颠覆性架构：从单一模型到多智能体指挥家
Sakana Fugu 是由日本实验室 Sakana AI 近期发布的一款新型人工智能模型，其核心突破在于不再依赖单一的大语言模型，而是采用了一种多模型协同的指挥架构。与市面上大多数“一问一答”的单一模型不同，Fugu 扮演的是“指挥家”的角色。它位于众多顶级模型之上，能够智能地决定调用哪些模型、何时调用以及如何协作。当用户发送一个请求时，后台会有一组专家模型接手任务，它们会自动拆分工作、互相检查成果，最终向用户返回一个完整且干净的答案。
"Fugu is a conductor. It sits on top of a whole pool of top models and it decides which ones to call, when to call them, and how to make them work together."
这种架构并非基于硬编码的规则（如“如果A则B”），而是通过训练让模型自主学习如何与其他模型组队。甚至当情况需要时，Fugu 还会调用自身的副本。这一技术基于今年发布的两篇研究论文《Trinity》和《Conductor》，其中模型被赋予了明确的角色分工：一个负责思考规划（Thinker），一个负责执行构建（Worker），另一个负责双重检查（Checker）。这种规划-构建-检查的闭环机制，确保了输出结果的准确性和完整性。
性能对标：无需出口管制的“新 Fable 5”
Sakana Fugu 之所以引起广泛关注，是因为其顶级版本 Fugu Ultra 在最具挑战性的编程和推理测试中，达到了与 Fable 5 和 Mythos Preview 并驾齐驱的水平。值得注意的是，Fable 5 和 Mythos 目前受到出口管制，大多数用户无法接触。而 Fugu 使用的是可公开访问的模型，却达到了同样的性能天花板。因此，社区将其称为“新的 Fable 5”。它并非完全相同的模型，但在开放环境中实现了同等的高阶能力。
为了验证这一性能，作者进行了三个具体的演示案例，展示了 Fugu 在处理复杂任务时的稳定性和完整性：
| 演示案例 | 任务描述 | 关键表现与结果 | 技术亮点 |
|---|---|---|---|
| 网站构建 | 仅通过一个提示词，要求构建一个真实可运行的网站 | 自动规划布局、编写代码、样式设计，最终生成可直接加载运行的网站 | 零交互：无需来回沟通，一次性完成从设计到代码的全过程 |
| 迷宫游戏 | 从零开始构建一个可玩的迷宫游戏 | 编写逻辑、构建墙壁、设置玩家角色，生成完整可玩的游戏程序 | 抗中断：在长任务中不迷失，依靠Checker角色确保各部分逻辑契合 |
| 星系模拟器 | 构建包含星星、运动轨迹的星系模拟器 | 生成一个实时运行的星系模拟器，视觉效果逼真 | 复杂系统处理：能将模糊的大想法转化为完整运行的系统 |
实战应用：整合进 Agent OS 的工作流自动化
演示虽然精彩，但作者更关注如何将 Fugu 整合进实际工作流。作者将其接入自己的 Agent OS（智能体操作系统），这是一个包含记忆、步骤、工具和执行顺序的框架。Fugu 作为引擎，Agent OS 作为车身，两者结合实现了无需人工干预的自动化工作。Fugu 通过标准的开放连接协议接入 Agent OS，使得现有的工作流瞬间拥有了多模型编排的大脑。
作者展示了三个具体的应用场景，旨在优化“AI Profit Boardroom”的内容生产与用户管理：
- 内容系列生成：输入成员关注的主题，Fugu 一次性起草脚本、钩子（Hook）和标题，吸引目标受众。
- 新用户引导流程：规划第一天入职的所有细节，包括欢迎信息、首次通话准备和资源导览，确保新用户即时明确下一步行动。
- 幕后工具包制作：根据用户每周请求，自动生成工具使用指南和提示词包（Prompt Packs），释放作者精力用于直接帮助用户。
"My agents don't just call one model anymore. They call a whole coordinated team through one clean line... Fugu brings the muscle, Agent OS brings the structure."
