Sakana AI เปิดตัว Fugu Max และ Fugu Ultra v2 ยกระดับการจัดการ Multi-Agent ให้คุ้มค่าและทรงพลังยิ่งขึ้น

Sakana AI ประกาศเปิดตัว Fugu Max and Fugu Ultra v2 สมาชิกใหม่ในตระกูล Sakana Fugu โดย Fugu ไม่ใช่โมเดลพื้นฐานเดี่ยวๆ แต่ทำหน้าที่เป็น learned orchestrator หรือผู้ประสานงานอัจฉริยะที่คอยส่งต่องานไปยังกลุ่มโมเดลอื่นภายใต้ API เดียวกัน การเปิดตัวครั้งนี้เป็นการปรับจูนสถาปัตยกรรมเพื่อตอบโจทย์ 2 ด้าน คือ Fugu Max ที่เน้นความคุ้มค่าสูงสุดต่อดอลลาร์ และ Fugu Ultra v2 ที่มุ่งเน้นประสิทธิภาพสูงสุดสำหรับงานที่ซับซ้อนหลายขั้นตอน

สำหรับการใช้งานจริงนั้น ทั้งสองโมเดลพร้อมให้บริการแล้ววันนี้ในรูปแบบ hosted API ผ่านระบบของ Sakana ที่รองรับการทำงานร่วมกับ OpenAI อย่างไรก็ตาม จะไม่มีการเปิดเผย weights สำหรับนำไปโฮสต์ด้วยตนเอง (open weights) และทาง Sakana ยังไม่เปิดให้บริการในเขต EU/EEA

ทำไม Sakana ถึงมองเรื่องนี้เป็นปัญหาแบบ 2 แกน

แนวคิดของ Sakana นั้นชัดเจนว่า งานในโลกความเป็นจริงต้องตัดสินด้วยทั้งขีดความสามารถและต้นทุนควบคู่กัน การส่งงานค้นหาข้อมูลง่ายๆ ไปยังโมเดลขนาดยักษ์ที่มีพารามิเตอร์หลายล้านล้านตัวถือเป็นการสิ้นเปลืองโดยใช่เหตุ ระบบที่ดีควรเลือกใช้เครื่องจักรที่ราคาประหยัดที่สุดแต่ยังสามารถแก้โจทย์นั้นได้อย่างมีประสิทธิภาพ

ทีม Sakana อธิบายเรื่องนี้ผ่านแนวคิด Pareto frontier ซึ่งระบุว่าบนเส้นพรมแดนนี้ การเพิ่มคุณภาพย่อมตามมาด้วยต้นทุนที่สูงขึ้น ในขณะที่การลดต้นทุนก็อาจทำให้เสียคุณภาพไป โดย Fugu Max และ Fugu Ultra v2 ใช้สถาปัตยกรรม orchestration หลักตัวเดียวกัน แต่แตกต่างกันเพียงเป้าหมายในการปรับแต่ง (optimization) เท่านั้น

การพัฒนาของตระกูล Fugu ดำเนินไปอย่างรวดเร็ว โดยเริ่มเข้าสู่ช่วง beta ในเดือนเมษายน ก่อนจะเปิดใช้งานทั่วไปหรือ general availability ในเดือนมิถุนายน และเพิ่งเพิ่ม Fugu-Cyber and a Claude Code interface ไปเมื่อเดือนกรกฎาคมที่ผ่านมา

การทำงานของ Fugu Orchestration

ข้อมูลจาก Sakana Fugu’s Technical Report ระบุว่า Fugu เป็นโมเดลภาษาที่สามารถอ่านคำสั่งและสร้างโครงสร้างการทำงานแบบ agentic scaffold ขึ้นมาได้ทันที ผ่านกระบวนการฝึกฝนที่เข้มข้นทั้งการ fine-tuning ขนาดใหญ่, evolutionary algorithms และ reinforcement learning

ระบบนี้ต่อยอดมาจากบทความวิจัย ICLR 2026 สองฉบับ ได้แก่ TRINITY ที่ใช้ตัวประสานงานน้ำหนักเบาเพื่อมอบหมายบทบาท Thinker, Worker หรือ Verifier ในแต่ละรอบงาน และ The Conductor ซึ่งฝึกด้วย reinforcement learning เพื่อค้นหากลยุทธ์การประสานงานด้วยภาษาธรรมชาติและ prompt ที่เฉพาะเจาะจง

