Sakana Fugu : Analyse du Modèle d'Orchestration Fugu Ultra (2026)

Sakana Fugu est un modèle d'orchestration multi-agents — une seule API compatible OpenAI qui coordonne en coulisses un pool de LLMs frontier et se comporte, côté utilisateur, comme un modèle de fondation unique. Sakana AI l'a lancé le 22 juin 2026, présenté comme un outil offrant des résultats de niveau frontier sans risque de contrôle des exportations ni de dépendance fournisseur. Cette analyse de Sakana Fugu couvre ce qu'il est réellement, comment fonctionne l'orchestration, ce que disent vraiment les benchmarks, ce que ça coûte, et si ça mérite votre temps.

Résumé rapide (TL;DR) - Ce que c'est : un orchestrateur appris — un LLM entraîné à coordonner d'autres LLMs derrière une seule API. Pas un modèle unique, pas un routeur if/else basique. - Deux variantes : fugu (équilibré, plus rapide, avec option d'exclusion d'agents) et fugu-ultra-20260615 (qualité maximale, pool plus profond, plus lent). - Benchmark phare : 73,7 sur SWE-Bench Pro — solide, mais Claude Fable 5 score 80,0 et n'est même pas dans le pool de Fugu, donc l'affirmation "à parité avec Fable 5" mérite un astérisque. - Tarifs : abonnements à 20–200 $/mois, ou paiement à l'usage Fugu Ultra à 5 $ en entrée / 30 $ en sortie par 1M de tokens (2026). - Verdict : réellement efficace sur les tâches complexes et multi-étapes — mais lent, cher, une boîte noire, et indisponible dans l'UE/EEE au lancement. À tester pour la recherche et la revue de code approfondie ; à attendre si vous avez besoin d'une UX à faible latence.

Qu'est-ce que Sakana Fugu ?

Sakana Fugu est un modèle d'orchestration multi-agents de Sakana AI : une seule API compatible OpenAI qui coordonne un pool de LLMs frontier et se comporte comme un modèle de fondation unique. Ce n'est pas un modèle unique et pas un routeur codé en dur — c'est un orchestrateur appris, un LLM entraîné à décider, déléguer, vérifier et synthétiser pour chaque requête.

Cette catégorie est la question qui enflamme Hacker News : Fugu est-il un modèle géant, un routeur, ou un simple wrapper ? Aucun des trois, exactement. Fugu est lui-même un LLM, entraîné à décider par requête s'il répond directement ou délègue à des spécialistes, puis vérifie et combine les résultats — contrairement à un routeur if/else codé en dur (qui transfère votre prompt selon des règles fixes) ou à un modèle de fondation unique (qui effectue tout son raisonnement dans un seul ensemble de poids).

Pensez à un maître d'œuvre : vous décrivez le travail à un seul interlocuteur, et il décide quels spécialistes impliquer, dans quel ordre, et comment contrôler leur travail. Vous obtenez simplement le résultat.

Sakana AI, le laboratoire tokyoïte co-fondé par David Ha, s'appuie sur une nomenclature inspirée de la nature (fugu est le poisson-globe). La sortie n'a que deux jours au moment de l'écriture, donc l'accueil est encore en cours de formation — les premières réactions sont mitigées.

Comment Fonctionne Réellement l'Orchestration de Sakana Fugu

Sakana Fugu fonctionne en prenant une décision intelligente par requête : pour chaque prompt, l'orchestrateur appris décide de répondre directement ou de déléguer à des modèles spécialistes, puis achemine le travail, vérifie les résultats et synthétise une réponse unique — au lieu de suivre un schéma statique. Trois éléments rendent cela possible.

Orchestration Apprise, pas Routage Codé en Dur

L'orchestrateur est un modèle entraîné, pas un fichier de configuration — et c'est tout l'enjeu. Un orchestrateur appris s'adapte à la difficulté réelle de votre prompt : une question simple obtient une réponse directe et peu coûteuse ; un problème multi-étapes complexe est acheminé à travers plusieurs spécialistes avec une passe de vérification. Cette flexibilité améliore la qualité — et rend le coût et la latence imprévisibles.

