أطلقت Sakana AI Fugu Max وFugu Ultra v2 – وهما نموذجان جديدان من عائلة Sakana Fugu. Fugu ليست مجرد نموذج واحد، بل هي منسق مدرب يقوم بتوزيع المهام بين العديد من النماذج الأخرى عبر واجهة برمجة تطبيقات واحدة. يهدف Fugu Max إلى تحقيق أفضل عائد لكل دولار، بينما يركز Fugu Ultra v2 على الأداء العالي في حل المهام المعقدة متعددة المراحل. كلا النموذجين متاحان عبر واجهة برمجة تطبيقات متوافقة مع OpenAI من Sakana. لا توجد أوزان مفتوحة للنشر الذاتي، ولا تقدم Sakana الخدمة في الاتحاد الأوروبي/المنطقة الاقتصادية الأوروبية.
تعتبر Sakana المهمة على أنها ثنائية المحور: يتم تقييم الأحمال العملية الحقيقية بناءً على القدرة والتكلفة معًا. على حدود باريتو، يكون تحسين الجودة مكلفًا، بينما يؤدي خفض السعر إلى فقدان الجودة. لدى Fugu Max وFugu Ultra v2 نفس بنية التنسيق – تختلف فقط في أهداف التحسين. يتم الإصدار بسرعة: دخل Fugu في مرحلة البيتا في أبريل، وحقق التوافر العام في يونيو، وفي يوليو حصل على Fugu-Cyber وواجهة Claude Code.
وفقًا للتقرير الفني، فإن نماذج Fugu هي في الأساس نماذج لغوية: تقرأ الطلب وتقوم بإنشاء بناء وكيل له في الوقت الفعلي. يجمع التدريب بين الضبط الدقيق واسع النطاق، والخوارزميات التطورية، والتعلم المعزز. تعتمد النظام على مقالتين من ICLR 2026: يستخدم TRINITY منسقًا خفيفًا متطورًا يعين أدوار المفكر، العامل أو المراجع حسب الخطوات، بينما يتم تدريب Conductor بالتعلم المعزز لاكتشاف استراتيجيات التنسيق باللغة الطبيعية.
يوسع Fugu Max مجموعة النماذج التي يمكن لـ Fugu تنسيقها، مضيفًا الأوزان المفتوحة والنماذج المتخصصة، بما في ذلك عائلة NVIDIA Nemotron بفضل التعاون مع NVIDIA. يتم توجيه كل مهمة إلى النموذج الأكثر اقتصادية القادر على حلها. الأسعار: 2 دولار لكل مليون رمز إدخال و6 دولارات لكل مليون رمز إخراج – أقل بنسبة 40-60% من Sonnet 5 وGPT 5.6 Terra وKimi K3. يظهر Fugu Max أفضل نتيجة عامة في ستة معايير (Terminal Bench 2.1، GPQA Diamond، AA-LCR، GDP.pdf، AutomationBench وSWEFish) ويمدد حدود التكلفة-العائد في 7 من 10. SWEFish هو معيار داخلي لـ Sakana، تم إنشاؤه بناءً على مهام البرمجة الخاصة بها، لذا يجب اعتباره إشارة من المورد.
مقالات ذات صلة
