Sakana Fugu es un modelo de orquestación multi-agente: una API compatible con OpenAI que coordina un grupo de LLMs de frontera en segundo plano y se comporta, desde tu perspectiva, como un único modelo base. Sakana AI lo lanzó el 22 de junio de 2026 con la propuesta de obtener resultados de nivel frontera sin riesgos de control de exportaciones ni dependencia de un único proveedor. Este análisis de Sakana Fugu cubre qué es en realidad, cómo funciona la orquestación, qué dicen realmente los benchmarks, cuánto cuesta y si vale tu tiempo ahora mismo.
Resumen rápido (TL;DR) - Qué es: un orquestador aprendido — un LLM entrenado para coordinar otros LLMs detrás de una sola API. No es un modelo único, ni un enrutador simple de if/else. - Dos variantes:
fugu(equilibrado, más rápido, con opción de exclusión) yfugu-ultra-20260615(máxima calidad, grupo más profundo, más lento). - Benchmark principal: 73.7 en SWE-Bench Pro — sólido, pero Claude Fable 5 obtiene 80.0 y ni siquiera está en el grupo de Fugu, así que la afirmación de que "iguala a Fable 5" necesita un asterisco. - Precios: suscripciones de $20–$200/mes, o pago por uso de Fugu Ultra a $5 entrada / $30 salida por 1M de tokens (2026). - Veredicto: genuinamente bueno en trabajo complejo y multi-paso — pero lento, costoso, una caja negra y bloqueado en la UE al lanzamiento. Pruébalo para investigación y revisión profunda de código; espera si necesitas UX de baja latencia.
¿Qué Es Sakana Fugu?
Sakana Fugu es un modelo de orquestación multi-agente de Sakana AI: una única API compatible con OpenAI que coordina un grupo de LLMs de frontera en segundo plano y se comporta como un único modelo base. No es un modelo único ni un enrutador codificado a mano — es un orquestador aprendido, un LLM entrenado para decidir, delegar, verificar y sintetizar por solicitud.
Esa categoría es la pregunta que arde en Hacker News: ¿es Fugu un modelo enorme, un enrutador o un envoltorio? Ninguno de esos, exactamente. Fugu es él mismo un LLM, entrenado para decidir por solicitud si responder directamente o delegar en especialistas, luego verificar y combinar los resultados — a diferencia de un enrutador if/else codificado a mano (que reenvía tu prompt por reglas fijas) o un modelo base único (que hace todo su razonamiento dentro de un mismo conjunto de pesos).
Piénsalo como un contratista general: describes el trabajo en una sola ventanilla, y él decide qué especialistas contratar, en qué orden y cómo verificar su trabajo. Tú solo recibes el resultado.
Sakana AI, el laboratorio de Tokio co-fundado por David Ha, apuesta por nombres de temática natural (fugu es el pez globo). El lanzamiento tiene solo dos días al momento de escribir esto, así que trata la recepción como todavía en formación — las reacciones iniciales son mixtas.
Cómo Funciona Realmente la Orquestación de Sakana Fugu
Sakana Fugu funciona tomando una decisión inteligente por solicitud: para cada prompt, el orquestador aprendido decide si responder directamente o delegar en modelos especialistas, luego enruta el trabajo, verifica los resultados y sintetiza una única respuesta — en lugar de seguir un manual estático. Tres piezas hacen eso posible.
Orquestación aprendida, no enrutamiento codificado a mano
El orquestador es un modelo entrenado, no un archivo de configuración — y ese es el punto central. Un orquestador aprendido se adapta a la dificultad real de tu prompt: una pregunta sencilla obtiene una respuesta directa y económica; un problema complejo multi-paso se enruta a través de varios especialistas y una verificación. Esa flexibilidad eleva la calidad — y hace que el costo y la latencia sean impredecibles.
Enrutamiento dinámico, cambio de proveedor y auto-llamadas recursivas
Aquí es donde la etiqueta de modelo de orquestación multi-agente se gana su lugar. Fugu enruta de forma dinámica, cambia alrededor de proveedores restringidos o no disponibles, e incluso puede llamarse a sí mismo recursivamente para descomponer un problema difícil en sub-problemas — esa recursión es lo que permite un razonamiento genuinamente multi-paso en lugar de un único intento.
Hay una limitación honesta: el grupo es intercambiable para Sakana, no para ti. No puedes ver qué modelo respondió ni auditar el enrutamiento — más adelante explicamos por qué eso es un problema de gobernanza.
