Sakana AI发布Fugu Ultra：模型编排如何达到前沿AI水平

Sakana AI的新突破：Fugu Ultra模型

日本AI公司Sakana AI近日发布了其最新模型Fugu Ultra，宣称该模型在工程、科学和推理等业界最严格的基准测试中，已能与Anthropic的Fable 5和Mythos Preview等顶尖模型比肩。这一发布的核心亮点不仅在于性能本身，更在于其独特的技术路线——自主模型编排（Autonomous Model Orchestration）。

Sakana AI成立于2023年，由前Google Brain研究员David Ha和前Google DeepMind研究员Llion Jones联合创立。值得注意的是，Llion Jones正是开创性论文《Attention Is All You Need》的八位作者之一——这篇论文提出了Transformer架构，奠定了当今所有大语言模型的技术基础。公司名称"Sakana"源自日语中的"鱼"（魚），寓意取自鱼群的集体智能行为：单个个体遵循简单规则，但群体却能涌现出复杂而高效的协调行为。这一命名哲学深刻反映了公司的核心技术理念——通过多个相对简单的组件协同工作，实现超越单一复杂系统的整体智能。

Sakana Fugu Ultra发布

什么是自主模型编排？

与传统的单一大模型训练路线不同，Sakana AI选择了一条差异化的技术道路。所谓"自主模型编排"，其核心理念是：不必从零训练一个万能模型，而是让一个智能系统自主调度和协调多个专业模型，以实现整体上的前沿性能。

要理解这一技术路线的创新之处，需要先了解当前AI领域的几种相关技术范式。**模型路由（Model Routing）**是指根据输入任务的特征，将请求分发到最适合处理该任务的模型上——例如将数学问题路由到数学专精模型，将代码问题路由到编程专精模型。**混合专家系统（Mixture of Experts, MoE）**则是在单一模型内部设置多个"专家"子网络，通过门控机制（Gating Mechanism）动态激活最相关的专家模块来处理不同类型的输入，Google的Switch Transformer和Mixtral模型都采用了这一架构。

Sakana AI的"自主模型编排"将这些理念推向了更高层次的自动化和抽象。与MoE在模型训练阶段就固定专家结构不同，自主编排系统可以在推理阶段动态选择、组合甚至链式调用完全独立训练的外部模型。这意味着编排系统不仅要决定"用哪个模型"，还要决定"如何分解任务"、"以什么顺序调用"、"如何整合多个模型的输出"——这需要元认知层面的规划和决策能力。Fugu Ultra本质上扮演的是一个"指挥官"角色——正如其发布标题所言："One Model to Command Them All"（一个模型指挥所有模型）。

技术路线的战略意义

这种架构设计带来了几个显著优势：

模块化与灵活性：底层专业模型可以独立更新和替换，无需重新训练整个系统。这类似于软件工程中的微服务架构思想——将单体应用拆分为可独立部署的服务模块，每个模块可以使用最适合的技术栈独立演进
资源效率：避免了训练单一超大规模模型所需的天量算力投入。作为参考，训练GPT-4级别的模型据估计需要数万块A100/H100 GPU运行数月，耗资超过1亿美元。而模型编排方案可以利用已有的开源或商用模型作为组件，大幅降低前期投入
快速迭代：新的专业能力可以通过接入新模型快速获得，而非等待下一次大规模训练。当某个领域出现更强的专业模型时，编排系统可以近乎即时地将其纳入自己的能力版图

前沿性能与出口管制的双重考量

Sakana AI在发布声明中特别强调了一个关键信息：Fugu Ultra能够**"在不受出口管制风险的情况下提供前沿能力"**。这一表述具有深刻的地缘政治背景。

绕开芯片封锁的技术路径

当前，美国对先进AI芯片的出口管制已成为全球AI产业格局中的重要变量。这一管制政策始于2022年10月美国商务部工业与安全局（BIS）发布的一系列规则，最初主要针对中国，限制了NVIDIA A100、H100等高端AI训练芯片的出口。此后管制范围不断扩大：2023年10月的更新规则进一步收紧了对中国的限制，并将管制扩展到更多国家和地区；2025年1月发布的"AI扩散规则"（AI Diffusion Rule）更是建立了全球性的三级分类体系——将全球国家分为"无限制"、"有条件获取"和"禁止"三个层级，即便是日本这样的传统盟友，在大规模算力集群的获取上也需要遵循特定的许可程序。

日本虽然是美国的盟友，被归入第一层级（Tier 1）的优待国家名单，但在AI算力获取方面同样面临供应链的不确定性。全球GPU供应长期处于紧张状态，即便不受政策限制，日本企业在与美国科技巨头竞争有限的芯片产能时也处于劣势。此外，地缘政治环境的快速变化意味着今天的政策优待不能保证明天的持续供应。

Sakana AI的模型编排方案，从技术架构层面降低了对单一超大规模算力集群的依赖，这在战略上为日本乃至其他受出口管制影响的地区提供了一条可行的替代路径。传统的大模型训练需要将数千甚至数万块顶尖GPU集中在一个数据中心内，通过高速互联（如NVLink和InfiniBand）协同工作。而模型编排方案的算力需求更加分散和灵活——编排层本身不需要巨大的训练算力，底层专业模型可以利用已有的开源模型或通过API调用商用模型。

