夜雨聆风当OpenAI、Google、Anthropic还在拼命把模型做大、做深、做贵的时候，东京的 Sakana AI 做了一件所有人都没想到的事——
他们训练了一个模型，这个模型自己不回答任何问题。
它读完你的提问之后，唯一做的事情就是：决定让谁来回答。
GPT-5.5 擅长数学？派它。Gemini 3.1 Pro 擅长科学检索？派它。Claude Opus 4.8 擅长调试代码？派它。任务太难，一个模型搞不定？那就组一支临时小队，让模型A解题、模型B验算、模型C换个思路再来一遍，最后综合出最优答案。
这个东西叫Sakana Fugu。
更让人震惊的是——它在 SWE-Bench、Terminal Bench、LiveCodeBench、GPQA Diamond 等 11 项主流基准测试中，几乎全面超越了 GPT-5.5、Claude Opus 4.8、Gemini 3.1 Pro 每一个单打独斗的前沿模型。
一个不回答问题的模型，打败了所有回答问题的模型。
「统御群模」——Fugu 到底是什么？
Sakana AI 的官网给 Fugu 的定位是一句极具野心的话："One Model to Command Them All"（一个模型，统御所有）。
▲ Sakana Fugu 官网首页——"One Model to Command Them All"，副标题写着：无需依赖单一供应商，即可获得前沿级性能
这家公司的来头也值得说一句。Sakana AI 的联合创始人 Llion Jones，正是那篇改变了整个 AI 行业的论文《Attention Is All You Need》的共同作者——Transformer 架构的缔造者之一。另一位创始人 David Ha，长期研究集体智能和进化计算。
他们的逻辑很直白：2026 年的 AI 格局，已经从"一家独大"变成了"群雄割据"。GPT 系列在数学推理上有优势，Opus 系列在软件工程和网络安全上更强，Gemini 在科学和事实召回上领先。甚至在同一个领域内部，不同模型也各有擅长的细分方向。
既然没有任何一个模型能在所有任务上称霸，那为什么还要死磕一个模型？
为什么不训练一个「指挥官」，让它学会在正确的时间调用正确的模型？
这就是 Fugu 的核心思想。它把自己包装成一个看起来完全正常的 OpenAI 兼容 API——你发一个请求过去，收到一个回复，整个过程和调用 GPT-5.5 没有任何区别。但在黑箱内部，Fugu 可能已经调度了三个不同的模型、跑了五轮验证、做了两次交叉比对。
你看到的是一个模型，背后站着一整支军队。
两种模式：快枪手与总参谋长
Fugu 有两个版本，对应两种截然不同的使用场景。
▲ Sakana AI 官方推文详解 Fugu 的工作机制，底部架构图展示了用户请求如何经过 Fugu 编排层分发到多个专家模型池（2.2K赞，86万浏览）
第一种：Fugu（快速路由器）。针对日常交互式任务优化。它的骨干是一个预训练语言模型，在最终隐藏层后面接了一个轻量级的「选择头」（selection head）。用户的问题进来，隐藏状态一算、选择头一打分，直接挑池子里最合适的模型去处理。整个过程极快——因为编排器根本不需要自己做任何文本生成，它只做决策。
这个选择头的训练方式很精巧：先用大规模 SFT（监督微调）在编码、数学、推理等任务上学习每个模型的能力分布，再用进化策略（sep-CMA-ES）在真实的多轮代理任务上端到端优化。进化算法特别擅长处理这种奖励稀疏、交互链条长的场景。
用户体验上，你感觉像在调用一个模型。但 Fugu 已经在背后帮你挑了最强的那个。
第二种：Fugu Ultra（深度指挥官）。这才是真正疯狂的版本。
Ultra 面对一个复杂问题时，会直接设计一整套工作流。它会输出一个自然语言描述的步骤序列——哪个模型负责哪个子任务、谁能看到谁的结果、什么时候做验证、什么时候合成最终答案。拓扑结构完全自适应：可以是顺序链、可以是并行树、可以是辩论、甚至可以递归调用自己。
