# Fugu：一个学会当经理的 AI，但它藏的比经理多

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-06-23T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/40476
- 原文：https://yage.ai/share/sakana-fugu-orchestration-20260623.html

## 摘要

Sakana AI 发布的 Fugu 是一个训练出来的多模型协调器，它不靠人写规则，而是自己判断该叫哪个模型、分什么角色、怎么验收。底层是两篇 ICLR 2026 论文：TRINITY 用进化策略训练了一个不到两万参数的极小协调器，Conductor 用强化学习训练了一个七十亿参数的编排器。Fugu Ultra 在 LiveCodeBench 上拿到 ...

## 推荐理由

Sakana AI 把多模型协调这件事从手工规则变成了训练出来的能力，背后有两篇顶会论文，机制说得清楚。但正文没给出 LiveCodeBench 的具体分数，也没提定价，产品刚发布还没社区验证，所以分数先打个折。

## 锐评

Fugu 这件事有意思的地方在于，它把多模型协作从人写规则变成了模型自己学出来的能力。两篇论文的对照组数据挺实在：TRINITY 那个不到两万参数的小协调器，比直接用 Gemini 提示当经理高了 16.7 分；Conductor 的 70 亿参数版也比 GPT-5 当编排器整体领先，但优势主要在代码题上，数学和科学题基本打平。这说明训练编排器不是全面碾压，而是在特定任务上能稳定拉开差距。

不过我得打个折。所有数据都是 Sakana 自己报的，没有独立第三方复现，也没跟 OpenRouter Fusion 做过正面 PK。Fugu Ultra 在 LiveCodeBench 上拿了 93.2 分，确实比 Fable 5 的 89.8 高，但在 SWE-Bench Pro 和 HLE 上反而落后。这组混合信号说明产品还没到全面领先的程度。

最让我在意的是透明度问题。Sakana 把每次调用了哪个模型、每个模型产出了什么原始内容全藏起来了，理由是路由信息属专有资产。协调器推理黑盒可以理解，人类经理的决策过程你也拆不开。但动作层面不该黑——真经理派活给谁、花了多少钱，组织里看得见。Fugu 连这个都藏，企业做合规审计和成本归因会直接卡住。如果 Sakana 能给企业客户开放协调序列日志，这道坎基本能过。