7.2
深览指数
科技智东西·毕 伟豪··AI 生成
又一大模型发布！号称比肩Fable 5和Mythos
日本AI独角兽Sakana AI发布Fugu系列编排器模型，不直接回答问题，而是通过调度多个专长模型（如GPT、Claude、Gemini）形成“集体智能”，在工程、推理等基准上接近甚至超越Fable 5和Mythos Preview。文章详细介绍了Fugu的四大机制（问题识别、模型选择、工作流设计、反馈优化）、技术路线（基于Trinity和Conductor研究）及“AI主权”的地缘政治动机，并指出该路线将AI竞争从单一模型能力引向系统组织能力。适合对AI技术前沿、模型架构演进、以及多模型协作方向有深度兴趣的技术从业者和研究者。原文 ↗
核心观点
- ▍AI的下一阶段不是更大更强的单一模型，而是更会协作的模型系统。编排能力（调度、协调、验证、综合）正成为一种独立的竞争力。
- ▍Fugu系列的核心定位不是替代GPT/Claude/Gemini，而是将这些模型的能力组合起来，通过智能调度实现超越单一顶尖模型的效果，同时规避单一供应商绑定风险（AI主权蓝图）。
- 01Fugu系列在覆盖编程、推理、科学、Agent能力的八个基准测试中，有三项超越了Mythos Preview和Fable 5，其他项目接近顶尖水平。
- 02Fugu的技术路线基于此前团队在ICLR 2026上发表的论文Trinity和Conductor，涉及学习模型编排的研究。
- 03Fugu的四大基础机制：识别问题类型、选择合适的worker模型、设计Agent工作流、根据反馈（进化算法+强化学习）优化编排策略。
- 04在Terminal Bench测试中，Fugu会自适应调用该测试中表现最好的GPT-5.5；在GPQADiamond测试中则核心调度Gemini-3.1-Pro，证明其能识别并利用不同模型的相对优势。
- 05Fugu提供两个版本：Fugu（延迟优先，轻量选择机制）和Fugu-Ultra（质量优先，深度多Agent协作，适合高难度任务）。
- 06Fugu完全模块化，不访问worker模型权重，用户可根据成本、隐私、合规需求定制可用模型列表，新模型可直接加入worker池。
- 07在附录实验中，Fugu-Ultra成功解出全部300个魔方（一次性代码生成）、在盲棋测试中击败多款模型和Stockfish、在在线股票交易中获得更高平均收益。
反方 / 局限
- — 多模型编排会带来更高成本和延迟，尤其是Fugu-Ultra的深度协作模式，这对实际落地构成工程挑战。
- — 多模型系统的错误归因更复杂：一旦最终答案出错，很难分清是路由决策、worker模型输出还是综合过程出了问题，排查难度大。
- — 编排器模型本身也可能出现偏差，比如错误判断任务类型，或过度依赖某个特定模型，从而削弱整体表现。
Sakana AIFugu UltraFuguFable 5Mythos PreviewLlion JonesGPT-5.5Gemini-3.1-ProTrinityConductor集体智能AI主权
12 分钟 · 4 卡片 · 11 资料
读原文 →