Routage Dynamique, Permutation de Fournisseurs et Appels Récursifs

C'est là que l'étiquette modèle d'orchestration multi-agents justifie son existence. Fugu route dynamiquement, permute les fournisseurs restreints ou indisponibles, et peut même s'appeler lui-même récursivement pour décomposer un problème difficile en sous-problèmes — cette récursivité est ce qui procure un vrai raisonnement multi-étapes au lieu d'un tir unique.

Il y a un piège honnête : le pool est permutable pour Sakana, pas pour vous. Vous ne pouvez pas voir quel modèle a répondu ni auditer le routage — on voit plus bas pourquoi c'est un problème de gouvernance.

La Recherche Derrière : Trinity et Conductor (ICLR 2026)

Tout le monde cite les deux articles ICLR 2026 ; presque personne ne les explique. La version compréhensible pour les développeurs :

Trinity est un coordinateur évolué qui attribue des rôles de Penseur, Exécutant et Vérificateur à travers les tours : un modèle de réflexion planifie, un modèle exécutant réalise, un vérificateur contrôle le résultat, et le coordinateur décide qui fait quoi.

Conductor est un système entraîné par renforcement qui a découvert ses propres stratégies de coordination en langage naturel plutôt que de s'appuyer sur des workflows conçus à la main. Personne n'a écrit le manuel de jeu — le modèle a compris comment diriger d'autres modèles tout seul, ce qui donne à Fugu un aspect moins "script" et plus "chef de projet".

Fugu vs Fugu Ultra : Lequel Vous Convient ?

La différence entre Fugu et Fugu Ultra tient au compromis vitesse-qualité : fugu est l'option équilibrée à faible latence avec un pool plus léger qui vous permet d'exclure des agents, tandis que fugu-ultra-20260615 maximise la qualité avec un pool plus profond et fixe pour les tâches multi-étapes difficiles, mais tourne plus lentement. Les deux embarquent une fenêtre de contexte de 1M de tokens.

Règle empirique : utilisez fugu quand vous voulez réactivité et contrôle de conformité, et n'escaladez vers Fugu Ultra que lorsque le problème est vraiment difficile et que la qualité prime sur la vitesse. Pour comparaison avec un modèle unique à contexte 1M, les performances d'un modèle à contexte 1M comme GLM 5.2 est une référence utile.

Les Benchmarks de Sakana Fugu (Et le Problème Fable 5)

Les benchmarks de Sakana Fugu semblent impressionnants sur le papier. Mais avant de faire confiance à un seul chiffre, lisez cette étiquette deux fois : chaque chiffre ci-dessous est auto-déclaré par Sakana, pas vérifié indépendamment. Ce sont des scores de système d'orchestration, pas des scores de LLM unique — ne les lisez pas comme une comparaison propre et équitable.

Le Tableau des Benchmarks

La une de Sakana : Fugu Ultra arrive en tête sur 10 des 11 benchmarks face à Opus 4.8, Gemini 3.1 Pro et GPT-5.5 — la seule défaite étant MRCRv2, où GPT-5.5 le devance. Les chiffres de codage (TerminalBench 2.1 à 82,1, LiveCodeBench à 93,2) sont des affirmations publiées réelles qui retiennent l'attention d'un CTO. Pour le contrepoint d'un modèle unique, là où Claude Opus 4.8 conserve l'avantage vaut le détour.

Pourquoi "À Parité avec Fable 5" Nécessite un Astérisque

Voici le piège que presque tous les titres enthousiastes ignorent — et c'est la chose la plus importante de cette analyse. Sakana affirme que Fugu Ultra "est à parité avec Fable 5". Mais Fable 5 était soumis à des contrôles d'exportation — Anthropic en a retiré l'accès public le 12 juin 2026 — et il n'est pas dans le pool de Fugu. Donc la "parité" est une parité par affirmation, pas un face-à-face.

