Sakana Fugu Recension: Hur Fugu Ultra Orkestreringsmodellen Verkligen Jämförs (2026)

Sakana Fugu är en multi-agent-orkestreringsmodell — ett enda OpenAI-kompatibelt API som koordinerar en pool av frontier-LLM:er bakom kulisserna och beter sig, från din sida, som en enskild grundmodell. Sakana AI lanserade det den 22 juni 2026, med löftet om frontier-nivå-resultat utan export-kontroll- eller leverantörsinlåsningsrisk. Den här Sakana Fugu-recensionen täcker vad det faktiskt är, hur orkestreringen fungerar, vad riktmärkena verkligen säger, vad det kostar och om det är värt din tid ännu.

Snabbsammanfattning (TL;DR) - Vad det är: en inlärd orkestrerare — en LLM tränad att koordinera andra LLM:er bakom ett API. Inte en enskild modell, inte en dum if/else-router. - Två varianter: fugu (balanserad, snabbare, opt-out-vänlig) och fugu-ultra-20260615 (maximal kvalitet, djupare pool, långsammare). - Rubrikmärke: 73,7 på SWE-Bench Pro — starkt, men Claude Fable 5 poängsätter 80,0 och finns inte ens i Fugus pool, så "matchar Fable 5"-påståendet behöver en asterisk. - Prissättning: $20–$200/mån prenumerationer, eller betala per användning för Fugu Ultra till $5 in / $30 ut per 1M tokens (2026). - Slutsats: genuint bra på svåra flerstegsjobb — men långsam, dyr, en svart låda och blockerad i hela EU/EEA vid lansering, inklusive Sverige. Prova den för forskning och djup kodgranskning; vänta om du behöver låg latens i UX.

Vad Är Sakana Fugu?

Sakana Fugu är en multi-agent-orkestreringsmodell från Sakana AI: ett enda OpenAI-kompatibelt API som koordinerar en pool av frontier-LLM:er bakom kulisserna och beter sig som en enda grundmodell. Det är inte en enskild modell och inte en hårdkodad router — det är en inlärd orkestrerare, en LLM tränad att bestämma, delegera, verifiera och syntetisera per förfrågan.

Den kategorin är frågan som bränner upp Hacker News: är Fugu en jättestor modell, en router eller en wrapper? Inget av det, egentligen. Fugu är i sig själv en LLM, tränad att per förfrågan avgöra om den ska svara direkt eller delegera till specialister, sedan verifiera och kombinera resultaten — till skillnad från en hårdkodad if/else-router (som vidarebefordrar din prompt via fasta regler) eller en enskild grundmodell (som gör all sin tankeverksamhet inuti ett set av vikter).

Tänk på det som en generalentreprenör: du beskriver jobbet vid en enda disk, och den räknar ut vilka specialister som ska tas in, i vilken ordning och hur deras arbete ska granskas. Du får bara resultatet.

Sakana AI, Tokyolabbet som grundades bland annat av David Ha, lutar sig mot naturtemanamn (fugu är en japansk blåsfisk). Lanseringen är bara två dagar gammal när detta skrivs, så bemötandet är fortfarande under bildning — tidiga reaktioner är blandade.

Hur Sakana Fugus Orkestrering Faktiskt Fungerar

Sakana Fugu fungerar genom att fatta ett intelligent, per-förfrågan-beslut: för varje prompt avgör den inlärda orkestreraren om den ska svara direkt eller delegera till specialistmodeller, dirigerar sedan arbetet, verifierar resultaten och syntetiserar ett svar — i stället för att följa ett statiskt regelblad. Tre delar gör det möjligt.

Inlärd Orkestrering, Inte Hårdkodad Routing

Orkestreraren är en tränad modell, inte en konfigurationsfil — och det är hela poängen. En inlärd orkestrerare anpassar sig till den faktiska svårigheten i din prompt: en enkel fråga får ett billigt, direkt svar; ett krångligt flerstegsproblem dirigeras genom flera specialister och ett verifieringspass. Den flexibiliteten driver upp kvaliteten — och gör kostnad och latens oförutsägbara.

