Sakana Fugu

Fugu는 단일 OpenAI 호환 엔드포인트 뒤에 조율된 전문 모델 풀을 노출한다. 기반 풀이 바뀌어도 통합은 바뀌지 않으며, 모델 이름 하나만 바꾸면 Fugu, Fugu Ultra, Fugu Max 사이를 오갈 수 있다. Sakana AI는 이를 API 복잡성을 줄이면서 가성비를 높이는 방법으로 내세운다. 단순한 발상. 확실한 보상.

대부분의 에이전트 프레임워크는 어떤 모델이 무엇을 하는지 하드코딩하게 만든다. Fugu는 그 대신 그 패턴을 학습한다. 조율은 ICLR 2026 논문 두 편, TRINITY와 the Conductor에 기반을 둔다. 이들은 고정된 순서도가 아니라 작업마다 전문 에이전트를 구성하고 라우팅하는 시스템을 보여준다.

Fugu는 코딩과 챗봇 같은 일상 작업에서 성능과 지연의 균형을 맞춘다. Fugu Ultra는 Kaggle 대회와 논문 재현 같은 어렵고 중요한 문제를 위해 더 깊은 풀을 조율한다. Fugu Max는 가장 큰 풀을 오케스트레이션해 가성비를 끌어올리고, Fugu Cyber는 보안 추론에 맞춰 조정된다. Sakana AI에 따르면 Fugu Cyber는 CyberGym에서 86.9%, 두 번째 업계 보안 벤치마크에서 72.1%를 기록한다.

표준 Fugu 티어에서는 콘솔 설정으로 특정 모델이나 제공자를 풀에서 제외할 수 있다. 이 기능이 Fugu를 단순한 라우터와 구분한다. 제품을 떠나지 않고 데이터, 프라이버시, 규정 준수 요건을 충족하게 해준다. 기업 고객은 맞춤 모델 구성을 직접 요청할 수 있다.

토큰 사용량과 비용은 요청마다 함께 돌아오므로 실시간으로 지출을 살피고 규모를 키우기 전에 예측할 수 있다. 한 요청에서 여러 에이전트가 활동하면, 각 모델의 요금을 쌓는 대신 관여한 최상위 모델을 기준으로 한 단일 혼합 요율로 과금된다.

API가 OpenAI 호환이므로 현재 클라이언트를 Fugu 엔드포인트로 향하고 요청을 보내면 된다. 배울 새 SDK도, 기존 채팅이나 코딩 도구를 다시 짤 필요도 없다. 설정은 그게 전부다.