Sakana Fugu : un méta-modèle japonais qui orchestre les LLM frontier et dépasse chacun d’eux

Ce que Fugu fait, et ce qu’il ne fait pas

Fugu est commercialisé en deux variantes, toutes deux accessibles derrière la même API OpenAI-compatible.

Fugu est la version par défaut, optimisée pour la latence et l’usage quotidien : chatbots interactifs, revue de code, intégration dans des environnements comme Codex. Sakana laisse les développeurs exclure (« opt-out ») certains modèles du pool pour répondre à des contraintes de confidentialité ou de conformité.

Fugu Ultra (ID de modèle fugu-ultra-20260615) est la variante haut de gamme, calibrée pour les problèmes multi-étapes difficiles : recherche en IA, analyse de cybersécurité, investigations de brevets. Son pool d’agents est fixe : aucune option d’opt-out, pour préserver la cohérence de l’orchestration.

Ce que Fugu ne fait pas, ou pas encore, mérite d’être noté d’entrée. Le routage — c’est-à-dire le choix du modèle sous-jacent pour une requête donnée — est volontairement opaque : Sakana considère que la valeur de son produit réside dans ces patterns de collaboration non triviaux, et la documentation n’indique qu’un « diverse pool of powerful models » sans préciser la composition exacte. Le système est par ailleurs indisponible dans l’Union européenne et l’EEE tant que Sakana n’aligne pas son architecture de routage black-box avec le RGPD.

L’architecture : TRINITY, Conductor, et un pool d’agents récursif

Fugu s’appuie sur deux publications Sakana présentées à ICLR 2026 :

• TRINITY, un coordinateur évolué qui attribue dynamiquement à chaque appel les rôles Thinker, Worker ou Verifier, en fonction du contexte de la tâche.
• Conductor, un orchestrateur entraîné par apprentissage par renforcement, qui découvre des stratégies de coordination en langage naturel plutôt que de s’appuyer sur des graphes d’agents écrits à la main.

Sur cette base, Fugu est entraîné à appeler d’autres LLM dans son pool d’agents, y compris récursivement des instances de lui-même. La gestion du cycle — sélection du modèle, délégation, vérification, synthèse — est apprise, pas codée en dur. Pour l’utilisateur final, c’est un point d’API ; à l’intérieur, un essaim coordonné d’experts qui réalise le travail.

Cette architecture est à distinguer de trois familles voisines souvent confondues avec l’orchestration.

• Le routage one-shot (Not Diamond, Martian, RouteLLM) : un classifieur sémantique ou un méta-modèle choisit, pour une requête, le modèle frontier unique le plus pertinent. Décision unique, sans décomposition.
• Les frameworks agentiques généralistes (LangGraph, CrewAI, Microsoft AutoGen) : ils offrent aux développeurs les outils pour assembler des graphes multi-agents, mais supposent une configuration manuelle importante — définition des rôles, des arêtes conditionnelles, de la gestion d’état.
• Les orchestrateurs multi-ronde (Router-R1, NeurIPS 2025) : plus proches de Fugu, mais restent des frameworks ouverts que les développeurs doivent orchestrer eux-mêmes.

Fugu, résumait VentureBeat, est « essentially a LangGraph-style workflow packaged as a single, black-box API endpoint ». L’orchestration est encapsulée, le routage est masqué, le résultat est exposé comme si un seul modèle avait répondu.

Les benchmarks : où Fugu Ultra gagne, et où il perd

Sur les onze benchmarks publiés par Sakana, Fugu Ultra en-tête dix. Voici les principaux résultats, compilés à partir des chiffres communiqués par Sakana AI et rapportés par VentureBeat :

Trois lectures s’imposent. Premièrement, Fugu Ultra progresse surtout sur les tâches sales, multi-étapes, agentiques — générer un solver Rubik’s Cube en Python pur, écrire un script de revue de code, mener une boucle de recherche — où la décomposition et la vérification prennent de la valeur. Deuxièmement, sur les benchmarks de raisonnement pur dans un domaine contraint (Humanity’s Last Exam) ou de long-contexte (MRCRv2), les modèles monolithiques de pointe conservent un avantage dès lors qu’on y a accès. Troisièmement, l’absence de Fable 5 du pool Fugu — motivée par les contrôles à l’export américains du 12 juin 2026 et la décision d’Anthropic de retirer le modèle — prive Fugu Ultra d’un avantage que l’orchestrateur ne peut pas compenser en agrégeant d’autres modèles.

Au-delà des benchmarks publiés, Sakana présente sur son blog six études de cas internes. La plus frappante est l’expérience AutoResearch, où un agent Fugu-Ultra s’est vu confier l’amélioration d’une recette d’entraînement d’un petit GPT, sans guidance, en itérant 123 expériences sur ~14 heures avec un seul GPU H100. À l’arrivée, la configuration trouvée atteint 0,9774 ± 0,0019 bits-per-byte en moyenne, devant Model C (0,9781), Model B (0,9793) et Model A (0,9822). Trois autres cas — reconstitution de l’ordre de lecture de 仮名消息 (lettres classiques japonaises en chirashigaki), solver Rubik’s Cube écrit from scratch, génération d’un iris mécanique en CAD — montrent que Fugu Ultra obtient de meilleurs résultats sur la qualité du livrable, même quand les modèles baseline restent performants.