Dynamisk Dirigering, Leverantörsbyte och Rekursiva Självanrop

Det är här etiketten multi-agent-orkestreringsmodell förtjänar sitt namn. Fugu dirigerar dynamiskt, byter ut begränsade eller otillgängliga leverantörer och kan till och med anropa sig själv rekursivt för att bryta ned ett svårt problem i delproblem — den rekursionen är det som köper genuint flerstegsresonemang i stället för ett enda skott.

Det finns en ärlig hake: poolen är utbytbar för Sakana, inte för dig. Du kan inte se vilken modell som svarade eller granska dirigeringen — mer om varför det är ett styrningsproblem nedan.

Forskningen Bakom Det: Trinity och Conductor (ICLR 2026)

Alla nämner de två ICLR 2026-artiklarna; nästan ingen förklarar dem. Den utvecklarvänliga versionen:

Trinity är en evolverad koordinator som tilldelar roller som Thinker, Worker och Verifier över varv: en tänkande modell planerar, en arbetande modell kör och en verifierare kontrollerar resultatet, med koordinatorn som bestämmer vem som gör vad.

Conductor är ett RL-tränat system som självt upptäckte sina koordinationsstrategier på vanligt naturligt språk i stället för att förlita sig på handdesignade arbetsflöden. Ingen skriptade regelverket — modellen räknade ut hur den skulle leda andra modeller på egen hand, vilket är det som gör att Fugu känns mindre som ett skript och mer som en projektledare.

Fugu vs Fugu Ultra: Vilken Behöver Du?

Skillnaden mellan Fugu och Fugu Ultra är avvägningen mellan hastighet och kvalitet: fugu är det balanserade alternativet med lägre latens och en smalare pool som låter dig välja bort agenter, medan fugu-ultra-20260615 maximerar kvaliteten med en djupare, fast pool för svåra flerstegsjobb men kör långsammare. Båda levereras med ett kontextfönster på 1M tokens.

Tumregel: välj fugu när du vill ha responsivitet och efterlevnadskontroll, och eskalera till Fugu Ultra bara när problemet är genuint svårt och kvalitet slår hastighet. För en jämförelse med hur en enda 1M-kontextmodell presterar, är hur en enda 1M-kontextmodell som GLM 5.2 presterar en användbar referens.

Sakana Fugu Riktmärken (Och Fable 5-Förbehållet)

Sakana Fugus riktmärken ser imponerande ut på papper. Men innan du litar på ett enda tal, läs den här etiketten två gånger: varje siffra nedan är Sakana-rapporterad, inte oberoende verifierad. Det här är orkestreringssystempoäng, inte enkla LLM-poäng — läs dem inte som en ren, liktydig jämförelse.

Riktmärkestabellen

Sakanas rubrik är att Fugu Ultra leder 10 av 11 riktmärken mot Opus 4.8, Gemini 3.1 Pro och GPT-5.5 — den enda förlusten är MRCRv2, där GPT-5.5 kantar om det. Kodningssiffrorna (TerminalBench 2.1 på 82,1, LiveCodeBench på 93,2) är verkliga, publicerade påståenden som fångar en CTOs uppmärksamhet. För motvikten med enkla modeller är var Claude Opus 4.8 fortfarande leder värd en titt.

Varför "Matchar Fable 5" Kräver en Asterisk

Här är haken som nästan varje svepande rubrik hoppar över — och det är det enskilt viktigaste i den här recensionen. Sakana säger att Fugu Ultra "matchar Fable 5." Men Fable 5 var exportkontrollerat — Anthropic drog tillbaka publik åtkomst den 12 juni 2026 — och det finns inte i Fugus pool. Så "paritet" är paritet-som-påstående, inte head-to-head.

