¿No hay Claude Fable 5? No hay problema: Sakana logra un rendimiento innovador con su nuevo sistema de auto-síntesis multi-modelo Fugu.

Anoche, la startup de inteligencia artificial enfocada en empresas Sakana lanzó Fugu, un sistema de orquestación multiagente que ofrece un rendimiento de IA de nivel fronterizo a través de una única API compatible con OpenAI. Diseñado para desarrolladores, empresas y naciones que buscan resiliencia ante el bloqueo de proveedores y controles de exportación geopolíticos, Fugu (japonés para "pez globo") elude la estructura monolítica tradicional mediante el enrutamiento dinámico de consultas a un grupo intercambiable de agentes de IA especializados. David Ha, CEO y cofundador de Sakana, anteriormente de Google Brain, posicionó a Fugu como una opción más confiable para flujos de trabajo empresariales que cualquier proveedor único de modelos de IA, tras el movimiento de Anthropic el 12 de junio de revocar el acceso público a sus modelos más poderosos, Claude Mythos 5 y Claude Fable 5, tras una orden de control de exportación del gobierno de EE.UU. Como escribió Ha en una publicación hoy en X: "Fugu orquesta dinámicamente los mejores modelos del mundo para abordar tareas complejas. Estamos demostrando que un grupo bien orquestado de agentes intercambiables puede igualar a modelos fronterizos restringidos como Fable y Mythos. Pero Fugu es más que solo rendimiento. Creo que los Modelos de Orquestación son la próxima frontera, más allá de modelos más grandes. Depender del modelo de una sola empresa para la infraestructura nacional es un riesgo enorme. Como han demostrado los recientes controles de exportación, el acceso a los mejores modelos puede desaparecer de la noche a la mañana. La inteligencia colectiva es la cobertura práctica contra esta concentración de poder. Fugu simplemente elude las restricciones del proveedor al depender de un grupo de agentes completamente intercambiables". Sakana AI afirma explícitamente que los modelos específicos que Fugu selecciona y cómo los coordina son propiedad exclusiva, lo que significa que esta información de enrutamiento está oculta al usuario por diseño. La documentación solo se refiere generalmente a un "grupo diverso de modelos poderosos", "múltiples LLM" o "modelos especializados" sin proporcionar un número específico. Al actuar como un coordinador sofisticado en lugar de un modelo base independiente, Fugu iguala la calidad de salida de los modelos de primer nivel como Fable y Mythos en pruebas de referencia de tareas agenticas de terceros, mientras altera fundamentalmente la forma en que los desarrolladores despliegan infraestructura crítica de IA. Cómo funciona Sakana Fugu y dónde supera a Claude Fable 5 de Anthropic En su núcleo, Sakana Fugu opera como un contratista general maestro. Cuando se le presenta una solicitud compleja, Fugu no intenta ejecutar cada paso por sí mismo. En su lugar, descompone el problema, delega subtareas a un grupo de modelos base expertos, verifica su trabajo y sintetiza la salida final. "Fugu es, en sí mismo, un LLM, capacitado para llamar a varios LLM en un grupo de agentes, incluyendo instancias de sí mismo de forma recursiva", anotó el equipo de Sakana AI en su lanzamiento técnico. Basada en dos de los documentos de investigación de Sakana de 2026, TRINITY y el Conductor, el sistema gestiona de manera autónoma todo el ciclo de vida de la selección y verificación de modelos utilizando estrategias de coordinación aprendidas en lugar de flujos de trabajo diseñados a mano. Para el usuario final, este enjambre multiagente está completamente abstraído detrás de un punto de API estándar. Sakana AI está ofreciendo dos variantes del sistema para adaptarse a diferentes cargas operativas: Fugu: Un modelo de alta velocidad y baja latencia optimizado para tareas cotidianas. Está diseñado para actuar como el motor predeterminado para chatbots interactivos e integra directamente en entornos de codificación como Codex. Fugu Ultra: La categoría insignia diseñada para tareas complejas y críticas como investigación en IA, análisis de ciberseguridad e investigaciones de patentes de múltiples pasos. Según Sakana, Fugu Ultra coordina un grupo más profundo de expertos y se iguala