2026 年 6 月 22 日，日本 AI 獨角獸 Sakana AI 扔下了一枚炸彈：新模型“河豚（Fugu Ultra）”正式發布。

開場就是一張讓人倒吸涼氣的成績單——在目前難度最高、水分最少的真實代碼修復榜單 SWE-Bench Pro 上，Fugu Ultra 拿下 73.7 分。

作為對比，OpenAI 的 GPT-5.5 只有 58.6，Anthropic 的 Claude Opus 4.8 是 69.2。Sakana 甚至公開宣稱：Fugu 已經和剛被美國出口管制“一夜下架”的頂級模型 Claude Fable 5 旗鼓相當。

日本 AI 踩在 GPT-5.5 的肩膀上，煉出了新一代的神級大模型？

真正自以為看懂的人，立即從震驚變成群嘲：這哪是大模型，它分明是個“包工頭”！核心只是一個 7B 參數小模型的“指揮家”，參數不大，自己不干活，把任務拆給池子里的 GPT-5.5、Opus、Gemini，最后匯總交卷。

“高級 API 路由器”“套殼的”“大廠一斷供它明天就死”……罵聲一片。

但深入調研分析后重新審視了這家公司極其反常的底層邏輯。

結論：可能大家都看錯了。

Sakana AI 與 OpenAI 的差異，根本不是技術路線，而是兩種截然不同的“第一性原理”與“世界觀”的碰撞。

這條估值高達 26.5 億美元的日本“河豚”身上，藏著三個比跑分更性感、也更殘酷的真相。今天，我們連同它底褲里的秘密，一個個拆給你看。

真相一：你以為它是套殼？這是“進化論”的降維打擊

Fugu 不親自解題，只干 3 件事，全部用自然語言完成，不用人類寫代碼配置：

1. 拆任務

   ：拿到用戶問題，自動拆成好幾步細分小活；

2. 選人派活

   ：判斷每一步交給哪個 AI 最合適，比如規劃交給 Gemini、寫代碼交給 GPT5、校對交給 Claude；

3. 定信息權限

   ：規定每個 AI 能看到前面哪些步驟的結果（有的只看原始問題，有的能看所有人的答案）。

舉個例子：用戶要寫復雜算法題Conductor 自動安排：

• 第一步：Gemini 做解題思路規劃（看不到別的結果）

• 第二步：GPT5 按思路寫代碼（只看 Gemini 的規劃）

• 第三步：Claude 檢查代碼 bug（看前面兩個人全部輸出）

簡單選擇題它就偷懶：直接派 1 個 AI 一步出答案，不浪費算力。

Fugu 只是個“做編排的包工頭”？

Anthropic、OpenAI 篤信“Scaling Law（規模法則）”，這是一種“神創論”暴力美學：燒幾百億美金、建幾個核電站，試圖煉出一個全知全能的超級大腦。

而 Sakana（日語“河豚”）的哲學，是“演化論”與群體智慧。大自然從不靠算力設計完美的生物，而是靠“組合與變異”讓適應力最強的基因活下來。

Fugu并不是簡單編排API組合 ， 它有深入骨髓的硬件級優化：

Sakana 和全球算力霸主英偉達聯合發布了 TwELL 稀疏數據架構，直接改寫了 CUDA 底層內核的計算邏輯，硬生生把大模型的真實推理速度拔高了 20%。

零成本造血的“AI 科學家”： 他們做出了能自己寫代碼、自己發《Nature》論文的 The AI Scientist 系統，把單篇頂級論文的產出成本壓到了 15 美元。

加上能修改自己底層代碼的 DGM（達爾文-哥德爾機），Sakana 擁有了一座成本趨零、7x24 小時自我迭代的超級研發中心。

用最底層的 CUDA 榨干硬件性能，用演化算法“白嫖”并融合全球開源小模型，再用強化學習做 Fugu 的頂層調度。這不叫套殼，這叫生態系統對單體怪獸的“全棧工程壓制”。

真相二：跑分“吊打”是人造神話，這其實是一臺昂貴的“逆熵引擎”

來自知名開發者 Julian Goldie 對 Sakana AI 的三個模型 和 Fusion（一個基于 OpenRouter 的多模型路由器/編排系統） 的真實視覺構建測試對比。

