Sakana lanza Fugu Max y Fugu Ultra v2, dos versiones de su orquestador multimodelo

Dos objetivos, una sola arquitectura

El anuncio de Sakana AI arranca con una crítica al eje único en el que compite la industria: durante una década, el sector ha corrido hacia modelos fundacionales cada vez más grandes y caros. La compañía defiende que la frontera que importa en el trabajo real tiene dos dimensiones —capacidad por un lado, coste por otro— y que lanzar un modelo de varios billones de parámetros contra una simple consulta de datos no es potencia, es despilfarro.

De ahí que Fugu Max y Fugu Ultra v2 no lleguen como dos productos distintos, sino como el mismo núcleo de orquestación afinado para dos encargos. Fugu Max responde a una pregunta: ¿cuál es el mejor resultado posible al menor coste posible? Fugu Ultra v2 responde a otra: ¿hasta dónde se puede llegar en tareas complejas de varios pasos?

De la beta de abril al lanzamiento de septiembre

Sakana AI repasa en su anuncio el camino recorrido en pocos meses. En abril abrió la beta, con la que dice haber probado que la orquestación multiagente se comporta como un modelo fundacional unificado. En junio llegaron la disponibilidad general y Fugu Ultra v1, con una tesis detrás: una capa de orquestación puede plantar cara a los modelos frontera cerrados en los benchmarks más duros.

En julio la compañía presentó Fugu-Cyber y una interfaz para Claude Code, dos piezas pensadas para especializar la orquestación en flujos de trabajo concretos como la ciberseguridad y la programación. En agosto aparecieron Sakana Chat, que enseñaba cómo escalar el sistema al uso cotidiano del gran público, y los primeros pasos para integrar los modelos abiertos NVIDIA Nemotron dentro de su acuerdo con NVIDIA. El hito de septiembre es el de hoy: Fugu Max y Fugu Ultra v2.

La empresa lee esa secuencia como la confirmación de lo que prometió al empezar: que la orquestación gana de forma sistemática a los modelos aislados y que un conjunto de agentes intercambiables blinda por diseño la cadena de suministro.

Fugu Max: más modelos y menos gasto

Fugu Max ensancha el catálogo de modelos que Sakana Fugu puede orquestar y añade, según la empresa, un número sin precedentes de modelos open-weights (de pesos abiertos: aquellos cuyos parámetros entrenados se publican, de modo que cualquiera puede descargarlos y ejecutarlos) y especializados, incluida la familia NVIDIA Nemotron que llega de su acuerdo con NVIDIA.

El mecanismo que describe la compañía es el enrutado dinámico: cada tarea va al modelo más ligero que sea capaz de resolverla, para dar resultados de primer nivel gastando una fracción de los tokens. Sakana asegura que Fugu Max ocupa un punto de la frontera de Pareto al que no llega ningún proveedor de un solo modelo, con un rendimiento próximo al de los sistemas de élite a un coste de dos a seis veces menor, y recalca que, al ser una arquitectura y no un modelo cerrado, ese punto se puede ajustar y llevar a cualquier dominio.

En los datos concretos del anuncio, Fugu Max firma la mejor puntuación global en seis pruebas: Terminal Bench 2.1, GPQAD, AA-LCR, GDP.pdf, AutomationBench y SWEFish, esta última un banco de pruebas interno construido con los propios retos y casos de uso de programación de Sakana AI. El precio queda en 2 dólares por millón de tokens de entrada y 6 por millón de tokens de salida, y la empresa sostiene que su tarifa de salida se sitúa entre un 40% y un 60% por debajo de las de Sonnet 5, GPT 5.6 Terra y Kimi K3. En eficiencia, afirma haber ampliado la frontera de coste-rendimiento en siete de diez benchmarks.

Conviene recordar dos cosas: SWEFish es un banco de pruebas de la propia empresa y todos estos resultados vienen de su comunicación corporativa, sin verificación externa.

Fugu Ultra v2, la carta del rendimiento máximo

La segunda variante tira en sentido contrario dentro del plano coste-capacidad. Para razonamiento complejo de varios pasos, investigación autónoma y desarrollo de software de principio a fin, Sakana coloca a Fugu Ultra v2 como su nueva referencia interna de calidad bruta.

La compañía dice marcar diferencias en las tareas que exigen razonar de forma sostenida sobre datos visuales y estructuras complejas. En Chartography, que mide razonamiento visual e interpretación de datos, declara 48,3 puntos frente a los 27,3 de Opus 5 y los 29,5 de Fable 5. En DeepSWE, un banco de pruebas de ingeniería de software real, declara 74,3, por delante de modelos que —según ella— cuestan entre tres y cinco veces más por token. También asegura ir primera en SWEFish.

El balance que presenta Sakana: mejor puntuación o empate en el primer puesto en cinco de ocho benchmarks (GDP.pdf, Chartography, SWEFish, DeepSWE y Toolathon) y presencia entre los dos primeros en siete de ocho. El entrenamiento de Fugu Ultra v2 se corta el 28 de agosto de 2026, y ni Fable 5 ni Fable 5.1 ni GPT-6-Astra figuran en su conjunto de modelos.

Sin depender de ningún modelo frontera

Lo que la empresa subraya es justo esa ausencia: Fugu Ultra v2 llegaría a esas cifras sin contar con Fable 5, Fable 5.1 ni GPT-6-Astra entre sus agentes. Su lectura es que el sistema no necesita ningún modelo frontera propietario concreto para dar resultados de nivel frontera.

Al orquestar un conjunto intercambiable de modelos abiertos y especializados, sostiene la compañía, el sistema supera a los ecosistemas cerrados y protege al usuario frente al vendor lock-in, las revocaciones de API, los vaivenes geopolíticos y los cortes de servicio repentinos. En su propia imagen, Fugu Max estira la frontera hacia el noroeste y Fugu Ultra v2 la empuja hacia arriba; entre los dos, dice, demuestran que orquestar no obliga a elegir entre coste y capacidad.

Disponibilidad y migración

Los dos modelos funcionan desde hoy en la API compatible con OpenAI de Sakana AI. Quien ya use Fugu, señala la empresa, pasa a Max o a Ultra v2 cambiando un solo parámetro, sin proceso de migración: arquitectura nueva, misma API.

El acceso pasa por la página de producto y por la consola de la compañía, que además ha publicado un informe técnico del lanzamiento.