日本 Sakana AI 用「調度器」打前沿模型：Fugu Ultra v2 在池子裡沒放最強模型，分數卻更高

一位在新竹做 SaaS 的技術長給我看過一張表：他們產品每個月的 LLM 帳單，從去年十月的四萬多塊，漲到今年八月的二十七萬。功能沒增加多少，使用者成長了三倍，但成本成長了六倍——因為團隊在追求品質的過程中，一路把模型往最貴的那一檔換。

「我知道有些請求根本不需要用到那麼強的模型，」他說，「但要一個一個判斷太麻煩了。」

2026 年 9 月 11 日，日本的 Sakana AI 端出的東西，恰好就是在回答這個問題。

事件背景

Sakana AI 發布了 Fugu Max 與 Fugu Ultra v2。它們不是傳統意義上的新模型——Fugu 是一個調度器（orchestrator）：一個被訓練來把任務分派給其他模型、再把答案縫合起來的語言模型。你送出一個請求給一個 API，Fugu 在背後決定池子裡的哪些模型該做這份工，必要時還會遞迴呼叫自己的實例。

這條路線 Sakana 走了一段時間。這家公司從成立起就不走「把模型做更大」的主流路線，而是研究模型之間怎麼合作、怎麼演化。Fugu 系列是這個理念第一次做成商業產品。

官方文章的標題是「Orchestrating the Pareto Frontier」——編排帕累托前緣。這句話說出了它的企圖：不是在單一維度上超越誰，而是在「成本與品質」這張圖上，把可行解的邊界往外推。

本次重點

• 發布日期：2026 年 9 月 11 日，兩個型號同時推出。
• Fugu Max（性價比取向）：每百萬輸入 token 2 美元、輸出 6 美元。官方稱比 Sonnet 5、GPT-5.6 Terra 與 Kimi K3 低 40% 到 60%。模型池整合了「前所未有數量」的開放權重與專用模型，包含透過與 NVIDIA 合作納入的 Nemotron 系列。官方稱它在 Terminal Bench 2.1、SWEFish 等六項基準上取得最佳總體成績。
• Fugu Ultra v2（品質取向）：設計給複雜推理、自主研究與全端軟體工程。官方揭露的分數包括 Chartography（視覺推理與資料判讀）48.3，對比 Opus 5 的 27.3 與 Fable 5 的 29.5；DeepSWE 74.3，官方稱勝過每 token 貴上三到五倍的模型。
• 最值得注意的一句話：Sakana 表示 Fugu Ultra v2 的代理池中不包含 Claude Fable 5、Claude Fable 5.1 或 GPT-6 Astra——當前最強的三個系統——卻仍宣稱在基準上勝過它們。

這些數字全部來自 Sakana 官方發布頁，屬廠商自評，尚無獨立第三方複驗。看的時候請保留合理懷疑。

市場影響分析

對台灣使用者：短期內幾乎無感，因為 Fugu 是給開發者用的 API，不是消費級聊天介面。但如果它證明可行，你會在別的地方感受到——你常用的那些 AI 應用，成本結構會改善，而成本改善最終會反映在訂閱價格或免費額度上。

對企業應用：這則新聞對 CTO 的意義比對工程師大。過去兩年企業導入 LLM 的典型路徑是「先挑一個最強的模型把功能做出來，之後再說」，而「之後」往往就是帳單失控的那一天。調度器提供了第三條路：不必自己寫一套路由邏輯（那很難維護，模型一更新就全部重調），也不必單押一家供應商。

但要提醒兩個現實問題。第一是可觀測性：當一個請求背後可能經過三個模型，出問題時你怎麼知道是哪一層錯了？這件事的除錯成本比單一模型高一個量級。第二是穩定性：模型池的組成會變（官方自己就強調 Ultra v2 換掉了池子內容），而池子一變，你的輸出品質也可能跟著變，這對需要一致性的產品是風險。導入前一定要問清楚版本凍結（version pinning）的機制。

對開發者：技術上最有意思的一點是「遞迴呼叫自己的實例」。這代表 Fugu 不只是一層路由表，而是可以做多層分解——把一個大任務拆成子任務、子任務再拆。這跟目前主流的 agent 框架（見我們寫過的 AI Agent 是什麼）在概念上重疊，差別是 Sakana 把編排能力訓練進模型本身，而不是寫在外部的程式碼裡。

哪一種比較好？現在下定論太早。外部編排的優點是可控、可讀、可測試；模型內建編排的優點是不必人工維護規則。我的直覺是兩者最後會混用——粗粒度的流程用程式碼控，細粒度的模型選擇交給調度器。

未來發展趨勢

第一，「用哪個模型」會逐漸變成基礎設施問題，而不是產品決策。 就像你今天不會為了每個 HTTP 請求手動挑一台伺服器一樣，未來多數應用不會為每個請求手動挑模型。誰做好這層抽象，誰就拿到一個很有價值的位置。

第二，開源與專用模型的價值會被重新定價。 如果組織得好的中等模型池能贏過單一前沿模型，那麼一個在特定任務上很強的小模型，價值就不再只是「便宜的替代品」。這對台灣做垂直領域模型的團隊是正面訊號。

第三，benchmark 的可信度會受到更多挑戰。 當廠商同時控制「模型池組成」與「路由策略」，benchmark 分數的可調空間變得很大。我預期接下來會有更多關於「調度器是不是在針對測試集最佳化」的討論，這是健康的。

TheAI學院 總結與評語

我在新竹那位技術長的辦公室裡想過一個問題：如果他當初有一個夠聰明的路由層，那二十七萬的帳單會變成多少？

答案不知道，但方向很清楚——他們付的錢裡，有很大一部分是為了「不想花時間判斷」而支付的保險費。用最貴的模型處理所有請求，是一種買安心的行為。而 Sakana 的主張，本質上是把這份安心變成可以外包的服務。

對台灣的開發團隊，我的具體建議是：

別急著整包搬過去，但一定要做 A／B。 挑你產品裡量最大、但品質要求不是最高的那條流程（客服第一線回覆、內容分類、摘要生成都是典型），用 Fugu Max 跑兩週，比較成本與品質。這種實驗的成本很低，結論卻能直接換成錢。

如果你要用，先把可觀測性做起來。 記下每個請求走了哪條路徑、花了多少 token、用了多久。沒有這些紀錄，你會在某天品質下降時完全無法排查。

最後，這件事對台灣的產業意義比對個人大。 我們不太可能在基礎模型的軍備競賽裡贏，但「怎麼把有限的運算資源組織得最好」，是一個完全可以競爭的題目——而且它更接近台灣擅長的那種工程紀律。想找適合串進工作流的模型與工具，可以從站上的 AI 開發者工具 逛起，也可以看看 提示詞範本 有沒有能直接套用的起點。

評語：Sakana 賭的是「組織勝過單點能力」，這個論點如果成立，對資源有限的團隊是解放——你不必比誰燒得起錢，可以比誰編排得好。但所有數字目前都是廠商自評，而且模型池會變動，導入前務必自己跑過 A／B，並先把可觀測性做起來。

資料來源

• Sakana AI — Introducing Fugu Max and Fugu Ultra v2: Orchestrating the Pareto Frontier
• MarkTechPost — Sakana AI Launches Fugu Max and Fugu Ultra v2（2026-09-10）
• DataNorth — Sakana AI launches Fugu Max and Fugu Ultra v2

本文依公開資訊整理，以官方為準。文中所有基準分數與價格比較皆為 Sakana AI 官方發布之自評數據，尚無獨立第三方複驗。