測試對象

• Fugu Ultra ：Sakana 的頂級旗艦模型

• Fugu Mini ：Sakana 的輕量快速版

• Fusion ：第三方路由器方案（把提示同時發給 3~5 個不同大模型 并行運行 → 一個“裁判模型”（Judge）融合輸出）

最終排名：
1. Fugu Ultra（視覺質量王者）
2. Fusion（穩定第二，性價比高）
3. Fugu Mini（速度快，但質量和 Bug 較多）

但是一個常規的復雜任務，Fugu 能拖拖拉拉跑上 30 分鐘。輸入 $5/M，輸出高達 $30/M。由于多層循環編排，實際花銷可能是單調大模型的好幾倍。代價如此高昂，企業為什么還要用它？

隨著大模型算力越來越便宜，制造“幻覺”和垃圾信息的成本趨近于零（算力熵增）。

Fugu 系統里的 7B 指揮家，為了挑戰模型的不確定性，通過打回重寫、交叉驗證，不斷將大模型輸出中的“混亂”剔除，強行提取出“絕對正確的代碼”。

未來Token 價格會越來越便宜，而“在混亂信息中建立確定性秩序”的能力，才是宇宙中最昂貴的能力。

Fugu 賣的根本不是模型，而是一臺能抵抗幻覺的“逆熵引擎”。

真相三：“主權AI”崛起，日本財閥的真金白銀投入

為什么 Fugu 偏偏選在 6 月 22 日發布？

因為 10 天前的 6 月 12 日，美國商務部一紙出口管制，逼迫 Anthropic 把頂級模型對全球非美客戶一鍵下架。無數海外企業的業務一夜停擺。

這就是企業級客戶最深的恐懼：“單一供應商鎖定（Vendor Lock-in）”。

日本最大的券商大和證券、金融巨頭三井住友銀行（SMBC），甚至涉足軍工的三菱重工，早就用真金白銀買單，把 Sakana 的系統深度嵌入了資產管理和情報處理的血脈里。

一個帶著美國西海岸價值觀的單體大模型，永遠無法映射日本金融業的保守規則，也無法對齊嚴苛的數據隱私法。

因此，金融業永遠不會依賴于一家模型提供商，因此誰掌握了這個網絡的“路由編排”，誰就掌握了主權。

為了收割這波“主權紅利”，Sakana 打出了一套完美的 B端雙鉗攻勢：

底層用 Fugu 的編排層提供了魯棒性，不會因為個別模型斷供而停止服務。

應用層則直接推出了核心產品 Marlin（自治研究代理） ，它 是一款針對企業決策和深度研究設計的自治研究代理（Autonomous Research Agent）

Marlin 專注于長時間的深度推理與長周期任務，無需人工干預即可自主進行長達 8 小時以上的假設驗證、網頁檢索和信息整合。

直接生成 100 頁帶嚴格引用的投行級研報。它對企業的 Team 版定價，直接賣到 $2495/月（近2萬人民幣/月）。

當普通套殼應用還在 C 端為 20 美金的月費卷生卷死時，Sakana 已經用輕資產撬動了極高客單價的政企訂閱。這才是風投眼里的印鈔機。

終局推演：硅基知識發現的奇點，與懸在頭頂的開源之劍

算清了這筆賬，你就會明白為什么 Sakana 能在不到兩年內，估值狂飆到 26.5 億美元。

看看它股東名單：

NVIDIA 給算力底座，Google 給全球生態，日本三大銀行給巨額訂單，甚至連美國情報局背景的 IQT 基金都入局為其安全背書。

加上精準榨取了日本政府的 GENIAC 補貼計劃（免費白嫖國家級超算集群），這哪里是一家創業公司？這分明是跨國資本巨頭在日本布下的“主權 AI 聯合艦隊”。

但懸在它頭頂的達摩克利斯之劍，真的不存在嗎？

有的。但真正的死穴，絕不是 OpenAI 封它的 API 接口，而是“開源生態的反噬”。

Sakana 的高資本效率，高度依賴于 Llama、Mistral 等開源模型權重的無償開放。一旦美國以國家安全為由收緊開源協議，失去免費“原材料”的 Sakana，其“演化融合”的魔法就會瞬間失效，被拉回燒錢煉大模型的無底洞。

