系統則有廠商提供的列，外加一筆獨立項目，衡量的是成本與速度，而不是能力的正面對決。這是證據上的缺口，不是模型上的缺口，而這應該改變你購買的方式：你無法根據基準測試在這些之間做選擇，所以就根據你真正能驗證的特性來選。

開放權重對上未公開的資源池

這正是常見的「鎖定」論點出現反轉的地方，而這也是這對組合最有趣的一點。

Sakana 對 Fugu Ultra v2 的宣傳主軸是主權。一個可替換的開放與專門化模型池，意味著沒有任何單一供應商的定價決策、淘汰時程或政策轉向能拖垮你的產品；而這次發布也明確點出這一點，指出該模型池的組成在 v2 中已有改變。該公司也直言，Fugu Ultra v2 的成績是在代理池中沒有 Claude Fable 5、Claude Fable 5.1 或 GPT-6 Astra 的情況下達成的——既聲稱勝過目前可取得的三個最強模型，又確認它並未呼叫其中任何一個。無論這個池子裡有什麼，根據 Sakana 自己的盤算，它都不是市場上最頂尖的。

但這種避險是有代價的，而這代價並不在價目表上。你看不到那個資源池，你無法把某位成員納入或排除於 Ultra 方案之外，你無法自行架設其中任何一部分，而且你完全不能在 EU/EEA 運行它——以新加坡為基地、調度其他實驗室的權重，與自己擁有權重是截然不同的風險輪廓。Qwen3.8-Max 則恰恰把這一切倒轉過來。它是單一廠商的模型，因此暴露於單一廠商的決策之下，但阿里巴巴以自訂授權條款發布了 Max 級 Qwen3.8-2.4T-A95B 檢查點的開放權重，這意味著那條逃生出口是真實存在的，而非只是修辭：若定價或條款改變，該模型可以從你自己的基礎設施提供服務。對於一個真正恐懼的是廠商突然抽腿的團隊而言，一份可下載的檢查點，比一個針對你不得檢視的資源池所作的承諾，是更強的保證。

對於同時在兩邊跑 agent 的人來說，這裡有個次要但值得留意的點。Qwen3.8-Max 已在我們的目錄上，輸入 $2.00、輸出 $6.00，也就是 Alibaba 的定價，以 0% 加成原樣傳遞——供應商價格一有變動，當天就會反映在同一組金鑰上，而自動容錯移轉也能涵蓋遭限流或效能衰退的供應商路徑。Fugu Ultra v2 不在 OrcaRouter 上。你得透過 Sakana 自家的 OpenAI 相容 API 及幾個第三方平台才能取得，而從較早版本的 Fugu 升級只需改一行參數。路由器不能取代協調器，協調器也不能取代容錯移轉的能力；如果你兩者都想要，就等於同時在跑兩家供應商的系統，請為兩筆帳單做好預算。

你應該選哪一個

如果你需要一個可預測、可驗證、可抽身的模型，就選 Qwen3.8-Max。以牌價計，它的輸出速率是 Fugu Ultra v2 的三分之一；它沒有長上下文斷崖；它接受圖像、影片與 PDF，而 Fugu 池的多模態能力則取決於底層代理剛好支援什麼；它會發布可供你退回使用的檢查點；它在各地都買得到；而且它有一筆即時且獨立的條目，衡量真正影響你帳單的東西——每秒 37.8 個 token，以及一個你在投入前就能建模的每任務成本數字。它的弱點同樣具體，值得點名：它很慢，速度在 200 個中排名第 154；它在索引上極為冗長，達 1.8 億個 token；而 Artificial Analysis 另行測得它的幻覺率相較前一代從 23% 升至 40%，這對它主打的自動化多步驟工作而言，正是嚴重的隱憂。請把驗證器納入預算，並積極利用深度快取折扣。

如果你的工作是長時間跨度且可驗證的、你的預算屬於探索性而非正式生產用途，而且你身處 EU/EEA 之外，那就選 Fugu Ultra v2。採用協調器的結構性理由確實成立，而供應商自家的範例也一致指向這一點——在單張 H100 上進行十四小時、涵蓋 123 項實驗的自動化研究執行；一個純 Python 的魔術方塊求解器完成了全部 300 顆打亂的方塊，而兩個匿名化的前沿基準則直接崩潰。這些都是供應商挑選過的範例，基準也經過匿名化，它們能證明的比表面上看到的少，但這個模式本身是連貫的：在正確性可驗證、而難處在於持續力的任務上，生成一個驗證器勝過把單一模型逼得更用力。你買到的就是那份持續力，代價是 Qwen3.8-Max 五倍的費率，而且是在一個你無法稽核其品質、也無法鎖定其模型池的系統上。以限定範圍進行試點，衡量「每完成一項任務的輸出 token 數」而非「每 token」，並在第一次執行前就設好上限。

價格標籤上的數字之所以不對，是因為這兩款產品都把「答案的成本」從「token 的成本」移開了。Fugu Ultra v2 的做法是分散到它不願具名的多個模型上。Qwen3.8-Max 的做法則是用一億八千萬個 token 來思考。如果你已經知道自己每項任務的 token 用量，這道算術很簡單，你應該直接算。大多數團隊並不知道那個數字，對他們來說，決定就簡化成更單純的一件事：Qwen3.8-Max 是你可稽核、可定價、可捨棄的選擇，而 Fugu Ultra v2 則是押注協調勝過能力的選擇。兩者都站得住腳。只有其中一個附有收據。