Ännu sämre för marknadsföringslinjen: där Sakana faktiskt publicerade direkta siffror, vinner Fable 5 3 av 4. På SWE-Bench Pro är det 80,0 mot Fugu Ultras 73,7 — ingen avrundningsfel. Den ärliga tolkningen är att Fugu Ultra är utmärkt, men det slår inte modellen det jämförs med; det approximerar frånvaron av en. För bakgrunden om varför Claude Fable 5 och Mythos 5 drogs tillbaka är exportkontroll-kontexten exakt anledningen till att Sakana lutar sig mot "ingen inlåsning"-pitchen. Läs alltså alla "Sakana Fugu vs Fable 5"- eller "vs GPT-5.5"-vinster som Sakana-rapporterade, mot en modell som inte finns i poolen, och ändå förlorar de publicerade head-to-headsen.

Sakana Fugu Priser och Abonnemang

Sakana Fugus prissättning finns i två varianter. Prenumerationer kostar $20/mån (Standard), $100/mån (Pro) och $200/mån (Max). Föredrar du betala per användning? Fugu Ultra kostar $5 per 1M input-tokens och $30 per 1M output, med högre priser över ett kontextfönster på 272K tokens. Du hanterar allt på console.sakana.ai.

Nu den delen som prissättningssidan inte berättar. Eftersom Fugu orkestrar — anropar, verifierar och syntetiserar över modeller — bränner det tokens snabbt. Tidiga användare på Hacker News rapporterar att Max-planen på $200/mån täcker under ~3 timmar per vecka av intensiv användning, och en person slog igenom sin femtimmarskvot på en enda prompt. Sakana Fugu-kostnaden skalas med hur mycket orkestrering varje förfrågan utlöser, så budgetera för variabilitet, inte en fast post.

Hur Man Använder Sakana Fugu API

Här är den genuint trevliga delen: Sakana Fugu API:et är OpenAI-kompatibelt, så ingen SDK-migration krävs. Så här använder du Sakana Fugu API:et:

1. Skaffa en API-nyckel på console.sakana.ai och välj en prenumeration eller betala-per-användning-plan.
2. Peka din befintliga OpenAI-klient mot Fugu-slutpunkten genom att byta base_url.
3. Ange modell-id: fugu för vardagsarbete eller fugu-ultra-20260615 för maximal kvalitet.
4. Lägg till en generös timeout — Ultra kan ta minuter på svåra flerstegsjobb.
5. Anropa chat.completions.create precis som du redan gör och läs resultatet.

Här är copy-paste-versionen, med den enda fallgropen som biter dig i kommentarerna:

from openai import OpenAI

# Point your existing OpenAI client at Fugu — this is the only line that changes.
# NOTE: the base_url below is illustrative — confirm the exact endpoint at console.sakana.ai
client = OpenAI(
    api_key="YOUR_SAKANA_API_KEY",
    base_url="https://api.sakana.ai/v1",  # illustrative; verify at console.sakana.ai
)

# Everyday / faster: the balanced orchestrator
fast = client.chat.completions.create(
    model="fugu",
    messages=[{"role": "user", "content": "Refactor this function and explain the tradeoffs."}],
)
print(fast.choices[0].message.content)

# Max quality / slower: the deep, fixed-pool orchestrator
# GOTCHA: Ultra is slow. Set generous timeouts and DO NOT put it on a sub-second UX path.
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,  # seconds — Ultra can take minutes on hard multi-step work
)
print(deep.choices[0].message.content)

Det är allt — samma SDK, samma chat.completions.create-anrop, bara modell-id:t ändras. En regel att tatuera på handen: Ultra är långsam. Ge den ordentliga timeouts och håll den borta från alla sökvägar där en användare stirrar på en snurrande laddningsspinnare.

