标签
Sakana Fugu 技术报告介绍了一个经过训练的编排器，它能动态选择并协调专用模型来执行任务。其中包含一个快速版本（Fugu）和一个较慢的工作流版本（Fugu-Ultra），后者可根据每个请求设计定制化的协作模式。
Sakana AI 发布 Fugu，一个仅 0.6B 参数的多智能体编排系统，通过智能任务拆分和模型协作达到前沿性能，绕开了传统的参数量扩增路径，标志着多智能体编排正式成为可用的生产力工具。
Sakana AI 发布了 Fugu Ultra，这是一种多智能体编排模型，在避免出口管制的同时，其性能媲美 Fable 和 Mythos 的前沿水平。
包括Sakana AI的Fugu Ultra在内的近期AI模型对比，展示了它们在使用Three.js通过单次生成构建无尽程序化地形的能力，凸显了无出口管制风险的尖端性能。
Sakana AI 发布了 Fugu Ultra，这是一个编排层，通过统一的 OpenAI 兼容端点将子任务路由到多个模型，性能与领先系统相当。
Sakana AI 发布了 Fugu Ultra，这是一个多智能体编排系统，可通过单一模型 API 访问，其性能与 Fable 和 Mythos 模型相当。
Elie Bakouch 批评 Sakana AI 的 Fugu 系统是一个建立在闭源模型之上的闭源编排层，认为它缺乏透明度和真正的人工智能主权，并在路由和成本效率方面存在技术限制。
Sakana AI 发布了 Sakana Fugu，这是一个多智能体编排系统，可通过单一模型 API 访问，其中 Fugu Ultra 模型在无出口管制风险的情况下达到了前沿性能。
根据Sakana AI的公司博客，其新模型Fugu在LiveCodeBench和Terminal Bench 2.1上以微小的优势超越了Fable 5，尽管结果尚未得到独立确认。
Sakana Fugu 通过单一 API 动态编排多种顶级模型，以处理复杂的多步骤任务。它利用其在 ICLR 2026 论文中提出的学习型编排方法，实现了前沿水平的性能，同时避免了对单一供应商的依赖。
Sakana AI 发布其首款商业产品 Sakana Marlin，这是一款自主研究助手，可在数小时内完成策略工作，生成结构化的幻灯片和详细报告。
Sakana AI在东京启动RSI实验室，专注于递归自我改进（RSI），即AI构建AI，旨在无需无限计算资源的情况下实现自我改进。
文章探讨了 Sakana AI 和 Meta 关于自我改进型 AI 智能体的最新研究，具体涉及达尔文-哥德尔机器（Darwin-Gödel Machine）和超智能体（Hyperagents），它们能够自主重写自身代码和基础设施以提升性能，且无需人工干预。
Sakana AI 发布了一个多代理编排系统（Multi-Agent Orchestration System），它通过一个小模型智能协调 GPT、Claude 和 Gemini 等前沿大模型来自主分配任务和处理复杂工作。