La investigación detrás: Trinity y Conductor (ICLR 2026)
Todos mencionan los dos artículos de ICLR 2026; casi nadie los explica. La versión amigable para desarrolladores:
Trinity es un coordinador evolucionado que asigna roles de Pensador, Trabajador y Verificador entre turnos: un modelo pensante planifica, un modelo trabajador ejecuta, y un verificador comprueba el resultado, con el coordinador decidiendo quién hace qué.
Conductor es un sistema entrenado con RL que descubrió sus propias estrategias de coordinación en lenguaje natural simple, en lugar de depender de flujos de trabajo diseñados a mano. Nadie escribió el manual — el modelo averiguó por sí solo cómo dirigir a otros modelos, lo que hace que Fugu se sienta menos como un script y más como un gestor de proyectos.
Fugu vs Fugu Ultra: ¿Cuál Necesitas?
La diferencia entre Fugu y Fugu Ultra es la compensación entre velocidad y calidad: fugu es la opción equilibrada, de menor latencia, con un grupo más liviano que te permite excluir agentes, mientras que fugu-ultra-20260615 maximiza la calidad con un grupo más profundo y fijo para trabajo difícil multi-paso, pero funciona más lento. Ambas versiones incluyen una ventana de contexto de 1M de tokens.
| Dimensión | Fugu | Fugu Ultra |
|---|---|---|
| Ideal para | Codificación cotidiana, chat, cargas de trabajo equilibradas | Investigación compleja multi-paso, revisión profunda de código, trabajo de seguridad |
| Latencia | Menor | Mayor (orquesta más) |
| Profundidad del grupo | Más liviano | Más profundo |
| Exclusión / cumplimiento | Sí — puedes excluir agentes | No — grupo fijo, sin opción de exclusión |
| ID del modelo | fugu | fugu-ultra-20260615 |
| Ventana de contexto | 1M de tokens | 1M de tokens |
| Uso típico | Desarrollo y chat diario | Investigación, reproducción de artículos, análisis de patentes/literatura |
Regla general: usa fugu cuando quieras capacidad de respuesta y control de cumplimiento, y escala a Fugu Ultra solo cuando el problema es genuinamente difícil y la calidad supera a la velocidad. Para ver cómo se compara un único modelo de contexto 1M, cómo rinde un modelo de 1M de contexto como GLM 5.2 es una referencia útil.
Benchmarks de Sakana Fugu (Y el Problema con Fable 5)
Los benchmarks de Sakana Fugu parecen impresionantes en papel. Pero antes de confiar en un solo número, lee esta etiqueta dos veces: cada cifra a continuación es reportada por Sakana, no verificada de forma independiente. Son puntuaciones de sistemas de orquestación, no de modelos individuales — no los leas como una comparación limpia y directa.
La tabla de benchmarks
SWE-Bench Pro (reportado por Sakana; Fable 5 no está en el grupo de Fugu)
Tabla de datos
| Modelo | SWE-Bench Pro |
|---|---|
| Fable 5 | 80 |
| Fugu Ultra | 73.7 |
| Opus 4.8 | 69.2 |
| GPT-5.5 | 58.6 |
| Gemini 3.1 Pro | 54.2 |
| Benchmark | Fugu Ultra | Opus 4.8 | Gemini 3.1 Pro | GPT-5.5 | Fable 5 (donde publicado) |
|---|---|---|---|---|---|
| SWE-Bench Pro (codificación) | 73.7 | 69.2 | 54.2 | 58.6 | 80.0 (gana) |
| TerminalBench 2.1 | 82.1 | — | — | — | — |
| LiveCodeBench | 93.2 | — | — | — | 89.8 (Fugu gana) |
| LiveCodeBench Pro | 90.8 | — | — | — | — |
| GPQA-Diamond | 95.5 | — | — | — | — |
| Humanity's Last Exam | 50.0 | — | — | — | — |
| CharXiv Reasoning | 86.6 | — | — | — | — |
| MRCRv2 | 93.6 | — | — | supera a Fugu | — |
| Razonamiento de contexto largo | 73.3 | — | — | — | — |
El titular de Sakana es que Fugu Ultra lidera 10 de 11 benchmarks frente a Opus 4.8, Gemini 3.1 Pro y GPT-5.5 — la única pérdida es MRCRv2, donde GPT-5.5 lo supera por poco. Los números de codificación (TerminalBench 2.1 en 82.1, LiveCodeBench en 93.2) son afirmaciones reales y publicadas que captan la atención de un CTO. Para el contrapunto del modelo individual, vale la pena leer dónde Claude Opus 4.8 todavía lidera.
