Sakana AI发布Fugu系统：动态编排多个LLM，性能媲美Anthropic Fable 5

一句话看懂

日本Sakana AI发布Fugu系统，通过实时协调多个LLM协同工作，在Fable和Mythos基准上达到与Anthropic顶级模型相当的性能，同时降低对单一供应商的依赖。

详细发生了什么

日本AI初创公司Sakana AI正式推出名为Fugu的系统。与传统依赖单一大型模型不同，Fugu采用“多模型编排”策略：它根据任务需求，动态调用多个不同的大语言模型（LLM），让它们各自处理擅长的子任务，最后汇总结果。

在Anthropic的Fable和Mythos基准测试中，Fugu的表现与Anthropic自家的Fable 5模型不相上下。这些基准测试涵盖推理、编码、创意写作等多个维度。Sakana AI表示，Fugu的核心优势在于灵活性和鲁棒性——即使某个模型失效，系统也能自动切换其他模型，避免单点故障。

此外，Fugu的设计初衷还包括降低对单一AI供应商的依赖。通过整合来自不同提供商的模型（如OpenAI、Anthropic、Google等），用户可以在不牺牲性能的前提下，获得更多选择和议价能力。Sakana AI计划以API形式提供Fugu服务，定价尚未公布。

中文圈视角

Fugu对中文用户来说，最直接的价值是“多模型编排”理念的落地。目前国内用户使用海外模型（如GPT-4、Claude）需要梯子，且面临数据出境和合规风险。Fugu这种“聚合层”思路，如果能在国内找到类似实现，可能成为替代方案。

国内已有类似尝试：例如，一些中间件平台（如Dify、FastGPT）支持调用多个国产模型（DeepSeek、Kimi、智谱GLM等），但通常需要用户手动配置路由规则，缺乏Fugu那样的动态智能调度。Fugu的自动编排能力，相当于把“模型路由”这件事自动化了。

对中文用户的具体场景：如果你在做多语言翻译、代码生成或复杂推理任务，Fugu可以自动选择最适合的模型（比如用DeepSeek处理中文，用Claude处理英文），而不需要你手动切换API。不过，目前Fugu是否支持国产模型尚不清楚，如果只支持海外模型，国内用户仍需解决网络和合规问题。

一个值得关注的盲点：Fugu的编排策略是否对中文任务做了优化？目前基准测试主要基于英文，中文场景下的表现有待验证。另外，Sakana AI是日本公司，其数据隐私政策可能比美国公司更友好，但具体条款仍需仔细审查。

几条值得记住的细节

• Fugu在Anthropic的Fable和Mythos基准测试中达到与Fable 5相当的性能。
• 系统支持动态切换模型，即使某个模型宕机也能自动恢复。
• 目标之一是降低对单一AI供应商的依赖，整合多家模型。
• 以API形式提供服务，定价尚未公布。
• Sakana AI总部位于日本，专注于基础模型研究和多模型协作。

一句话总结

Fugu让“用多个模型拼出顶级性能”成为现实，对追求灵活性和低风险的中文用户是个值得关注的新选择。