Pire pour l'argument marketing : là où Sakana a publié des chiffres directs, Fable 5 gagne 3 fois sur 4. Sur SWE-Bench Pro, c'est 80,0 contre 73,7 pour Fugu Ultra — pas une erreur d'arrondi. La lecture honnête : Fugu Ultra est excellent, mais il ne bat pas le modèle auquel il est comparé ; il approxime l'absence de l'un d'eux. Pour le contexte sur pourquoi Claude Fable 5 et Mythos 5 ont été retirés, ce contexte de contrôle des exportations est exactement pourquoi Sakana mise sur l'argument "pas de dépendance fournisseur". Lisez donc toute victoire "Sakana Fugu vs Fable 5" ou "vs GPT-5.5" comme auto-déclarée par Sakana, contre un modèle absent du pool, et perdant quand même les face-à-face publiés.

Tarifs et Offres Sakana Fugu

Les tarifs Sakana Fugu se déclinent en deux formules. Les abonnements sont à 20 $/mois (Standard), 100 $/mois (Pro), et 200 $/mois (Max). Vous préférez le paiement à l'usage ? Fugu Ultra est à 5 $ par 1M de tokens en entrée et 30 $ par 1M en sortie, avec des tarifs plus élevés au-delà de 272K tokens de contexte. Tout se gère sur console.sakana.ai.

Maintenant la partie que la page tarifaire ne vous dira pas. Parce que Fugu orchestre — appelant, vérifiant et synthétisant à travers des modèles — il consomme des tokens rapidement. Des utilisateurs précoces sur Hacker News rapportent que le plan Max à 200 $/mois couvre moins de ~3 heures par semaine d'utilisation intensive, et l'un d'eux a épuisé un quota de cinq heures sur un seul prompt. Le coût de Sakana Fugu varie selon l'orchestration déclenchée par chaque requête — prévoyez la variabilité, pas une ligne fixe.

Comment Utiliser l'API Sakana Fugu

Voici la bonne nouvelle : l'API Sakana Fugu est compatible OpenAI, donc pas de migration de SDK. Pour utiliser l'API Sakana Fugu :

1. Obtenez une clé API sur console.sakana.ai et choisissez un abonnement ou le paiement à l'usage.
2. Pointez votre client OpenAI existant vers le endpoint Fugu en remplaçant le base_url.
3. Définissez l'ID du modèle : fugu pour le travail quotidien ou fugu-ultra-20260615 pour la qualité maximale.
4. Ajoutez un timeout généreux — Ultra peut prendre des minutes sur des tâches multi-étapes difficiles.
5. Appelez chat.completions.create exactement comme vous le faites déjà, et lisez le résultat.

Voici la version prête à copier-coller, avec le piège qui risque de vous surprendre dans les commentaires :

from openai import OpenAI

# Pointez votre client OpenAI existant vers Fugu — c'est la seule ligne qui change.
# NOTE : le base_url ci-dessous est illustratif — vérifiez le endpoint exact sur console.sakana.ai
client = OpenAI(
    api_key="YOUR_SAKANA_API_KEY",
    base_url="https://api.sakana.ai/v1",  # illustratif ; à vérifier sur console.sakana.ai
)

# Quotidien / plus rapide : l'orchestrateur équilibré
fast = client.chat.completions.create(
    model="fugu",
    messages=[{"role": "user", "content": "Refactor this function and explain the tradeoffs."}],
)
print(fast.choices[0].message.content)

# Qualité maximale / plus lent : l'orchestrateur au pool profond et fixe
# PIÈGE : Ultra est lent. Définissez des timeouts généreux et NE le mettez PAS sur un chemin UX sub-seconde.
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,  # secondes — Ultra peut prendre des minutes sur des tâches multi-étapes difficiles
)
print(deep.choices[0].message.content)

C'est tout — même SDK, même appel chat.completions.create, juste l'ID du modèle change. Une règle à graver dans votre mémoire : Ultra est lent. Donnez-lui de vrais timeouts et gardez-le hors de tout chemin où un utilisateur regarde un spinner.