训练上，Ultra 用 GRPO（Grouped Relative Policy Optimization）强化学习。对每个候选工作流，先检查格式能不能跑，再实际执行看结果对不对，用蒙特卡洛优势估计来更新策略。
它为每一道题，临时设计一套最优的团队协作方案。
数据说话：11 项基准，全面碾压
说了这么多理念，到底管用吗？
Sakana 的技术报告给出了一组让人很难忽视的数字：
▲ alphaXiv 总结推文，附 Figure 1 性能对比雷达图——Fugu 与 Fugu Ultra 在多项基准上形成包围圈（344赞，2.4万浏览）
挑几个最刺眼的：
- SWE-Bench Pro
（真实软件工程任务）：Fugu Ultra 拿下73.7%，Opus 4.8 是 69.2%，GPT-5.5 只有 58.6%。将近 5 个点的差距，在这个基准上相当于一次完整的模型迭代。 - Terminal Bench 2.1
（终端操作与自动化）：Fugu Ultra82.1%，GPT-5.5 78.2%，Opus 4.8 74.6%。 - LiveCodeBench
（实时编程竞赛）：Fugu Ultra93.2%，遥遥领先所有对手（最接近的 Gemini 88.5%）。 - GPQA Diamond
（研究生级科学问答）：Fugu 和 Ultra 都达到95.5%，在这个公认的高难度基准上封顶。 - Humanity's Last Exam
（"人类最后的考试"，覆盖多学科前沿）：Fugu Ultra50.0%，第一个突破半数大关。
在 11 项基准中，Fugu Ultra 拿下了其中 7 项的最高分，Fugu 标准版又拿下了 3 项。只有 1 项（MRCRv2 长上下文记忆）GPT-5.5 以微弱优势保住了第一。
领域自适应的效果非常明显——Terminal Bench 上 Fugu 内部倾向调度 GPT 系列，GPQA 上倾向 Gemini，软件工程任务上频繁切换到 Opus。它确实在"因题制宜"。
六场实战：编排智能的真正考验
基准测试可以刷，但 Sakana 的技术报告里还有六个专家设计的实战任务，更能说明 Fugu Ultra 的深层能力。
盲棋。四局连续盲棋对局，没有棋盘，全凭记忆维持棋局状态。对手包括三个前沿模型和一个 2100 Elo 的 Stockfish。Fugu Ultra 全部以将杀获胜，其他模型在中途丢失了棋局状态。
古典日文假名消息重建。1610 年的芳春院手写书信，散布式布局极其复杂。Fugu Ultra 在全部 25 页上的平均 NED 指标达到 0.776，最强基线只有 0.642。单页对比中，Fugu 的路径几乎与人类专家重合。
机械虹膜 CAD 设计。根据文字指令生成相机光圈式多叶片联动机构。Fugu Ultra 生成的结构叶片绕外销旋转、开合顺畅，其他模型出现间隙和结构失效。
自主 ML 实验优化。在 Karpathy 的 AutoResearch 框架上，预算 123 次实验（约 14 小时 H100 计算），Fugu Ultra 的最终 val BPB 为 0.9748，全面领先。改进主要出现在中后期，说明编排在长程探索中的优势。
金融交易模拟。50 周匿名股票数据，每周做买卖决策。Fugu Ultra 五轮平均回报率+19.43%，其他模型不到 +15%。
魔方求解。纯 Python 从零写 solver，跑 300 个随机打乱。Fugu Ultra 和最强基线都全部解出，但 Fugu 平均步数更优（19.72 vs 19.76），且每一局都不多于对手。
这些实验的共同特点是：长、乱、多步骤、需要角色切换和交叉验证。恰好是编排智能最能发挥威力的地方。
社区炸锅：五天内就有人逆向复刻了
Fugu 发布后，社区反应极其迅速。
▲ 开发者 @rohanpaul_ai 发长推拆解 Fugu 技术机制——"核心理念是，智能正在从模型本身转移到围绕它的系统"
