Sakana AI Fugu — 以单一模型 API 形式提供多 Agent 编排系统

发布时间： 2026年6月22日
来源： 开源中国
原文： Sakana AI Official Blog

概述

2026年6月22日，东京 AI 公司 Sakana AI 正式发布了 Fugu——一个"用一个模型指挥所有模型"的多 Agent 编排系统。Fugu 的核心赌注是一个越来越被 AI 产业认真对待的命题：AI 能力的下一步提升不会来自造出更大的单一模型，而是来自让多个已有模型协同工作。

Sakana AI 将两篇 ICLR 2026 论文——TRINITY 和 Conductor 的研究成果打包成一个 OpenAI 兼容的 API 端点。对调用者来说，它就是一个模型；但在 Fugu 内部，一个轻量级协调器正在动态挑选 Thinking、Working、Verifying 三种角色的 Agent，将任务拆分、委托、验证、整合，最后把结果返回给用户——整个过程对用户不可见，也不可配置。

Fugu 整体架构：一个统一 API 端点背后，轻量级协调器动态调度 Thinker/Worker/Verifier 多 Agent 协作

一、Sakana AI 公司背景

Sakana AI 是一家值得认真对待的公司。2023 年 7 月在东京成立，三位联合创始人各代表一个稀缺的能力维度：

• CEO David Ha：前 Google Brain 研究科学家，曾领导 Stability AI 的研究团队
• CTO Llion Jones：论文《Attention Is All You Need》的合著者之一，Transformer 架构正是出自这个研究小组
• COO Ren Ito：曾任职于日本外务省，提供政府关系和地缘政治维度上的判断力

融资情况：
- 2024 年 9 月：约 2 亿美元的 A 轮融资后成为日本估值最高的 AI 独角兽
- 2025 年 11 月：约 26 亿美元估值完成 1.35 亿美元 B 轮融资
- 投资者包括 Khosla Ventures、Lux Capital、NEA、NVIDIA、三菱 UFJ 金融集团和三井住友银行

核心研究路线是"从自然界获取灵感的可持续 AI"——不追求最大的参数规模，而是研究如何让较小的模型通过进化和集体智能的方式达到超越单体模型的效果。

二、Fugu 核心架构

Fugu 的架构本质上是一个学习出来的协调系统，而不是人工设计的路由规则。

TRINITY 论文贡献

一个经过进化算法训练的轻量级协调器，能在多个推理轮次中动态为 LLM 分配三种角色：

Conductor 论文贡献

通过强化学习训练协调器自动发现自然语言的 Agent 通信模式和提示策略，使得不同能力的 LLM 池在推理任务上的集体表现超过其中任何个体模型。

关键设计原则： Fugu 的协调策略不是工程师手写的，而是机器自己在大量实验中摸索出来的最优协作模式。这也解释了为什么 Sakana AI 刻意不公开 Fugu 内部使用的具体模型列表和路由策略——这套协调模式本身就是核心竞争力。

产品变体

三、Benchmark 表现

Fugu 在多项 benchmark 上的表现对比

在覆盖编码、分析、推理等多个维度的评测中，Fugu 的表现展示了多 Agent 协同相对于单一模型的显著优势。

四、行业意义分析

Fugu 代表了一种范式转变：

1. 模型即编排层：将多 Agent 协作封装为单一 API，降低使用门槛
2. 进化式协调：协调策略不是手工设计而是算法自动发现，可能比人工路由更优
3. 黑盒竞争力：不公开内部模型列表和路由策略，将编排模式本身作为知识产权保护
4. 日本 AI 地位的象征：由日本公司主导的前沿 AI 研究方向，打破中美垄断格局

五、与当前技术趋势的关联

Fugu 的发布与当前多 Agent 系统（如 LangGraph、CrewAI、AutoGen）的发展方向一致，但区别在于：