Sakana AI 发布 Fugu 多智能体编排系统

Sakana AI 近日发布多智能体大模型编排系统 Sakana Fugu，将多模型协作能力封装为单一 API，对外提供 Chat Completions 与 Responses 两种接口形态。Fugu 通过动态调度一个由多款前沿模型组成的「模型池」，让多个大语言模型以接力方式协作完成多步骤复杂任务，开发者无需自行搭建多智能体框架即可获得跨模型协同效果。系统会随着新前沿模型的发布持续更新底层模型池并重新训练协调器，以维持性能优势。

核心技术：TRINITY 与 Conductor

Fugu 的能力建立在 Sakana AI 两篇 ICLR 2026 论文之上，分别对应两种互补的协调机制：

• TRINITY：一个紧凑的协调模型，采用进化策略进行优化。它在每轮对话中为大模型池中的三个角色分配任务，使不同模型能够在不进行权重合并或共享架构的前提下协作。
• Conductor：基于强化学习训练的指挥模型，负责设计智能体之间的通信拓扑结构，并为每个工作模型生成针对性指令，从而发现超越任何单一模型的协调策略。

自论文发表以来，团队在工程实现上做了多项增强，完整技术细节收录于 Fugu 技术报告中（arXiv: 2606.21228）。

性能对比与基线说明

官方在 2026 年 6 月的评测中，将 Fugu 与三款前沿基线模型进行了对比：三款基线分别为 Gemini 3.1 Pro（high）、Claude Opus 4.8（max）与 GPT 5.5（xhigh）。为聚焦行为差异而非品牌对比，每个示例中的基线被匿名标记为 Model A、Model B、Model C，且映射关系在不同示例间并不固定。根据官方报告，Fugu 在多项复杂多步任务上取得了优于各基线的表现。

安装与使用方式

Fugu 可通过 Sakana API 直接调用，也支持以一行命令快速集成到 Codex 开发环境中：

• 安装：curl -fsSL https://sakana.ai/fugu/install | bash
• 启动：codex-fugu

官方表示该一键安装脚本目前支持 Ubuntu 与 macOS，Windows 用户或安装失败时可参考官方文档中的手动安装指南。使用过程中如遇到问题，可通过 fugu.sakana.ai 联系团队反馈。