Sakana AI 发布 Fugu 多智能体模型，降低企业 AI 供应商锁定风险
日本 AI 公司 Sakana AI 推出 Fugu 多智能体编排模型，通过动态路由调用多种模型完成任务，避免单一供应商依赖。标准版和 Ultra 版分别面向日常任务和复杂分析，已在代码审查、网络安全等场景验证，为中文用户提供供应商锁定问题的参考方案。
一句话看懂
Sakana AI 推出 Fugu 多智能体编排模型，通过动态路由调用多种模型完成任务，帮助企业避免单一 AI 供应商依赖风险。
详细发生了什么
日本 AI 公司 Sakana AI 发布了名为 Fugu 的多智能体编排模型，旨在解决企业部署中过度依赖单一 AI API 带来的运营风险。Fugu 通过一个 OpenAI 兼容的端点接入，内部路由查询，决定是直接处理还是组建专家模型团队进行深度分析。系统自动处理模型选择、任务分配、验证和结果合成，工程团队面对的是一个模型，背后则由多个专业模型协同工作。
Fugu 提供两个版本：标准版优先低延迟，适合日常任务，可集成到 Codex 等开发工具中；Ultra 版面向复杂多步分析任务，如学术论文复现、文献调查和专利分析，在科学、工程和推理基准测试中表现与 Fable 5、Mythos Preview 等顶级闭源模型相当。近 500 名早期用户在网络安全、代码审查和自动化研究场景中测试了该系统。
中文圈视角
Fugu 对中文用户的意义在于两点：一是供应商锁定问题在国内同样存在，尤其是依赖 OpenAI 或 Anthropic API 的团队，一旦出口管制或服务中断，业务可能受严重影响。Fugu 的思路——通过一个编排层动态切换底层模型——为国内企业提供了可借鉴的架构设计。二是国内已有类似尝试，如 ModelScope 的 Agent 框架和百度千帆的模型路由，但 Fugu 的端到端编排和长期身份稳定性是其差异化亮点。中文用户若想使用 Fugu，目前需通过 Sakana AI 的企业渠道，可能涉及数据出境问题，但架构本身可启发国内开发者在自建系统时采用类似的多模型池策略。
几条值得记住的细节
- Fugu 标准版优先低延迟，Ultra 版面向复杂分析，两者均通过单一 OpenAI 兼容端点接入。
- 在代码审查中，Fugu Ultra 发现 20 多个问题，而其他工具仅标记约 3 个，效果显著。
- 网络安全测试中，Fugu Ultra 自动完成侦察、XSS 和 SQL 注入检查，并生成带证据的漏洞报告。
- 长期会话中，Fugu 表现出强身份稳定性，避免其他模型常见的上下文退化问题。
- 技术基础来自 Sakana AI 在 ICLR 2026 发表的 Trinity 和 Conductor 框架。
一句话总结
Fugu 通过多模型编排降低供应商锁定风险，为依赖单一 AI API 的团队提供了更灵活、更安全的替代方案。