Мультиагентная система Sakana AI обошла GPT и Claude: токены на 40‑60% дешевле

Спор о том, как правильно строить ИИ-продукт, обострился в 2026 году. Одни компании вкладывают миллиарды в обучение всё более крупных моделей. Другие делают ставку на мультиагентную систему, где несколько моделей работают вместе под управлением координатора. Sakana AI, японский стартап, только что выпустил два продукта, которые проверяют вторую идею на практике.

Что именно выпустила Sakana AI?

Sakana представила две модели из семейства Fugu: Fugu Max и Fugu Ultra v2. Fugu не является единой фундаментальной моделью. Это обученный оркестратор (координатор, который сам решает, какой из подключённых моделей отдать конкретную задачу) и работает через один API (программный интерфейс, единую точку подключения).

Две модели решают разные задачи:

• Fugu Max оптимизирован на лучший результат за минимальные деньги. Он подключает большой набор моделей с открытыми весами, включая семейство NVIDIA Nemotron, и маршрутизирует каждый запрос к самой экономичной модели, способной его выполнить.
• Fugu Ultra v2 нацелен на сложные многошаговые задачи: автономные исследования, разработку программного обеспечения, рассуждения по визуальным и структурированным данным.

Оба продукта доступны через API, совместимый с форматом OpenAI. Открытых весов для самостоятельного развёртывания нет. Сервис недоступен в ЕС и Европейской экономической зоне (EEA).

Как устроена мультиагентная система Fugu?

Согласно техническому отчёту Sakana, модели Fugu сами по себе являются языковыми моделями. Они читают запрос и на лету выстраивают агентный каркас для его выполнения. Обучение сочетает масштабное дообучение (fine-tuning), эволюционные алгоритмы и обучение с подкреплением.

В основе лежат две научные работы, принятые на конференции ICLR 2026:

• TRINITY использует легковесного эволюционного координатора, который назначает ролям «Мыслитель», «Исполнитель» или «Проверяющий» разные шаги задачи.
• Conductor обучен через обучение с подкреплением находить стратегии координации на естественном языке и формировать точные промпты для каждой подзадачи.

Релиз продолжает быстрый темп: Fugu вышла в бету в апреле 2026, стала общедоступной в июне, а в июле получила версию Fugu-Cyber и интерфейс для Claude Code.

Аргументы за оркестрацию вместо одной большой модели

Главный довод Sakana прямолинеен: отправлять простой запрос на выборку данных в модель с триллионами параметров значит тратить деньги впустую. Мультиагентная система подбирает самый дешёвый инструмент, который справится.

Цифры, которые приводит Sakana, подкрепляют логику:

• Цена Fugu Max: 2 доллара за миллион входных токенов и 6 долларов за миллион выходных (примерно 170 и 510 рублей по текущему курсу).
• По данным Sakana, цена за выходные токены на 40-60% ниже, чем у Sonnet 5, GPT 5.6 Terra и Kimi K3.
• Fugu Max показал лучший общий результат на шести бенчмарках: Terminal Bench 2.1, GPQA Diamond, AA-LCR, GDP.pdf, AutomationBench и SWEFish.
• Fugu Ultra v2 набрал 48.3 на бенчмарке Chartography (визуальное рассуждение и интерпретация данных) против 27.3 у Opus 5 и 29.5 у Fable 5.
• На DeepSWE (реальные задачи программной инженерии) Ultra v2 получил 74.3, опережая модели, которые стоят в 3-5 раз дороже за токен.

Отдельный аргумент: снижение зависимости от одного поставщика. Sakana подчёркивает, что оркестратор не привязан к конкретной проприетарной модели, а значит, защищён от отзыва API или внезапного отключения сервиса.

Аргументы против: где подвох?

Первый вопрос: независимость бенчмарков. SWEFish, один из тестов, где Fugu Max лидирует, является внутренним бенчмарком Sakana, построенным на собственных задачах по программированию. Сама Sakana рекомендует воспринимать этот результат как сигнал от вендора, а не как независимое измерение.

Второй: закрытость. Открытых весов нет, развернуть на своём сервере нельзя. Пользователь зависит от инфраструктуры Sakana точно так же, как от любого облачного провайдера, что ослабляет аргумент про «свободу от вендорлока».

Третий: ограничение пула. Fugu Ultra v2 не включает в свой пул агентов Fable 5, Fable 5.1 и GPT-6-Astra. Если эти модели оказались бы сильнее на конкретных задачах, оркестратор их не задействует. Дата отсечения обучающих данных, 28 августа 2026 года.

Четвёртый: география. Сервис недоступен в ЕС/EEA и, судя по отсутствию упоминания России, не ориентирован на российский рынок.

Fugu Max размещается в пределах досягаемости от моделей элитного уровня при стоимости от 2 до 6 раз ниже. : Команда Sakana AI, технический отчёт

Что делать с этим прямо сейчас, по ролям?

Автору Дзена. Мультиагентная система интересна не как замена привычному ChatGPT, а как способ удешевить рутину. Если вы используете API для генерации черновиков или рерайта, оркестратор типа Fugu направит простые запросы на дешёвую модель, а сложные на дорогую. Экономия ощутима на объёмах от тысяч запросов в месяц.

Маркетологу. Снижение стоимости инференса (инференс, это процесс, когда модель обрабатывает ваш запрос и выдаёт ответ) на 40-60% по сравнению с ведущими моделями меняет экономику автоматизации. Персонализация рассылок, анализ отзывов, генерация описаний товаров при таких ценах могут стать массовыми.

Предпринимателю в РФ. Прямого доступа к Sakana Fugu из России нет. Но сам подход, оркестрация нескольких моделей через один интерфейс, воспроизводим: открытые фреймворки позволяют подключить YandexGPT, GigaChat и любую доступную модель с открытыми весами в единый пайплайн.

Sakana доказала жизнеспособность подхода: не тренировать одну модель-чемпиона, а обучить арбитра, который раздаёт работу команде. Если независимые тесты подтвердят бенчмарки хотя бы на 70%, у рынка появится рабочая альтернатива дорогим монолитным API, и тогда оркестрация из экзотики превратится в стандартный паттерн архитектуры.