简单来说，即使无法获得最顶尖的AI训练芯片，通过巧妙的模型编排和组合，依然有可能达到与前沿模型相当的实际表现。这对于全球AI竞争格局可能产生深远影响——它暗示了一种"非对称竞争"策略：不在算力军备竞赛中正面对抗，而是通过架构创新实现弯道超车。

基准测试表现

根据Sakana AI的官方声明，Fugu Ultra在以下领域的基准测试中表现突出：

工程基准测试：涵盖代码生成、系统设计等工程实践能力。常见的工程基准包括HumanEval（测试代码生成正确性）、SWE-bench（测试真实软件工程任务的解决能力）等
科学基准测试：包括数学推理、科学知识理解等学术能力。典型基准如MATH（竞赛级数学问题）、GPQA（研究生水平科学问答）、MMLU（大规模多任务语言理解）等
推理基准测试：测试复杂逻辑推理和多步骤问题解决能力。代表性基准如ARC-AGI（抽象推理挑战）、BBH（BIG-Bench Hard）等

需要指出的是，AI基准测试本身是一个充满争议的领域。业界长期存在"基准测试过拟合"（benchmark overfitting）的问题——模型开发者可能有意或无意地针对特定基准进行优化，导致基准分数膨胀而实际能力并未相应提升。此外，不同基准测试的评估方法（如few-shot vs zero-shot、是否允许思维链推理、温度参数设置等）差异巨大，使得跨模型的公平比较变得困难。近年来，社区越来越重视"竞技场"式的盲评方法（如Chatbot Arena），通过真实用户的盲测偏好投票来评估模型的实际表现。

官方将其对标的竞品定位为Anthropic的Fable 5和Mythos Preview，这些都是当前业界公认的顶尖模型。如果Fugu Ultra的基准测试数据经得起第三方验证，那么这将是模型编排技术路线的一次重大胜利。

行业影响与展望

对AI开发范式的启示

Sakana AI的成功（如果得到验证）可能会推动更多团队重新审视"必须训练更大模型"的惯性思维。在算力成本持续攀升的背景下——据估计，下一代前沿模型的训练成本可能突破10亿美元——模型编排提供了一种更具性价比的前沿能力获取方式。这与AI领域近期出现的多个趋势相呼应：小模型通过蒸馏获得大模型能力、推理时计算（test-time compute）的兴起、以及Agent框架通过工具调用扩展模型能力边界等，都在不同层面挑战着"规模即正义"（Scaling is all you need）的传统信条。

进化计算与自然启发式AI的技术渊源

Sakana AI一直以"进化计算"和"自然启发式AI"为技术特色，这并非单纯的品牌叙事，而是有深厚的学术根基。进化计算（Evolutionary Computation）是一类受达尔文自然选择理论启发的优化算法族群，包括遗传算法（Genetic Algorithms）、进化策略（Evolution Strategies）和遗传编程（Genetic Programming）等。在AI模型开发中，进化方法可以用于神经网络架构搜索（NAS）、超参数优化、甚至模型权重的合并与进化。Sakana AI此前发表的研究工作中，就展示了通过"模型合并"（Model Merging）技术——将多个已训练模型的权重以特定方式组合——来创造性能超越原始模型的新模型，而这一过程可以通过进化算法自动搜索最优的合并策略。Fugu Ultra的模型编排能力很可能建立在这些研究基础之上，代表了从静态模型合并到动态模型编排的技术演进。

值得关注的问题

当然，目前仍有几个关键问题需要持续观察：

延迟与成本：多模型编排是否会带来显著的推理延迟和成本增加？在实际部署中，每次额外的模型调用都意味着额外的网络延迟和计算开销。如果一个用户请求需要经过编排层的任务分解、多个专业模型的串行或并行调用、以及最终的结果整合，总延迟可能远高于单一模型的直接推理。对于需要实时响应的应用场景（如对话、代码补全），这可能是一个关键瓶颈
第三方验证：官方基准测试数据是否能在独立评测中得到复现？AI领域有过多次"基准测试成绩优异但实际表现平平"的先例，独立第三方的严格评测将是验证Fugu Ultra真实能力的关键
实际应用表现：基准测试成绩与真实场景中的用户体验之间往往存在差距。基准测试通常是结构化的、有明确答案的问题，而真实用户的需求往往是模糊的、多轮交互的、需要理解上下文和意图的
编排系统的鲁棒性：当底层某个专业模型出现错误或不可用时，编排系统如何优雅降级？多模型系统的故障模式比单一模型更加复杂，错误可能在模型间传播和放大

Sakana AI作为一家成立于日本的AI公司，由前Google研究员创立，一直以"进化计算"和"自然启发式AI"为技术特色。Fugu Ultra的发布标志着该公司从研究探索阶段向实际产品交付的重要跨越。无论最终市场反馈如何，其模型编排的技术思路都值得整个行业深入关注——它提出了一个根本性的问题：在通往通用人工智能的道路上，"训练一个更大的模型"是否是唯一的答案？