Les Limites Honnêtes : Latence, Coût et Routage Opaque

C'est la section que les brèves du premier jour passent sous silence, et celle qui détermine si Fugu survive au contact avec la production. Pour être franc :

• La latence de Sakana Fugu est le problème principal. Ethan Mollick l'a qualifié d'"incroyablement lent", avec des tâches de codage s'étirant vers 30 minutes ; Hamel Husain l'a décrit comme "un peu chaotique" (deux rapports de testeurs précoces — à considérer comme évolutif). Attendez-vous à 3–8s et plus sur des réponses complexes, plus une latence de queue que vous ne pouvez pas contrôler. Pour les workloads longue durée, comment les agents gèrent les tâches de longue durée mérite d'être lu en premier.
• Le coût est imprévisible. Le plan à 200 $/mois peut s'évaporer en moins de trois heures par semaine d'utilisation intensive — l'orchestration est chère par conception.
• Le routage est une boîte noire. Vous ne pouvez pas voir quel modèle a répondu, auditer le chemin, ou permuter le pool — une vraie lacune de gouvernance pour toute équipe nécessitant la traçabilité.
• Pas d'open source, pas d'auto-hébergement. Fugu est fermé — pas de poids publiés, impossible de le faire tourner vous-même. Si la transparence ou le déploiement on-premise est une exigence ferme, c'est rédhibitoire.
• Indisponible dans l'UE/EEE au lancement. En raison de considérations liées au RGPD, Fugu n'est pas disponible dans l'UE/EEE à la sortie — ce qui bloque directement les équipes françaises et plus largement européennes, ainsi que les pays de l'EEE comme la Norvège. Sakana n'a publié aucun calendrier précis pour un accès européen ; vérifiez console.sakana.ai pour la disponibilité régionale actuelle avant de planifier un déploiement.
• Pool fixe de Fugu Ultra. Fugu Ultra ne propose aucune option d'exclusion, donc seul le niveau standard fugu convient aux équipes de conformité devant exclure certains fournisseurs. Lors des premiers tests, une tâche ThreeJS a été rapportée comme "notablement inférieure à GPT-5.5" — la capacité reste irrégulière.

Sakana Fugu vs Modèles Uniques vs Frameworks d'Agents vs OpenRouter

Voici la décision à laquelle vous faites réellement face, et ce n'est pas "Fugu vs Fable 5". C'est : est-ce que je dois orchestrer — et si oui, est-ce que j'achète Fugu ou je le construis moi-même ?

Une clarification sur une confusion courante entre Sakana Fugu et OpenRouter : OpenRouter Fusion synthétise les réponses après coup, interrogeant les modèles et mélangeant les réponses. Fugu décide en amont quels modèles appeler et dans quel ordre. Les deux sont "multi-modèles", mais le flux de contrôle est opposé.

Si "le construire moi-même" est envisageable, vous avez de bonnes options. Les frameworks d'agents avec lesquels vous pourriez auto-orchestrer couvrent la couche d'orchestration, et l'analyse détaillée d'une stack DIY avec OpenHands, Devin et Manus montre à quoi ressemble une stack construite soi-même. Le compromis est simple : construire vous donne transparence, contrôle et coût prévisible ; acheter Fugu vous donne un orchestrateur de niveau recherche sans travail d'infrastructure — et une boîte noire.

Quand Utiliser Sakana Fugu (et Quand Ne Pas Le Faire) ?

Sakana Fugu en vaut-il la peine ? Cela dépend de votre workload : les problèmes où la qualité prime sur la vitesse sont son terrain de jeu, ceux sensibles à la latence ou au coût sont là où il trébuche. Utilisez ce test rapide.

Bon choix :

• Recherche difficile, multi-étapes où vous avez besoin de la meilleure réponse possible, pas de la plus rapide.
• Revue de code approfondie — les premiers testeurs rapportent qu'il détecte plus de bugs que GPT-5.5, un avantage réel.
• Évaluation de sécurité et cybersécurité, où plusieurs modèles se vérifient mutuellement.
• Reproduction d'articles, analyse de brevets et investigation littéraire où la rigueur l'emporte.

