Sakana AI bygger videre på sitt «collective intelligence»-spor: Fugu er den kommersielle pakkingen av forskningen som tidligere ga The AI Scientist, evolutionary model merging, ShinkaEvolve og AB-MCTS. Selve orkestreringen i Fugu hviler på to ICLR 2026-papirer fra Sakanas team, kalt Trinity og Conductor, ifølge selskapets egen lansering.
Det praktiske grepet er at du slipper å holde rede på flere API-nøkler og bytte mellom modeller for koding, matematikk og resonnering. Fugu fordeler oppgaver dynamisk over en pool av modeller, og du beskriver oppgaven, ikke hvilken modell som skal kjøre. Tjenesten kommer i to varianter: Fugu Mini for lav latens, og Fugu Ultra for tyngre arbeidslast.
Tilgangen går via et API som speiler OpenAI-formatet, så eksisterende SDK-er og rammeverk kan peke om base_url uten større endringer. Fugu er først rullet ut internt hos Sakanas egne forskere før eksterne brukere får slippe til, og benchmark-tallene som annonseres er fra beta og ikke uavhengig verifisert ennå.
Hva bør du gjøre?
- Test Fugu mot din egen evals-suite før du kobler om produksjonstrafikk hvis du allerede ruter mellom modeller manuelt.
- Sammenlign benchmark-tallene mot uavhengige kilder som SWE-Bench-leaderboardet før du stoler på Sakanas egne tall.
- Vurder om OpenAI-kompatibilitet er nok for ditt agent-oppsett, eller om du trenger Anthropics tool-call-format direkte.