De Ärliga Begränsningarna: Latens, Kostnad och Black-Box-Routing

Det här är avsnittet som dag-ett-nyhetskorta hoppar över, och det som avgör om Fugu överlever kontakten med produktion. För att vara rak:

• Sakana Fugu-latens är det centrala problemet. Ethan Mollick kallade det "otroligt långsamt", med kodningsuppgifter som sträckte sig mot 30 minuter; Hamel Husain beskrev det som "lite ojämnt" (båda tidiga testrapporter — betrakta som föränderliga). Räkna med 3–8 s och uppåt på komplexa svar, plus svans-latens du inte kan kontrollera. För långvariga arbetsbelastningar är hur agenter hanterar långvariga uppgifter värd att läsa först.
• Kostnaden är oförutsägbar. Max-planen på $200/mån kan försvinna på under tre timmar per vecka av intensiv användning — orkestrering är dyrt per design.
• Dirigeringen är en svart låda. Du kan inte se vilken modell som svarade, granska sökvägen eller byta ut poolen — ett verkligt styrningsgap för alla team som behöver spårbarhet.
• Ingen öppen källkod, ingen självhosting. Fugu är stängt — inga publicerade vikter, inget att köra själv. Om transparens eller lokal driftsättning är ett hårt krav är det ett stopp direkt.
• Inte tillgängligt i EU/EEA vid lansering — inklusive Sverige. På grund av GDPR-överväganden är Fugu inte tillgängligt i EU/EEA vid lansering. Det här drabbar svenska team direkt: Sverige är EU-medlem och Fugu är blockerat. Sakana har inte publicerat någon fast tidslinje för EU-åtkomst. Kontrollera console.sakana.ai för aktuell regional tillgänglighet innan du planerar en utrullning kring det.
• Ultras fasta pool. Fugu Ultra ger dig ingen opt-out, så bara standard-fugu-nivån passar efterlevnadsteam som måste exkludera leverantörer. I tidiga tester rapporterades en ThreeJS-uppgift återkomma "märkbart sämre än GPT-5.5" — kapaciteten är fortfarande ojämn.

Sakana Fugu vs Enskilda Modeller vs Agentramverk vs OpenRouter

Det här är det beslut du faktiskt står inför, och det är inte "Fugu vs Fable 5." Det är: ska jag orkestrera alls — och om så, köper jag Fugu eller bygger jag det själv?

En förtydning om en vanlig Sakana Fugu vs OpenRouter-förväxling: OpenRouter Fusion syntetiserar svar i efterhand, frågar modeller och blandar svaren. Fugu bestämmer i förväg vilka modeller som ska anropas och i vilken ordning. Båda är "multi-modell", men kontrollflödet är omvänt.

Om "bygga själv" är på bordet har du goda alternativ. Agent-frameworks du kan självorkestrera med täcker orkestreringslagret, och bygg-det-själv-kodagent-genomgången visar hur en DIY-stack ser ut. Avvägningen är enkel: att bygga ger dig transparens, kontroll och förutsägbar kostnad; att köpa Fugu ger dig en forskningsklassad orkestrerare utan infrastrukturarbete — och en svart låda.

När Bör Du Använda Sakana Fugu (och När Inte)?

Är Sakana Fugu värt det? Det beror på din arbetsbelastning: problem där kvalitet slår hastighet är där det lyser, och latens- eller kostnads-känsliga sådana är där det snubblar. Använd det här snabba anpassningstestet.

Bra passform:

• Svår flerstegs-forskning där du behöver bästa möjliga svar, inte det snabbaste.
• Djup kodgranskning — tidiga testare säger att det hittar fler buggar än GPT-5.5, en genuin fördel.
• Säkerhets- och cybersäkerhetsbedömning, där flera modeller kryssgranskar varandra.
• Pappersreplikation, patentanalys och litteraturundersökning där noggrannhet vinner.

Dålig passform:

• Allt på en låg-latens UX-sökväg — orkestreringsomkostnaden utesluter det ensamt.
• Granskningsbar styrning med en enda leverantör, särskilt med Ultras fasta pool.
• Kostnads-känsliga, höga arbetsbelastningar där kvotbränning skulle förstöra din ekonomi.
• Alla EU/EEA-baserade team — inklusive svenska team — som behöver tillgång nu (blockerat vid lansering).