Mauvais choix :

• Tout ce qui se trouve sur un chemin UX à faible latence — la surcharge d'orchestration seule l'exclut.
• Gouvernance auditable mono-fournisseur, surtout avec le pool fixe d'Ultra.
• Workloads à fort volume sensibles au coût où la consommation de quota détruirait votre économie unitaire.
• Équipes européennes : Fugu est indisponible dans l'UE/EEE au lancement — vous êtes bloqués pour l'instant.

Vous tombez dans la colonne "mauvais choix" ? Vous feriez probablement mieux de vous auto-orchestrer avec une couche de routage que vous contrôlez. Pour les équipes axées sur le code, les agents de codage qui détectent vraiment les bugs vous rapprochent du cas d'usage revue-de-code-approfondie sans la boîte noire.

L'Approche de Techsy en Matière d'Architecture Multi-Modèles

Orchestration vs routage auto-construit est pleinement une décision d'architecture, et c'est l'une de celles que nous aidons les équipes à prendre. Notre approche par défaut : commencer par un modèle unique robuste plus une couche de routage fine et observable que vous contrôlez — pour pouvoir voir quel fournisseur a répondu et le permuter si besoin — et ne recourir à un orchestrateur géré que lorsque le workload est vraiment difficile, multi-étapes, et que la qualité prime sur la latence. Pour être objectif, Fugu peut être le bon choix pour une petite équipe sans appétit infra qui a besoin d'une qualité niveau recherche et accepte de troquer la transparence contre la commodité. Choisissez délibérément, pas par défaut.

Vous évaluez un orchestrateur géré comme Fugu face à une couche de routage que vous construisez et contrôlez ? Demandez une consultation architecture gratuite →

Questions Fréquentes

Qu'est-ce que Sakana Fugu ?

Sakana Fugu est un modèle d'orchestration multi-agents de Sakana AI : une seule API compatible OpenAI qui coordonne un pool de LLMs frontier et se comporte comme un modèle unique. Ce n'est pas un modèle unique et pas un simple routeur — c'est un orchestrateur appris entraîné à décider, déléguer, vérifier et synthétiser pour chaque requête.

Sakana Fugu est-il un modèle unique ou un routeur ?

Ni l'un ni l'autre — et ce n'est pas non plus un wrapper léger. Sakana Fugu est un orchestrateur appris : un LLM entraîné à coordonner d'autres LLMs, donc plus intelligent qu'un routeur if/else codé en dur, mais pas un modèle de fondation unique. La politique de coordination est entraînée (via les recherches Trinity et Conductor), ce qui en fait plus qu'un simple relayeur de prompt — et cette distinction compte pour la qualité des sorties, le coût et ce que vous pouvez auditer.

Quelle est la différence entre Fugu et Fugu Ultra ?

Fugu est l'option équilibrée à faible latence pour le codage et le chat quotidiens, et il vous permet d'exclure des agents pour des raisons de conformité. Fugu Ultra vise la qualité maximale sur les tâches multi-étapes difficiles, utilise un pool plus profond mais fixe (pas d'exclusion), et tourne plus lentement. IDs de modèles : fugu et fugu-ultra-20260615.

Combien coûte Sakana Fugu ?

Les abonnements sont à 20 $ (Standard), 100 $ (Pro) et 200 $ (Max) par mois. Fugu Ultra en paiement à l'usage est à 5 $ par 1M de tokens en entrée, 30 $ par 1M en sortie, et 0,50 $ en cache, avec des tarifs plus élevés au-delà de 272K de contexte. Des utilisateurs intensifs rapportent que le plan à 200 $ couvre moins de ~3 heures par semaine (tarifs 2026).

Sakana Fugu est-il meilleur que Claude Fable 5 ?

Pas prouvé. Sakana affirme que Fugu Ultra "est à parité avec" Fable 5, mais Fable 5 était soumis à des contrôles d'exportation et n'est même pas dans le pool de Fugu — donc c'est une parité par affirmation, pas un face-à-face. Là où Sakana a publié des chiffres directs, Fable 5 gagne 3 fois sur 4 (ex. SWE-Bench Pro : 80,0 vs 73,7).

Les benchmarks de Fugu sont-ils vérifiés indépendamment ?

