شرکت Sakana AI دو مدل جدید Fugu Max و Fugu Ultra v2 را از خانواده خود منتشر کرد. برخلاف تصور رایج، Fugu یک مدل زبانی بزرگ پایه (Foundation Model) نیست، بلکه یک سیستم ارکستراتور یادگیرنده است که کارها را از طریق یک رابط API مشترک میان مخزنی از سایر مدل‌ها توزیع می‌کند. نسخه‌های جدید این معماری برای دو هدف متفاوت بهینه شده‌اند: Fugu Max بر کسب بهترین خروجی به ازای هر دلار هزینه متمرکز است، در حالی که Fugu Ultra v2 برای انجام وظایف پیچیده و چندمرحله‌ای با بالاترین سطح قابلیت طراحی شده است.

رویکرد دو محوره: تعادل هزینه و عملکرد#

تیم Sakana AI استدلال می‌کند که بارهای کاری واقعی همواره بر اساس دو معیار «قابلیت» و «هزینه» ارزیابی می‌شوند. ارسال یک درخواست ساده جستجوی داده به یک مدل چند ترایلیون پارامتری اتلاف منابع است. سیستم Fugu با استفاده از مفهوم «نقطه بهینه پارتو»، ارزان‌ترین ماشین‌آلات مدل‌سازی را که قادر به حل مسئله هستند، انتخاب می‌کند. هر دو مدل جدید از یک هسته معماری یکسان بهره می‌برند و تنها هدف بهینه‌سازی آن‌ها متفاوت است.

ویژگی‌های فنی و نحوه عملکرد#

مدل‌های Fugu با ترکیب تنظیم دقیق مقیاس بزرگ، الگوریتم‌های تکاملی و تقویت یادگیری آموزش دیده‌اند. این سیستم بر پایه دو پژوهش ارائه‌شده در ICLR 2026 بنا شده است: یکی با نام TRINITY که یک هماهنگ‌کننده سبک برای تعیین نقش‌های متفکر، کارگر یا تأییدکننده استفاده می‌کند، و دیگری Conductor که با یادگیری تقویتی راهبردهای هماهنگی طبیعی را کشف می‌کند.

عملکرد Fugu Max و Ultra v2#

Fugu Max مخزن مدل‌های قابل ارکستراسیون را گسترش داده و شامل خانواده ابزار سنجش عملکرد نیز می‌شود. قیمت‌گذاری این مدل ۲ دلار برای هر میلیون توکن ورودی و ۶ دلار برای خروجی است که نسبت به رقبایی مانند Sonnet 5 و GPT 5.6 Terra تا ۶۰ درصد پایین‌تر است. این مدل در ۶ بنچمارک اصلی از جمله Terminal Bench 2.1 و GPQA Diamond بهترین نمره را کسب کرده است.

Fugu Ultra v2 تمرکز ویژه‌ای بر استدلال پیچیده و توسعه نرم‌افزار دارد. این مدل در بنچمارک نتایج پژوهش HarnessDev با نمره ۴۸.۳ و در DeepSWE با نمره ۷۴.۳ پیشی گرفت. نکته قابل توجه این است که Ultra v2 بدون وابستگی به مدل‌های انحصاری خاص مانند Fable 5 یا GPT-6-Astra عمل می‌کند که این امر ریسک قفل شدن در اکوسیستم فروشندگان (Vendor Lock-in) را کاهش می‌دهد.

هر دو مدل اکنون از طریق API سازگار با OpenAI در دسترس هستند، اما وزن‌های باز (Open Weights) برای میزبانی شخصی ارائه نشده‌اند و سرویس آن‌ها در اتحادیه اروپا/منطقه اقتصادی اروپا در دسترس نیست.

منبع: MarkTechPost