最后，送給所有 AI 創業者的終極啟示：

1. 小團隊別碰底座大模型，ALL IN 編排： 連估值 26 億美金的獨角獸都不去死磕底層參數了。把大模型當成極其廉價的水電煤，去建你自己的“Agent OS”（智能體操作系統），在單一前沿模型與多智能體調度之間自由切換，這才是未來的核心資產。

2. 尋找大廠進不去的行業盲區： 去解決真實行業里因為斷供、合規、數據隱私而產生的具體痛點。大廠模型再聰明，也跨不過金融和軍工的政企安檢門。

跑分超越 GPT 只是營銷手段。商業的本質，永遠是回答三個問題：

1. 你的系統是不是一臺合格的逆熵引擎？

2. 你的命根子是不是攥在開源巨頭手里？

3. 以及，誰愿意為你的不可替代性，每月支付 2495 美金？

附：本文核心數據與論據核實來源（參考引用表）

為了保證一級市場研判的嚴謹性，本文所有核心數據、論文背景及商業案例均來源于以下公開或權威盡調渠道，非營銷杜撰：

1. 核心技術報告與頂會論文背書： Fugu 系統的核心架構方法論基于其被國際表征學習大會（ICLR 2026）接收的兩篇論文，分別為負責角色分配的 TRINITY 模型和負責強化學習協同的 Conductor 架構。相關論文與數據集詳見技術報告 arXiv:2606.21228v1 及 arXiv:2512.04388 / arXiv:2512.04695。

2. 跑分數據與成本定價源：

SWE-Bench Pro 的 73.7 分、超越 Claude Opus 4.8 和 GPT-5.5 的對比數據，以及輸入 $5/M、輸出 $30/M 的定價，均截取自 Sakana AI 官方于 2026 年 6 月 22 日發布的 Fugu 產品發布基準測試表及 Pricing 官網頁面。

3. 底層執行技術與自動化科研突破：

與 NVIDIA 聯合開發的 TwELL (Tile-wise ELLPACK) 稀疏架構帶來 20% 加速的論文發表于 ICML 2026。（出處：Sakana AI & NVIDIA 聯合發布報告，Sparser, Faster, Lighter Transformer Language Models）

將單篇頂會論文生成成本壓至 15 美元的自動化系統 The AI Scientist 發表在頂級學術期刊《Nature》主刊上。（出處：The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery）

代碼自演化系統 DGM (Darwin G?del Machine) 技術詳情亦來自官方發布。

4. B端商業化訂單與定價實錘：

政企綁定案例： Sakana AI 深度綁定大和證券（Daiwa Securities Group）用于資產管理咨詢平臺，綁定三井住友銀行（SMBC）自動生成提案，以及深度參與日本防務生態（如三菱重工等）的信息均來自其官方企業級案例通報與日本媒體的公開報道。

Marlin 產品定價： Sakana Marlin（深度研究代理）針對企業級客戶的高昂 Team 版定價（$2495/月）及其邊際成本收斂邏輯，源于其 SaaS 訂閱頁面及第三方數據調研機構（如 Tech Jacks Solutions）的商業分析。

5. 融資、估值與股東結構：

公司在 2025 年 11 月完成 1.35 億美元 B 輪融資、投后估值達到 26.5 億美元的數據由官方披露，并經 Crunchbase 及 GetLatka 等創投數據平臺確認。

包括 NVIDIA、Google（Alphabet）、花旗集團（Citi）、三菱 UFJ、KDDI，以及 In-Q-Tel (IQT) 等極其豪華的地緣與產業資本入局，均可追溯至相應投融資新聞公報（如 Citi Makes Strategic Investment in Sakana AI）。

6. 政府補貼與宏觀紅利： 其利用日本政府 GENIAC 計劃（725 億日元規模）免費獲取國家級超級計算 GPU 集群的事實，由日本經濟產業?。∕ETI）與 NEDO 官方公示確認。

7. 開發者實測反饋與開源局限：

部分開源代碼框架可見于官方 GitHub：?https://github.com/SakanaAI/fugu?（核心權重未開源）。

關于 Fugu 在復雜任務上高達 30 分鐘的延遲以及成本過高的批評，匯總自知名 AI 學者 Ethan Mollick、開發者 Julian Goldie 等在 X (Twitter) 及 Hacker News 上的真實測試反饋。