这种组合将强大的模型能力与结构化的执行框架结合，实现了从“酷炫演示”到“每日实用工具”的转变。作者提到，完整的 Agent OS 框架、30天实施路线图、直播辅导和提示词库已整合在“AI Profit Room”中，用户可直接下载运行，无需从零搭建。
基准测试表现：Fugu在编码与推理领域的统治力
Sakana AI推出的Fugu模型在几乎所有发布的编码和推理基准测试中均取得了优异成绩，其核心优势在于超越了单一模型的能力边界。在大型软件工程测试和困难推理测试中，Fugu均击败了来自主要实验室的最佳公开可用模型。值得注意的是，轻量版的常规Fugu甚至在某些长文档密集型任务中胜出，这揭示了一个有趣的现象：有时较少的协调反而能带来更好的效果。这一结果有力地证明了整体架构的价值，即团队的整体智能高于任何单个成员。正如视频中所强调的，指挥家能够超越他所指挥的个体演奏者，这正是Fugu架构设计的核心理念。这种多智能体协作机制使得系统在处理复杂任务时，能够整合不同模型的优势，从而实现超越单一“明星”模型的性能表现。
部署优势：Agent OS带来的稳定性与可持续性
将Fugu运行在Agent OS之上具有三大关键优势，解决了AI工作流中常见的痛点。首先，工作流在长时间任务中不会崩溃。Agent OS确保步骤有序执行，使Fugu能够从头到尾完成大型复杂任务，避免了中途失序。其次，系统具备极高的复用性。用户只需配置一次，即可永久重复使用，面对新想法时无需重新构建整个系统，极大地降低了维护成本。第三，也是最重要的一点，系统具备面向未来的可扩展性。当下个月发布更好的基础模型时，用户无需抛弃整个设置，因为Fugu已经能够无缝替换新发布的模型。由于运行在Agent OS内部，工作流保持不变，仅引擎得到升级。这种架构让用户停止追逐每一个闪亮的新工具，转而构建能够持久运行的系统，实现了“引擎变好，车子继续行驶”的长期价值。
适用人群与使用策略：从轻量到重型的精准匹配
Fugu主要面向构建代码、内容或进行研究的开发者及研究者，特别是那些曾经历AI项目中途失控的用户，以及希望建立稳定运行系统而非仅使用聊天窗口的人群。为了最大化Fugu的价值，视频提供了四条关键建议。第一，日常任务使用轻量版Fugu，仅在需要深度处理的困难长任务中使用Fugu Ultra，避免用重型模型处理如写邮件等简单任务。第二，赋予其复杂任务而非微小任务，Fugu专为处理混乱且多步骤的任务而设计，处理小任务会浪费其能力。第三，明确其付费性质，Fugu提供基于使用强度的分层计划，用户需根据实际使用量选择合适的级别。第四，不要裸机运行，必须将其置于系统结构中，因为强大的模型若缺乏结构支撑，其价值将大打折扣。这些策略旨在帮助用户将Fugu从单纯的测试工具转化为生产力的核心引擎。
落地挑战与解决方案：从尝试到实战的跨越
尽管Fugu功能强大，但用户在初次尝试时往往会遇到一个共同障碍：知道它强大，但不知如何将其接入实际工作流以实现自动化。这一“墙壁”是许多用户面临的瓶颈，而Sakana AI通过“AI Profit Boardroom”提供了解决方案。该方案不仅提供预配置好Fugu的Agent OS设置，还包含30天路线图、实时辅导通话以及针对此类工具的提示词和工作流指南。通过加入拥有75,000名成员的社区，用户可以获得完整的SOP（标准作业程序）和100多个AI用例，从而避免独自摸索。这种支持体系旨在帮助用户快速跨越从“尝试工具”到“构建系统”的鸿沟，确保AI工具真正融入日常工作流，实现持续的价值产出。