Por qué "iguala a Fable 5" necesita un asterisco
Aquí está el problema que casi todos los titulares entusiastas omiten — y es lo más importante de este análisis. Sakana dice que Fugu Ultra "iguala a Fable 5". Pero Fable 5 estaba bajo control de exportaciones — Anthropic retiró el acceso público el 12 de junio de 2026 — y no está en el grupo de Fugu. Así que la "paridad" es paridad por afirmación, no en competencia directa.
Peor aún para el mensaje de marketing: donde Sakana sí publicó números directos, Fable 5 gana 3 de 4. En SWE-Bench Pro, son 80.0 frente a los 73.7 de Fugu Ultra — no es un error de redondeo. La lectura honesta es que Fugu Ultra es excelente, pero no está superando al modelo con el que se compara; está aproximándose a la ausencia de uno. Para el contexto de por qué se retiraron Claude Fable 5 y Mythos 5, ese contexto de control de exportaciones explica exactamente por qué Sakana enfatiza el argumento de "sin dependencia de proveedor". Así que lee cualquier victoria "Sakana Fugu vs Fable 5" o "vs GPT-5.5" como reportada por Sakana, contra un modelo que no está en el grupo, y que aun así pierde los enfrentamientos directos publicados.
Precios y Planes de Sakana Fugu
Los precios de Sakana Fugu vienen en dos modalidades. Las suscripciones son $20/mes (Standard), $100/mes (Pro) y $200/mes (Max). ¿Prefieres pago por uso? Fugu Ultra cuesta $5 por 1M de tokens de entrada y $30 por 1M de tokens de salida, con tarifas más altas por encima de un contexto de 272K tokens. Lo gestionas todo en console.sakana.ai.
| Plan / Ítem | Precio (2026) | Notas |
|---|---|---|
| Suscripción Standard | $20 / mes | Uso diario liviano |
| Suscripción Pro | $100 / mes | ~10× uso Standard |
| Suscripción Max | $200 / mes | ~20× uso Standard |
| PAYG Fugu Ultra — entrada | $5 / 1M tokens | Pago por uso |
| PAYG Fugu Ultra — salida | $30 / 1M tokens | Pago por uso |
| PAYG Fugu Ultra — entrada en caché | $0.50 / 1M tokens | Pago por uso |
| Contexto alto (>272K tokens) | $10 entrada / $45 salida / $1.00 caché por 1M | Nivel de contexto grande |
Ahora la parte que la página de precios no te dirá. Como Fugu orquesta — llamando, verificando y sintetizando entre modelos — consume tokens rápidamente. Los primeros usuarios en Hacker News reportan que el plan Max de $200/mes cubre menos de ~3 horas a la semana de uso intensivo, y alguien agotó una cuota de cinco horas en un solo prompt. El costo de Sakana Fugu escala con la cantidad de orquestación que desencadena cada solicitud, así que presupuesta para variabilidad, no para un gasto fijo.
Cómo Usar la API de Sakana Fugu
Aquí está la parte genuinamente agradable: la API de Sakana Fugu es compatible con OpenAI, así que no hay migración de SDK. Para usar la API de Sakana Fugu:
- Obtén una clave API en console.sakana.ai y elige una suscripción o plan de pago por uso.
- Apunta tu cliente OpenAI existente al endpoint de Fugu cambiando la
base_url. - Establece el ID del modelo:
fugupara trabajo cotidiano ofugu-ultra-20260615para máxima calidad. - Añade un
timeoutgeneroso — Ultra puede tardar minutos en tareas difíciles multi-paso. - Llama a
chat.completions.createexactamente como ya lo haces y lee el resultado.
Aquí está la versión lista para copiar y pegar, con el único problema que te puede sorprender explicado en los comentarios:
