Fugu 是日本 AI 公司 Sakana AI 推出的一套多模型编排（model orchestration）系统，核心思路不是训练一个更大的单一模型，而是让一个"路由器"在多个现有大模型之间动态分配任务，用组合的方式逼近甚至超越前沿模型的表现，同时控制推理成本。它推出的 Fugu Ultra 系列主打通用能力，Fugu-Cyber 则专攻网络安全场景，已上线 OpenRouter 等平台供开发者调用。
Fugu 近期进展
Sakana Fugu 发布了 Fugu Max 和 Fugu Ultra v2 两个新版本，继续强调"通过模型组合实现成本与性能平衡"的路线。(Sakana Fugu 发布 Fugu Max 和 Fugu Ultra v2)
在网络安全方向，Fugu-Cyber 编排模型在 CyberGym 基准上取得 86.9%、在 CTI-REALM 上达到 72.1% 的成绩，官方称基准表现胜过 GPT-5.5-Cyber，达到安全领域 SOTA。(Sakana AI 发布 Fugu-Cyber) (IT之家报道)
生态层面，Fugu 编排器接入了 Nvidia Nemotron 等模型，用于验证"集体智能可媲美单一前沿模型"的假设；此前 Fugu Ultra 多模型协作系统也已上线 OpenRouter，方便开发者以 API 形式使用。(加入 Nvidia Nemotron) (OpenRouter 上线)
当前焦点与观察点
目前围绕 Fugu 的讨论主要有两条线。其一是性能声明：Sakana 曾声称 Fugu Ultra v1.1 在不把 Fable 5 纳入模型池的情况下击败了它，这类"路由器胜过单体模型"的结论在社区中引发了一定争议，独立复现和公平比较条件仍有待验证。其二是实测对比：多位博主将 GLM-5.2、Fugu Ultra、Fable 5 放在同一 one-shot 提示下测试（如程序化星球生成等任务），结果显示 Fugu Ultra 在部分任务上表现接近前沿模型，但不同任务间差异明显。
值得关注的观察点包括：模型池选择与路由策略对最终质量的影响、多模型编排带来的延迟和成本在实际使用中是否真正可控、以及 Fugu-Cyber 在真实攻防场景中相对于基准测试的泛化能力。Fugu 代表的"组合式智能"路线能否持续对单一前沿模型构成竞争，仍需更多第三方评测确认。