Non — chaque chiffre phare est auto-déclaré par Sakana, non confirmé par un laboratoire externe. La vérification indépendante par des tiers est encore en cours d'émergence en juin 2026, deux jours après le lancement. Traitez les scores comme des affirmations fournisseur, et rappelez-vous qu'ils sont des résultats de système d'orchestration, pas des scores de LLM unique — donc pas une comparaison propre et équitable avec un modèle quelconque.

Comment accéder à l'API Sakana Fugu ?

Obtenez une clé sur console.sakana.ai, puis pointez votre client OpenAI existant vers le endpoint Fugu avec un simple remplacement de base_url sur une ligne — l'API est compatible OpenAI, donc pas de migration de SDK. Utilisez model="fugu" pour le travail quotidien ou model="fugu-ultra-20260615" pour la qualité maximale, et confirmez l'URL exacte du endpoint dans votre console avant de déployer, car elle n'était pas officiellement documentée au lancement.

Sakana Fugu est-il disponible dans l'UE ?

Non — et c'est un point crucial pour les lecteurs français et européens. Fugu est indisponible dans l'UE/EEE au lancement en raison de considérations liées au RGPD, ce qui affecte directement les équipes françaises et plus largement européennes, ainsi que les pays de l'EEE comme la Norvège et l'Islande. Sakana n'a publié aucun calendrier ferme pour l'accès européen — vérifiez console.sakana.ai pour la disponibilité régionale actuelle avant de construire un déploiement autour de Fugu.

Pourquoi Sakana Fugu est-il si lent ?

Parce qu'il orchestre — appeler, vérifier et synthétiser à travers plusieurs modèles par requête ajoute une vraie latence. Des testeurs précoces ont rapporté des exécutions "incroyablement lentes" et des tâches de codage de plusieurs minutes. Attendez-vous à 3–8s et plus sur des prompts complexes plus une latence de queue que vous ne contrôlez pas — gardez-le donc hors des chemins UX à faible latence.

Sakana Fugu est-il open source ?

Non. Fugu est entièrement fermé — pas de poids publiés, pas d'auto-hébergement, aucun moyen d'inspecter le routage. C'est un choix produit délibéré lié à son argument "pas de dépendance fournisseur", pas un oubli. Si vous avez besoin de transparence ou d'un déploiement on-premise, vous voudrez une orchestration open source ou une couche de routage auto-construite que vous contrôlez.

Verdict : Sakana Fugu en Vaut-il la Peine ?

Après tous les chiffres et mises en garde, le bilan honnête :

• L'orchestration est réellement solide pour les tâches difficiles et multi-étapes — la revue de code approfondie et la recherche sont là où elle gagne sa place.
• "À parité avec Fable 5" est une parité par affirmation. Fable 5 n'est pas dans le pool et gagne les face-à-face publiés par Sakana. Lisez le marketing en conséquence.
• Lent, cher, et boîte noire. De vrais compromis, pas des pinailleries — latence de queue que vous ne pouvez pas prédire, quota qui brûle vite, routage que vous ne voyez pas.
• Pas de poids ouverts, indisponible dans l'UE au lancement. Si vous avez besoin d'auto-hébergement, de transparence, ou d'un accès européen, c'est un blocage ferme aujourd'hui — les équipes françaises et européennes devront attendre.
• Prometteur mais pas encore prouvé. Il n'a que deux jours, les benchmarks sont auto-déclarés par le fournisseur, et la vérification indépendante est en attente. Excitant, mais précoce.

Alors qui devrait se lancer ? Si vous gérez des workloads de niveau recherche ou de revue de code approfondie et pouvez accepter le coût et la latence, Sakana Fugu mérite amplement un essai. Si vous avez besoin d'une UX à faible latence, d'un coût prévisible, ou d'une gouvernance auditable — ou si vous êtes basé dans l'UE/EEE — attendez, ou auto-orchestrez avec une couche que vous contrôlez. Dans tous les cas, décidez selon votre workload, pas selon les titres.

Vous ne savez pas si adopter Fugu, attendre, ou auto-orchestrer pour votre workload ? Parlez à notre équipe →