技术博主 Rohan Paul 的总结抓住了要害：大多数多模型系统用的是简单规则（比如让三个模型投票，或者编码永远给模型 A、数学永远给模型 B），但 Fugu 的"经理"是从数据中训练出来的，它能学会"这道题看着像编码，但卡点在调试环节，所以应该派调试能力更强的模型"这种细粒度判断。
更让人兴奋的是开源社区的速度。论文发布不到一周，Di Zhang 等人就搭建了OpenFugu项目——从论文逆向工程出完整的 read → run → train → serve 四阶段 pipeline。
▲ OpenFugu 开源项目（268 星，48 fork），README 开头写着："Fugu 被包装成一个模型在卖，但它其实是模型之上的策略"
OpenFugu 提供了 Trinity 风格的 0.6B 路由器、Conductor 实现、完整的训练脚本（sep-CMA-ES 和 GRPO），并且已经在 HuggingFace 上发布了 3B 的 conductor 权重。评测显示，训练好的路由器相比最佳单模型有+107% 的相对提升。Apache 2.0 许可，完全开放。
这本身就是"集体智能"理念的最佳注脚——即使产品是闭源的，核心思想可以被快速社区化和复制。
已经能买到了：$5/$30 per M tokens
Fugu 已经上架了 OpenRouter、Vercel AI Gateway 等第三方平台，定价透明。
▲ OpenRouter 上的 Fugu Ultra 页面——输入 $5/M tokens，输出 $30/M tokens，延迟约 12 秒，Uptime 100%
Sakana 自己也提供订阅方案：Standard $20/月、Pro $100/月（10 倍用量）、Max $200/月（30 倍用量）。7 月底前订阅还送首月次月免费。API 完全兼容 OpenAI 格式，现有的代码不用改一行就能接入。
有一点值得注意：Fugu 支持用户在控制台opt-out 特定模型或供应商。如果你不希望数据经过某家公司的 API，直接关掉就行。这在合规敏感的企业场景下相当有吸引力。
当然，质疑声也确实存在。Reddit 上的深度讨论指出了几个真实的问题：多代理路径的 token 消耗更高，简单任务用 Fugu 可能得不偿失；内部的模型选择和上下文传递对用户完全不可见，企业合规和审计怎么办？所有基准数据都是 Sakana 自己报的，独立第三方大规模评测还没跟上。
有人的评价很精准："当独立评测出来之前，按营销材料看待。"
这很公平。但技术报告是开放的（arXiv:2606.21228），方法论已经被 OpenFugu 独立验证过可行性，核心思路的价值很难否认。
智能的位置正在发生转移
回过头看，Sakana Fugu 最有意思的地方可能不在于某个基准上多了几个百分点。
它提出了一个根本性的问题：AI 系统的智能，到底应该住在哪里？
过去几年的答案很统一：住在模型权重里。你想要更强的 AI，就训练更大的模型、喂更多的数据、烧更多的 GPU。这条路走到 2026 年，遇到了成本飙升、跨境供应约束、供应商锁定、能力碎片化等一系列现实阻力。
Fugu 给了一个不同的答案：智能可以住在协调策略里。一个懂得在正确时间调用正确模型的编排器，可能比任何单个更大的模型都更强、更灵活、更抗风险。
Sakana 在发布公告里引用了一个很现实的背景——Anthropic 的 Fable/Mythos 模型曾因政策与供应限制在部分地区停止提供。如果你的整个业务栈都绑在一家供应商上，这种事可以瞬间让你的系统瘫痪。而 Fugu 的可替换模型池（swappable pool），天然提供了一层对冲。
用 Sakana 自己的话说："集体智能是应对权力集中的实用对冲。"
这让人想起另一个历史类比。Kubernetes 刚出现的时候，也有人问：为什么要在容器上面再加一层编排？直接写部署脚本不行吗？十年后，没有人再问这个问题。
Fugu 有可能成为 AI 推理层的"Kubernetes 时刻"——从手工规则到声明式意图，从固定 pipeline 到学习出来的自适应策略。
当然，这条路能走多远还是未知数。但至少有一点已经确定：
AI 竞赛的赛道，刚刚多了一条。