Hamnar du i "dålig passform"-kolumnen? Du är förmodligen bättre på att självorkestrera med ett dirigeringslager du kontrollerar. För kodtunga team tar kodningsagenterna som faktiskt hittar buggar dig närmare det djupa-kodgranskning-användningsfallet utan den svarta lådan.

Hur Techsy Hanterar Multi-Modellarkitektur

Orkestrering kontra självbyggd routing är direkt ett arkitekturbeslut, och det är ett vi hjälper team att fatta. Vår standard: börja med en enda stark modell plus ett tunt, observerbart dirigeringslager du kontrollerar — så att du kan se vilken leverantör som svarade och byta ut det när det behövs — och nå efter en hanterad orkestrerare bara när arbetsbelastningen är genuint svår, flerstegs och kvalitet-över-latens. För att vara rättvis kan Fugu vara rätt val för ett litet team utan infrastruktur-intresse som behöver forskningskvalitet och är okej med att handla transparens mot bekvämlighet. Välj medvetet, inte per automatik.

Väger du en hanterad orkestrerare som Fugu mot ett dirigeringslager du bygger och kontrollerar? Få en kostnadsfri arkitekturkonsultation →

Vanliga Frågor

Vad är Sakana Fugu?

Sakana Fugu är en multi-agent-orkestreringsmodell från Sakana AI: ett enda OpenAI-kompatibelt API som koordinerar en pool av frontier-LLM:er och beter sig som en enskild modell. Det är inte en modell och inte en enkel router — det är en inlärd orkestrerare tränad att bestämma, delegera, verifiera och syntetisera per förfrågan.

Är Sakana Fugu en enskild modell eller en router?

Ingendera — och det är inte heller en tunn wrapper. Sakana Fugu är en inlärd orkestrerare: en LLM tränad att koordinera andra LLM:er, så det är smartare än en hårdkodad if/else-router men är inte en enskild grundmodell. Koordinationspolicyn är tränad (via Trinity- och Conductor-forskningen), vilket är anledningen till att det är mer än en vidarebefordrings-wrapper — och den distinktionen spelar roll för utdatakvalitet, kostnad och hur mycket du kan granska.

Vad är skillnaden mellan Fugu och Fugu Ultra?

Fugu är det balanserade alternativet med lägre latens för vardagskodning och chatt, och det låter dig välja bort agenter för efterlevnad. Fugu Ultra siktar på maximal kvalitet på svåra flerstegjobb, använder en djupare men fast pool (ingen opt-out) och kör långsammare. Modell-id:n: fugu och fugu-ultra-20260615.

Hur mycket kostar Sakana Fugu?

Prenumerationer kostar $20 (Standard), $100 (Pro) och $200 (Max) per månad. Betala-per-användning Fugu Ultra kostar $5 per 1M input-tokens, $30 per 1M output och $0,50 cachad, med högre priser över 272K-kontext. Intensiva användare rapporterar att $200-planen täcker under ~3 timmar per vecka (2026 priser).

Är Sakana Fugu bättre än Claude Fable 5?

Inte bevisat. Sakana säger att Fugu Ultra "matchar" Fable 5, men Fable 5 var exportkontrollerat och finns inte ens i Fugus pool — så det är paritet-som-påstående, inte head-to-head. Där Sakana faktiskt publicerade direkta siffror vinner Fable 5 3 av 4 (t.ex. SWE-Bench Pro 80,0 vs 73,7).

Är Fugus riktmärken oberoende verifierade?

Nej — varje rubriksiffra är Sakana-rapporterad, inte bekräftad av ett externt labb. Oberoende tredjeparts-verifiering (goldiebench-stil-demos) håller fortfarande på att växa fram i juni 2026, två dagar efter lanseringen. Behandla poängen som leverantörspåståenden och kom ihåg att de är orkestreringssystemresultat, inte enkla LLM-poäng — de är alltså ingen ren, jämlik jämförelse mot någon enstaka modell.

