Sakana Fugu：用 RL Conductor 调度多模型军团 · 干货攻略

• 链接: https://x.com/omarsar0/status/2051306659021242635
• 分类: x-tips
• 来源: X @omarsar0
• 作者: Jay
• 更新: 2026-07-18
• 仓库: SakanaAI/fugu

这是什么

Sakana Fugu 是 Sakana AI 在 2026 年发布的多智能体编排系统，其核心是一个 7B 参数的 Conductor 模型。该模型不自己解题，而是像"管理者"一样动态决定：

• 调用哪些专家模型（worker pool 包含 GPT-5.5、Gemini 3.1 Pro、Claude Opus 4.8 等）
• 每个 worker 分配什么任务
• worker 之间如何通信（谁能看到谁的输出）
• 最终如何合成结果

用户只需调用一个 API，Fugu 内部自动组装最优 agent 团队、编排工作流、返回统一结果。Sakana AI 官方将其定位为"collective intelligence"——集体智能，用编排而非更大的单模型来扩展能力边界。

产品层面有两个版本： - Fugu：单 worker 路径，低延迟，适合日常使用 - Fugu-Ultra：多 worker 组合，高质量，面向最难的任务

为什么值得关注

谁在分享： @omarsar0（Sakana AI 合作研究者），帖子引用了 ICLR 2026 论文，并附上了 Beta 产品链接。

解决什么问题： 当前多 agent 系统多数依赖人工设计的工作流（如固定 pipeline、MoE 路由），这些方案在垂直场景有效，但在面对多样化用户需求时成为瓶颈（原文："an inherent bottleneck arises when targeting domains with large user bases with very heterogeneous demands"——VentureBeat 采访）。Fugu 用 RL 让编排策略本身学会适应每个问题，而不是靠人工预设。

核心理念： 不再靠训更大的单模型来突破能力边界，而是通过学习最优模型协作策略来释放现有模型的全部潜力。这是一种新的 scaling 轴：test-time orchestration scaling。

核验过程

官方来源

交叉验证

• BenchLM GPQA Diamond 排行榜（benchlm.ai）：截至 2026 年 7 月 13 日，Fugu-Ultra 以 95.5% 排名第一，高于 GPT-5.6 Sol（94.6%）。这与 Technical Report 数字吻合。
• DataCamp 报道（datacamp.com）：确认 SWE-Bench Pro 73.7%、Claude Opus 4.8 69.2% 等具体数字。
• Explainx 评测（explainx.ai）：Ethan Mollick 实际测试发现 Shader 类任务运行 30 分钟、结果未达 Fable 5 水平——这是值得关注的 gap，详见"坑"章节。
• VentureBeat 采访：确认了 hard-coded pipeline 瓶颈问题，以及 Conductor 不生成最终答案而是输出工作流步骤（natural language 格式）这一关键设计细节。

⚠️ 数字说明

X 帖中引用的 87.5% / 83.9% 是 Conductor 论文（2025年12月提交/ICLR 2026） 的原始数字，对应的是早期实验版本。2026年6月发布的 Technical Report 中 Fugu-Ultra 的数字已更新：GPQA 95.5%（比早期提升约 8 个百分点）。本攻略以 官方最新数字（Technical Report / benchlm.ai 实时榜单）为准。

上手步骤

方式一：Codex 集成（推荐快速试用）

# 一键安装
curl -fsSL https://sakana.ai/fugu/install | bash

# 启动
codex-fugu

支持 Ubuntu 和 macOS。Windows 或安装失败时参考手动配置指南。

方式二：API 调用（生产使用）

Fugu 提供 OpenAI 兼容 API，支持 Chat Completions 和 Responses 两种接口：

# OpenAI Python SDK 即可直连 Sakana API
from openai import OpenAI

client = OpenAI(
    api_key="your-sakana-api-key",
    base_url="https://api.sakana.ai/v1"  # 需在 console.sakana.ai/get-started 获取
)

# 方式1: Chat Completions
response = client.chat.completions.create(
    model="fugu",          # 或 "fugu-ultra"
    messages=[{"role": "user", "content": "Solve this LeetCode hard problem..."}]
)

# 方式2: Responses（适合 agent 场景）
response = client.responses.create(
    model="fugu-ultra",
    input="Explain why this code has a race condition..."
)

方式三：模型池配置（自定义）

可排除特定 provider 或模型以满足合规要求：

# 在 API 请求中配置 agent pool 偏好（需查阅 console.sakana.ai 文档）
# 示例思路：
pool_config = {
    "exclude_providers": ["some-provider"],
    "preferred_models": ["claude-opus", "gpt-5.5"]
}

获取 API Key

访问 console.sakana.ai/get-started，注册后获取 key。

坑与适用边界

1. 延迟：复杂任务可能很慢

Ethan Mollick 在实际评测中报告 shader 任务运行约 30 分钟。Fugu-Ultra 多 worker 组合路径延迟显著高于单次模型调用。如果追求低延迟，Fugu（非 Ultra）更合适。

2. 数字 gap：论文数字 vs 实际表现

原帖声称 Conductor 7B 超越所有 worker 模型、GPQA-D 87.5%。 但需注意： - 这是 2025 年 12 月论文数字，非当前商用 Fugu 版本 - 当前 Fugu-Ultra 已是 95.5%，但 Explainx 等第三方实测在某些任务上仍不及 Fable 5 - 结论：论文数字可靠，但实际任务表现取决于任务类型；对标竞品应以 Technical Report 的公开评测为准

3. EU/EEA 不可用

官方明确表示目前不支持欧盟/EEA 区域（GDPR 合规中）。有欧盟数据合规需求的项目暂不可用。

4. Worker Pool 动态更新

官方说明 Fugu 的 agent pool 和 coordinator 会随新 frontier 模型发布持续更新。因此不同时间点的评测结果可能不完全可复现。

5. 可控性有限

虽然支持排除特定 provider，但编排策略本身由 RL 学习得到，对具体调用哪个模型、如何组合的透明度有限，不适合需要 deterministic 执行路径的场景。

适用边界总结

一句话结论

Sakana Fugu 证明了"用 RL 学习多模型编排策略"是一条可行的 test-time scaling 路径——7B Conductor 确实能超越 pool 内更大的 worker 模型；当前 Fugu-Ultra 已达 GPQA 95.5% SOTA，适合高难度的 coding/推理任务，但 EU 不可用、实测延迟较高、对标论文数字需注意版本时效，适合作为前沿探索工具而非通用主力模型。