Un test grandeur nature : Fugu Ultra contre Opus 4.8 sur un clone Crossy Road

Mark Santos, fondateur de Mark Studios, a publié le 22 juin un comparatif pratique sur X : il a soumis la même consigne (« clone de Crossy Road en Three.js ») à Fugu Ultra et à Claude Opus 4.8.

• Fugu Ultra : 22 minutes, environ 89 000 tokens consommés, ~7,32 $. Le jeu fonctionne, mais avec des défauts (contrôles directionnels inversés, caméra bancale).
• Claude Opus 4.8 : 79 minutes, environ 940 000 tokens, ~37,85 $. L’agent est resté bloqué dans une boucle de retry nécessitant une intervention humaine, mais a produit un design d’application plus abouti.

« In terms of application functionality, quality, and design, Opus won. In terms of model speed and performance, Fugu… won », conclut Santos. Le résultat est représentatif d’un compromis classique : l’orchestrateur est rapide et économique pour les tâches sales, mais reste en retrait sur les livrables où la cohérence de bout en bout compte plus que la vitesse.

Tarification, disponibilité et restrictions

Fugu est commercialisé en abonnements mensuels et en pay-as-you-go.

• Abonnements : Standard 20 $/mois, Pro 100 $/mois (×10 usage standard), Max 200 $/mois (×20 usage). Un mois gratuit est offert aux souscriptions effectuées avant le 31 juillet 2026.
• Pay-as-you-go : la version Fugu standard facture au tarif du modèle sous-jacent le plus cher mobilisé ; Fugu Ultra utilise un tarif fixe — 5 $/M tokens en entrée, 30 $/M tokens en sortie, 0,50 $/M tokens en cache. Au-delà de 272K tokens de contexte, ces tarifs passent respectivement à 10 $, 45 $ et 1 $.

Le service est ouvert dans la plupart des régions du monde, à l’exception temporaire de l’Union européenne et de l’EEE. Sakana justifie cette restriction par la nécessité d’aligner son architecture de routage black-box avec les exigences du RGPD, sans donner de calendrier. Pour les entreprises européennes, le produit n’est donc pas accessible à la date du lancement.

Sur le plan de la souveraineté technologique, la critique a été formulée rapidement : Elie Bakouch, ingénieur de recherche chez Prime Intellect, résume la position inverse sur X — « to be clear, this is a closed source orchestrator on top of closed source models. If before you didn’t control the models, now you don’t even control which ones are used or how much. This is not ‘AI sovereignty’… ».

Sakana AI : qui est derrière le projet

Sakana AI a été fondé à Tokyo en 2023 par Llion Jones — co-auteur du papier fondateur « Attention Is All You Need » (Google, 2017) — et David Ha, ancien responsable de la recherche chez Stability AI. Le nom vient du japonais sakana (« poisson ») et reflète la thèse technique de la maison : exploiter l’intelligence collective en essaim plutôt que la force brute d’un modèle unique. La société a bouclé une série B à 2,6 milliards de dollars fin 2025 et lancé en juin 2026 Marlin, un agent de deep research autonome destiné au B2B capable de produire des rapports de 100 pages en huit heures. Fugu est la commercialisation de la technologie d’orchestration multi-agents de Sakana pour les développeurs au quotidien.

Le lancement s’inscrit dans un mouvement plus large : en 2026, plusieurs acteurs — Microsoft (MAI, Microsoft Scout), Anthropic (Mythos 5 avant son retrait), Google (Gemini Omni, AlphaEvolve), Alibaba (Qwen-Robot Suite), NVIDIA (Cosmos 3) — ont mis sur le marché des modèles ou frameworks qui repositionnent l’agent — plutôt que le chatbot — comme interface principale. Fugu représente une troisième voie : non pas un modèle de fondation plus gros, non pas un framework ouvert, mais une couche d’orchestration fermée qui s’appuie sur les modèles existants et les agence.

Ce qu’il faut retenir

• Fugu est un LLM lui-même, entraîné à orchestrer un pool d’autres LLM — pas un routeur one-shot, pas un framework agentique généraliste.
• Fugu Ultra obtient les meilleurs scores sur SWE-Bench Pro (73,7), LiveCodeBench (93,2) et GPQA-Diamond (95,5), mais reste en retrait sur les benchmarks de raisonnement pur et de long-contexte, ainsi que face à Claude Fable 5 sur Humanity’s Last Exam.
• Le routage est black-box et Sakana n’indique pas quels modèles sont sélectionnés pour quelles requêtes.
• Fugu est indisponible dans l’UE et l’EEE en attendant un alignement avec le RGPD.
• Le résultat scientifique clé : un orchestrateur peut surpasser chacun des modèles qu’il coordonne sur les tâches sales multi-étapes, ce qui ouvre une voie de recherche parallèle à la course au « plus gros modèle ».