Sakana Fugu : l'orchestration multi-agents comme modèle

Sakana AI a livré Fugu le 22 juin 2026 — un modèle d'orchestration multi-agents qui coordonne des modèles de pointe derrière une API unique compatible OpenAI. Fugu Ultra affiche des scores qui battent GPT 5.5, Opus 4.8 et Gemini 3.1 Pro sur SWE Bench Pro (73,7 contre 58,6) et Humanity's Last Exam (50,0 contre 41,4), à 5 $ par million de tokens en entrée et 30 $ par million de tokens en sortie. Notre verdict : À Surveiller. Deux articles acceptés à ICLR 2026 soutiennent l'architecture, mais c'est le premier jour — aucun historique en production, aucune disponibilité dans l'UE, et la tarification introduit un nouveau modèle mental pour le calcul des coûts. Nous testerons et reviendrons avec une recommandation.

Ce qui s'est passé

Sakana AI a lancé Fugu en s'appuyant sur deux articles ICLR 2026 : TRINITY (un coordinateur LLM évolué) et Conductor (orchestration d'agents par apprentissage par renforcement). Au lieu de prescrire des rôles d'équipe fixes ou des workflows conçus manuellement, Fugu apprend à assembler dynamiquement des agents à partir d'un réservoir, à leur attribuer des rôles de Thinker, Worker ou Verifier et à les coordonner via des schémas de collaboration qu'aucun humain n'aurait conçus.

Deux paliers sont proposés :

• Fugu — latence et qualité équilibrées. Conçu pour la programmation quotidienne et le travail interactif. Vous pouvez configurer quels modèles entrent dans le réservoir, en excluant des fournisseurs spécifiques pour répondre aux contraintes de confidentialité et de conformité.
• Fugu Ultra — réservoir d'agents plus profond, temps de réponse plus longs, optimisé pour le raisonnement complexe en plusieurs étapes. Réservoir fixe et propriétaire — vous ne pouvez pas savoir quels modèles il a utilisés.

Les deux paliers exposent un endpoint unique compatible OpenAI.

Des benchmarks qui exigent l'attention

Les scores de Fugu Ultra sur les benchmarks rigoureux d'ingénierie et de raisonnement battent ou égalent les modèles de pointe accessibles au public :

Pourquoi c'est important

Fugu n'est pas un LLM de plus — c'est une nouvelle catégorie. Il ne rivalise pas sur le nombre de paramètres ; il rivalise sur la coordination. Le modèle apprend quels agents déployer pour quelle sous-tâche et comment interpréter leurs sorties, produisant des résultats qui dépassent n'importe quel modèle individuel du réservoir.

Deux limites importent aujourd'hui. Premièrement, Fugu n'est pas disponible dans les États membres de l'UE/EEE tant que Sakana travaille à sa mise en conformité RGPD. Deuxièmement, le réservoir Fugu Ultra est fixe et propriétaire — vous ne pouvez pas auditer quels modèles ont traité votre requête.

Ce qui change pour vous

1. Essayez Fugu (pas Ultra) d'abord. Le palier équilibré vous donne le ressenti de l'orchestration sans la latence et le coût plus élevés d'Ultra.
2. Gardez votre modèle principal. Utilisez Fugu comme complément jusqu'à ce qu'il ait fait ses preuves en production.
3. Équipes UE/EEE : attendez. Sakana bloque explicitement le service dans ces régions en attendant la conformité RGPD.
4. Guettez nos résultats de test. Nous reviendrons avec une recommandation.

FAQ

Qu'est-ce qui différencie Fugu de l'utilisation de plusieurs modèles par vous-même ? Fugu apprend des stratégies de coordination par l'entraînement, pas par de l'ingénierie de prompts manuelle — vous en tirez les bénéfices sans la charge d'ingénierie.

Puis-je voir quels modèles sous-jacents Fugu Ultra a utilisés ? Non. La sélection et le routage des modèles sont propriétaires.

Comment le tarif de Fugu se compare-t-il à l'utilisation directe de modèles de pointe ? Les 5 $/30 $ de Fugu Ultra se comparent favorablement aux tarifs directs des API de pointe, surtout si l'on considère l'orchestration multi-modèles derrière un seul endpoint.