from openai import OpenAI
# Apunta tu cliente OpenAI existente a Fugu — esta es la única línea que cambia.
# NOTA: la base_url a continuación es ilustrativa — confirma el endpoint exacto en console.sakana.ai
client = OpenAI(
api_key="YOUR_SAKANA_API_KEY",
base_url="https://api.sakana.ai/v1", # ilustrativa; verifica en console.sakana.ai
)
# Cotidiano / más rápido: el orquestador equilibrado
fast = client.chat.completions.create(
model="fugu",
messages=[{"role": "user", "content": "Refactor this function and explain the tradeoffs."}],
)
print(fast.choices[0].message.content)
# Máxima calidad / más lento: el orquestador profundo con grupo fijo
# CUIDADO: Ultra es lento. Establece timeouts generosos y NO lo uses en rutas UX de sub-segundo.
deep = client.chat.completions.create(
model="fugu-ultra-20260615",
messages=[{"role": "user", "content": "Reproduce the results from this paper and flag any gaps."}],
timeout=600, # segundos — Ultra puede tardar minutos en trabajo multi-paso difícil
)
print(deep.choices[0].message.content)Eso es todo — el mismo SDK, la misma llamada chat.completions.create, solo cambia el ID del modelo. Una regla para grabar a fuego: Ultra es lento. Dale timeouts reales y mantenlo fuera de cualquier ruta donde el usuario esté mirando un spinner.
Las Limitaciones Honestas: Latencia, Costo y Enrutamiento Opaco
Esta es la sección que los informativos del día uno pasan por alto, y la que decide si Fugu sobrevive el contacto con producción. Siendo honestos:
- La latencia de Sakana Fugu es el problema principal. Ethan Mollick la describió como "increíblemente lenta", con tareas de codificación que se extienden hacia los 30 minutos; Hamel Husain la describió como "algo irregular" (ambos reportes de primeros testers — tratar como información en evolución). Espera 3–8 segundos o más en respuestas complejas, más latencia cola que no puedes controlar. Para cargas de trabajo de larga duración, vale la pena leer primero cómo los agentes manejan tareas de larga duración.
- El costo es impredecible. El plan de $200/mes puede desaparecer en menos de tres horas a la semana de uso intensivo — la orquestación es costosa por diseño.
- El enrutamiento es una caja negra. No puedes ver qué modelo respondió, auditar el camino ni cambiar el grupo — una brecha real de gobernanza para cualquier equipo que necesite trazabilidad.
- Sin código abierto, sin alojamiento propio. Fugu es cerrado — sin pesos publicados, sin posibilidad de ejecutarlo tú mismo. Si la transparencia o el despliegue on-premise es un requisito estricto, no es una opción.
- No disponible en la UE/EEE al lanzamiento. Debido a consideraciones de GDPR, Fugu no está disponible en la UE/EEE en el lanzamiento, lo que bloquea a equipos de toda la UE más países del EEE como Noruega. Si tu equipo o tus usuarios están en Europa, esto es un impedimento inmediato — Sakana no ha publicado una fecha para la disponibilidad en la UE, así que no planifiques un despliegue europeo basándote en este servicio todavía.
- El grupo fijo de Ultra. Fugu Ultra no ofrece opción de exclusión, por lo que solo el nivel estándar
fugues adecuado para equipos de cumplimiento que deben excluir proveedores. En pruebas tempranas, una tarea de ThreeJS supuestamente regresó "notablemente peor que GPT-5.5" — la capacidad todavía es irregular.
Sakana Fugu vs Modelos Únicos vs Frameworks de Agentes vs OpenRouter
Aquí está la decisión que realmente enfrentas, y no es "Fugu vs Fable 5". Es: ¿debería orquestar en absoluto — y si es así, compro Fugu o lo construyo yo mismo?
Una aclaración sobre una confusión común de Sakana Fugu vs OpenRouter: OpenRouter Fusion sintetiza respuestas después del hecho, consultando modelos y combinando las respuestas. Fugu decide de antemano qué modelos llamar y en qué orden. Ambos son "multi-modelo", pero el flujo de control es opuesto.
| Dimensión | Sakana Fugu | Modelo frontera único | Framework de agentes (DIY) | OpenRouter Fusion |
|---|---|---|---|---|
| Control | Bajo (gestionado) | Alto | Máximo | Medio |
| Transparencia | Caja negra | Total | Total | Parcial |
| Latencia | Alta | Baja–media | Tú la ajustas | Media |
| Predictibilidad de costos | Baja (quema de cuota) | Alta | Media | Media |
| Alojamiento propio | No | A veces | Sí | No |
| Intercambiabilidad | No (tú no puedes elegir) | N/A | Sí | Sí |
| Ideal para | Trabajo difícil multi-paso, sin apetito por infraestructura | Necesidades predecibles de un solo proveedor | Equipos que quieren control total | Respuestas combinadas, acceso fácil |
Si "construirlo yo mismo" está sobre la mesa, tienes buenas opciones. Los frameworks de agentes con los que podrías auto-orquestar cubren la capa de orquestación, y el desglose de construir tu propio agente de codificación muestra cómo se ve un stack DIY. La compensación es simple: construir te da transparencia, control y costos predecibles; comprar Fugu te da un orquestador de calidad investigación sin trabajo de infraestructura — y una caja negra.