Hur kommer jag åt Sakana Fugu API:et?

Skaffa en nyckel på console.sakana.ai och peka sedan din befintliga OpenAI-klient mot Fugu-slutpunkten med ett enda base_url-byte — API:et är OpenAI-kompatibelt, så ingen SDK-migration behövs. Använd model="fugu" för vardagsarbete eller model="fugu-ultra-20260615" för maximal kvalitet, och bekräfta den exakta slutpunkts-URL:en i din konsol innan du driftsätter, eftersom den inte var officiellt dokumenterad vid lansering.

Är Sakana Fugu tillgängligt i Sverige och EU?

Nej — inte vid lansering, och det drabbar svenska användare direkt. Fugu är inte tillgängligt i EU/EEA vid lansering på grund av GDPR-överväganden. Sverige är EU-medlem, vilket innebär att tjänsten är blockerad för svenska team. Detsamma gäller hela EU plus EEA-länder som Norge och Island. Sakana har inte publicerat någon fast tidslinje för EU-åtkomst. Kontrollera console.sakana.ai för aktuell regional tillgänglighet och bygg inte ut en lösning kring Fugu förrän EU-tillgängligheten är bekräftad.

Varför är Sakana Fugu så långsam?

Eftersom det orkestrar — att anropa, verifiera och syntetisera över flera modeller per förfrågan tillför verklig latens. Tidiga testare rapporterade "otroligt långsamma" körningar och kodningsuppgifter som tog flera minuter. Räkna med 3–8 s och uppåt på komplexa prompter plus svans-latens du inte kontrollerar, så håll det borta från låg-latens UX-sökvägar.

Är Sakana Fugu öppen källkod?

Nej. Fugu är helt stängt — det finns inga publicerade vikter, ingen självhosting och inget sätt att inspektera dirigeringen. Det är ett medvetet produktval knutet till dess "ingen inlåsning"-pitch, inte ett förbiseende. Om du behöver transparens eller lokal driftsättning behöver du öppen källkods-orkestrering eller ett självbyggt dirigeringslager du kontrollerar i stället.

Slutdomen: Är Sakana Fugu Värt Det?

Efter alla siffror och förbehåll, det ärliga omdömet:

• Orkestreringen är genuint stark för svåra flerstegjobb — djup kodgranskning och forskning är där den tjänar sitt pris.
• "Matchar Fable 5" är paritet-som-påstående. Fable 5 finns inte i poolen och vinner de head-to-heads Sakana publicerade. Läs marknadsföringen därefter.
• Långsam, dyr och en svart låda. Verkliga avvägningar, inte petigheter — svans-latens du inte kan förutsäga, kvot som bränns snabbt, dirigering du inte kan se.
• Inga öppna vikter, blockerat i EU/EEA vid lansering — inklusive Sverige. Om du behöver självhosting, transparens eller europeisk åtkomst är det ett hårt stopp i dag. Svenska team bör avvakta bekräftelse på EU-tillgänglighet innan de planerar kring Fugu.
• Lovande men ännu inte bevisat. Det är två dagar gammalt, riktmärkena är leverantörsrapporterade och oberoende verifiering väntar. Spännande, men tidigt.

Vem bör hoppa in? Om du kör forskning eller djup-kodgranskning-arbetsbelastningar och kan tåla kostnad och latens, är Sakana Fugu absolut värt en testperiod. Om du behöver låg-latens UX, förutsägbar kostnad eller granskningsbar styrning — vänta, eller självorkestrera med ett lager du kontrollerar. Oavsett, bestäm baserat på din arbetsbelastning, inte rubriken.

Osäker på om du ska anamma Fugu, vänta eller självorkestrera för din arbetsbelastning? Prata med vårt team →