Fugu Max: โมเดลมากขึ้น ในราคาที่น้อยลง

Fugu Max ขยายขอบเขตการจัดการไปสู่โมเดลกลุ่ม open-weights และโมเดลเฉพาะทางจำนวนมาก รวมถึงตระกูล NVIDIA Nemotron ผ่านความร่วมมือ collaboration with NVIDIA โดย Fugu Max จะเลือกส่งงานไปยังโมเดลที่ประหยัดที่สุดที่สามารถจัดการงานนั้นได้

ทีม Sakana ได้รายงานข้อมูลประสิทธิภาพและราคาไว้ดังนี้:

• ราคา: Input tokens อยู่ที่ 2 ดอลลาร์ต่อ 1 ล้าน tokens และ Output tokens อยู่ที่ 6 ดอลลาร์ต่อ 1 ล้าน tokens
• ความคุ้มค่า: ราคา Output ต่ำกว่า Sonnet 5, GPT 5.6 Terra และ Kimi K3 ประมาณ 40% ถึง 60% โดยสามารถขยายเส้นพรมแดน Pareto ระหว่างต้นทุนและประสิทธิภาพได้ถึง 7 จาก 10 เกณฑ์มาตรฐาน
• ประสิทธิภาพ: ทำคะแนนรวมได้ดีที่สุดใน 6 เกณฑ์มาตรฐานหลัก เช่น Terminal Bench 2.1, GPQA Diamond และ SWEFish ซึ่งเป็นเกณฑ์มาตรฐานภายในของ Sakana เอง

Fugu Ultra v2: การยกระดับเพดานความสามารถ

Fugu Ultra v2 ถูกออกแบบมาเพื่อการใช้เหตุผลที่ซับซ้อน การวิจัยอัตโนมัติ และการพัฒนาซอฟต์แวร์แบบ full-stack โดยมีการพัฒนาที่โดดเด่นในด้านการใช้เหตุผลต่อเนื่องเหนือข้อมูลภาพและข้อมูลที่มีโครงสร้าง

ผลการทดสอบที่น่าสนใจมีดังนี้:

• Chartography: ทำได้ 48.3 คะแนน สูงกว่า Opus 5 (27.3) และ Fable 5 (29.5)
• DeepSWE: ทำได้ 74.3 คะแนน นำหน้าโมเดลที่มีราคาสูงกว่า 3 ถึง 5 เท่า
• ความครอบคลุม: ครองอันดับหนึ่งหรืออันดับหนึ่งร่วมใน 5 จาก 8 เกณฑ์มาตรฐาน และติด Top 2 ในเกือบทุกรายการทดสอบ

สิ่งที่น่าสนใจคือ Fugu Ultra v2 สามารถบรรลุผลลัพธ์ระดับแนวหน้าได้โดยไม่ต้องพึ่งพาโมเดลกรรมสิทธิ์อย่าง Fable 5 หรือ GPT-6-Astra ในกลุ่มเอเจนต์ ซึ่ง Sakana ระบุว่าแนวทางนี้ช่วยลดความเสี่ยงจากการยึดติดกับผู้จำหน่าย (vendor lock-in) และปัญหาการหยุดให้บริการ API กะทันหันได้เป็นอย่างดี

ประเด็นสำคัญ

• Fugu Max เน้นความคุ้มค่าด้วยราคา 2/6 ดอลลาร์ต่อล้าน tokens และทำผลงานได้ดีเยี่ยมใน 6 เกณฑ์มาตรฐาน
• Fugu Ultra v2 ยกระดับประสิทธิภาพการใช้เหตุผลทางภาพ (Chartography 48.3) และวิศวกรรมซอฟต์แวร์ (DeepSWE 74.3)
• ทั้งสองโมเดลเปิดให้ใช้งานแล้วผ่าน API ที่รองรับ OpenAI โดยนักพัฒนาสามารถสลับมาใช้ได้ง่ายเพียงเปลี่ยนโค้ดบรรทัดเดียว