¿Cuándo Deberías Usar Sakana Fugu (y Cuándo No)?
¿Vale la pena Sakana Fugu? Depende de tu carga de trabajo: los problemas donde la calidad supera a la velocidad son donde brilla, y los sensibles a la latencia o al costo son donde tropieza. Usa este test rápido de adecuación.
Buena opción:
- Investigación difícil y multi-paso donde necesitas la mejor respuesta posible, no la más rápida.
- Revisión profunda de código — los primeros testers dicen que detecta más errores que GPT-5.5, una ventaja real.
- Evaluación de seguridad y ciberseguridad, donde múltiples modelos se verifican mutuamente.
- Reproducción de artículos, análisis de patentes e investigación de literatura donde la minuciosidad gana.
Mala opción:
- Cualquier cosa en una ruta UX de baja latencia — la sobrecarga de orquestación sola lo descarta.
- Gobernanza auditable de un único proveedor, especialmente con el grupo fijo de Ultra.
- Cargas de trabajo de alto volumen sensibles al costo donde la quema de cuota arruinaría tu economía unitaria.
- Equipos con usuarios o infraestructura en la UE/EEE — la indisponibilidad al lanzamiento es un impedimento concreto.
¿Caes en la columna de "mala opción"? Probablemente estés mejor auto-orquestando con una capa de enrutamiento que controlas. Para equipos con mucho código, los agentes de codificación que realmente detectan errores te acercan al caso de uso de revisión profunda de código sin la caja negra.
Cómo Aborda Techsy la Arquitectura Multi-Modelo
La orquestación frente al enrutamiento construido por uno mismo es una decisión de arquitectura, y es una que ayudamos a los equipos a tomar. Nuestro enfoque por defecto: empezar con un modelo único sólido más una capa de enrutamiento delgada y observable que controlas — para que puedas ver qué proveedor respondió y cambiarlo cuando sea necesario — y recurrir a un orquestador gestionado solo cuando la carga de trabajo sea genuinamente difícil, multi-paso y donde la calidad supere a la latencia. Para ser justos, Fugu puede ser la elección correcta para un equipo pequeño sin apetito por infraestructura que necesite calidad de nivel investigación y esté dispuesto a ceder transparencia a cambio de conveniencia. Elige deliberadamente, no por defecto.
¿Estás evaluando un orquestador gestionado como Fugu frente a una capa de enrutamiento que construyes y controlas? Obtén una consulta de arquitectura gratuita →
Preguntas Frecuentes
¿Qué es Sakana Fugu?
Sakana Fugu es un modelo de orquestación multi-agente de Sakana AI: una única API compatible con OpenAI que coordina un grupo de LLMs de frontera y se comporta como un único modelo. No es un modelo único ni un enrutador simple — es un orquestador aprendido entrenado para decidir, delegar, verificar y sintetizar por solicitud.
¿Es Sakana Fugu un modelo único o un enrutador?
Ninguno de los dos — y tampoco es un envoltorio delgado. Sakana Fugu es un orquestador aprendido: un LLM entrenado para coordinar otros LLMs, por lo que es más inteligente que un enrutador if/else codificado a mano, pero no es un único modelo base. La política de coordinación está entrenada (a través de la investigación de Trinity y Conductor), razón por la que es más que un simple envoltorio que reenvía prompts — y esa distinción importa para la calidad de salida, el costo y cuánto puedes auditar.
¿Cuál es la diferencia entre Fugu y Fugu Ultra?
Fugu es la opción equilibrada y de menor latencia para codificación y chat cotidianos, y te permite excluir agentes por cumplimiento. Fugu Ultra apunta a la máxima calidad en trabajo difícil multi-paso, usa un grupo más profundo pero fijo (sin opción de exclusión) y funciona más lento. IDs de modelo: fugu y fugu-ultra-20260615.
¿Cuánto cuesta Sakana Fugu?
Las suscripciones son $20 (Standard), $100 (Pro) y $200 (Max) por mes. El pago por uso de Fugu Ultra es $5 por 1M de tokens de entrada, $30 por 1M de tokens de salida y $0.50 en caché, con tarifas más altas por encima de 272K de contexto. Los usuarios intensivos reportan que el plan de $200 cubre menos de ~3 horas a la semana (precios 2026).
¿Es Sakana Fugu mejor que Claude Fable 5?
No está probado. Sakana dice que Fugu Ultra "iguala" a Fable 5, pero Fable 5 estaba bajo control de exportaciones y ni siquiera está en el grupo de Fugu — así que es paridad por afirmación, no en competencia directa. Donde Sakana sí publicó números directos, Fable 5 gana 3 de 4 (por ejemplo, SWE-Bench Pro 80.0 vs 73.7).
¿Están los benchmarks de Fugu verificados de forma independiente?
No — cada número titular es reportado por Sakana, no confirmado por un laboratorio externo. La verificación independiente por terceros (demostraciones al estilo goldiebench) todavía está emergiendo a junio de 2026, dos días después del lanzamiento. Trata las puntuaciones como afirmaciones del proveedor, y recuerda que son resultados de sistemas de orquestación, no puntuaciones de LLM individuales — así que no son una comparación limpia y directa con ningún modelo individual.
¿Cómo accedo a la API de Sakana Fugu?
Obtén una clave en console.sakana.ai, luego apunta tu cliente OpenAI existente al endpoint de Fugu con un cambio de una línea en base_url — la API es compatible con OpenAI, así que no hay migración de SDK. Usa model="fugu" para trabajo cotidiano o model="fugu-ultra-20260615" para máxima calidad, y confirma la URL exacta del endpoint en tu consola antes de lanzar, ya que no estaba oficialmente documentada en el lanzamiento.
¿Está Sakana Fugu disponible en la UE?
No al lanzamiento. Fugu no está disponible en la UE/EEE en el lanzamiento debido a consideraciones de GDPR, lo que afecta a equipos de toda la UE más países del EEE como Noruega e Islandia. Sakana no ha publicado una fecha firme para el acceso en la UE — esto es un impedimento concreto si tu equipo opera en Europa o si tus usuarios finales están allí. Revisa console.sakana.ai para ver la disponibilidad regional actual antes de planificar cualquier despliegue en Europa.
¿Por qué es tan lento Sakana Fugu?
Porque orquesta — llamar, verificar y sintetizar a través de múltiples modelos por solicitud añade latencia real. Los primeros testers reportaron ejecuciones "increíblemente lentas" y tareas de codificación de varios minutos. Espera 3–8 segundos o más en prompts complejos más latencia cola que no controlas, así que mantenlo fuera de las rutas UX de baja latencia.
¿Es Sakana Fugu de código abierto?
No. Fugu es completamente cerrado — no hay pesos publicados, no hay alojamiento propio y no hay forma de inspeccionar el enrutamiento. Esa es una elección deliberada de producto vinculada a su argumento de "sin dependencia de proveedor", no un descuido. Si necesitas transparencia o despliegue on-premise, querrás orquestación de código abierto o una capa de enrutamiento construida por ti mismo que controles.
El Veredicto: ¿Vale la Pena Sakana Fugu?
Tras todos los números y advertencias, el veredicto honesto:
- La orquestación es genuinamente sólida para trabajo difícil y multi-paso — la revisión profunda de código y la investigación son donde se gana su lugar.
- "Iguala a Fable 5" es paridad por afirmación. Fable 5 no está en el grupo y gana los enfrentamientos directos que Sakana publicó. Lee el marketing en consecuencia.
- Lento, costoso y una caja negra. Compensaciones reales, no detalles menores — latencia cola que no puedes predecir, cuota que se agota rápido, enrutamiento que no puedes ver.
- Sin pesos abiertos, no disponible en la UE al lanzamiento. Si necesitas alojamiento propio, transparencia o acceso europeo, eso es un impedimento concreto hoy.
- Prometedor pero no probado aún. Tiene dos días, los benchmarks son reportados por el proveedor y la verificación independiente está pendiente. Emocionante, pero temprano.
Entonces, ¿quién debería lanzarse? Si ejecutas cargas de trabajo de calidad investigación o revisión profunda de código y puedes asumir el costo y la latencia, Sakana Fugu bien vale una prueba. Si necesitas UX de baja latencia, costo predecible, gobernanza auditable o acceso europeo para tus usuarios, espera — o auto-orquesta con una capa que controlas. En cualquier caso, decide según tu carga de trabajo, no según el titular.
¿No estás seguro de si adoptar Fugu, esperar o auto-orquestar para tu carga de trabajo? Habla con nuestro equipo →