a los modelos monolíticos líderes de la industria a través de rigurosos estándares científicos y de razonamiento. Además, en el plan de pago por uso, Fugu estándar cobra una tarifa dinámica basada en los modelos subyacentes específicos activados, mientras que Fugu Ultra utiliza una estructura de precios fija que comienza en $5 por millón de tokens de entrada y $30 por millón de tokens de salida. Como indican los gráficos de referencia compartidos por Sakana, Fugu supera en realidad el rendimiento de Claude Fable 5 de Anthropic en LiveCodeBench, un marco de referencia de código abierto que prueba el rendimiento de codificación en tareas de resolución de problemas de software refrescadas regularmente (Fugu Ultra: 93.2, Fugu: 92.9, Fable: 89.8) y supera el modelo anterior Claude Mythos Preview en GPQA-D (Diamond), una prueba de 198 preguntas de opción múltiple de nivel graduado en biología, física y química (Fugu Ultra: 95.5, Fugu: 95.5, Mythos Preview: 94.6). Al orquestar múltiples modelos de diferentes proveedores, Fugu essentially incorporates redundancy nativa en la pila de IA. Si un proveedor sufre un corte o enfrenta restricciones regulatorias repentinas, Fugu elude la interrupción para mantener el tiempo de actividad. Licencias y disponibilidad Fugu se ofrece como un servicio de API comercial y propietario, no como un marco de código abierto. Debido a que la propiedad intelectual central de Sakana radica en sus patrones de colaboración no obvios, la información de enrutamiento específica—lo que significa exactamente qué modelos subyacentes selecciona Fugu para una consulta dada—permanece como propiedad exclusiva y está intencionadamente oculta al usuario. Sin embargo, Sakana ofrece controles críticos para la conformidad de datos empresariales. Los desarrolladores pueden optar explícitamente por excluír modelos o proveedores específicos de su grupo de enrutamiento Fugu para mantener estándares estrictos de privacidad corporativa. Además, los usuarios pueden optar por no permitir que sus indicaciones se utilicen para futuros datos de entrenamiento. Geográficamente, Fugu está restringido de operar dentro de la Unión Europea (UE) y el Espacio Económico Europeo (EEE) mientras Sakana trabaja para alinear su arquitectura de enrutamiento de datos en caja negra con las regulaciones del GDPR. Los precios son bastante altos Fugu está disponible de inmediato en la mayoría de las regiones—con la excepción temporal de la UE y el EEE—en niveles de suscripción y precios de pago por uso. Los equipos pueden optar por asignaciones de suscripción mensual diseñadas para uso individual o práctico: una categoría estándar a $20/mes para flujos de trabajo ligeros, una categoría Pro a $100/mes que proporciona 10 veces el uso estándar, y una categoría Max a $200/mes que ofrece 20 veces el uso para tareas continuas y de larga duración. No pude encontrar la cantidad real de tokens cubiertos bajo estos planes, pero he contactado a Ha en X para obtener más información. Como parte del lanzamiento inicial, Sakana ofrece un segundo mes gratuito para los usuarios que se suscriben a cualquier nivel antes del 31 de julio de 2026. Para escalamiento empresarial y despliegues de producción, Sakana ofrece un plan elástico de pago por uso. Crucial para entornos de alto riesgo, las solicitudes realizadas bajo este modelo basado en consumo se sirven con mayor prioridad que las de los planes de suscripción mensual. Bajo este marco, el motor Fugu estándar cobra la única tarifa del modelo subyacente de más alto nivel involucrado en una consulta, sin acumular tarifas de múltiples agentes. La categoría insignia Fugu Ultra (fugu-ultra-20260615) utiliza una estructura de precios fija por un millón de tokens: $5 por entrada, $30 por salida y $0.50 por entrada en caché. Estas tarifas aumentan a $10, $45 y $1.00, respectivamente, para cargas de trabajo extremas que utilizan ventanas de contexto superiores a 272K tokens. Eso lo coloca entre las opciones más caras en comparación con modelos de IA individuales a través de APIs de proveedores: Ventas de API de modelos de IA fronteriza de VentureBeat Resumen de precios Modelo Entrada Salida Costo Total Fuente MiMo-V2.5 Flash $0.10 $0.30 $0.40 Xiaomi MiMo deepseek-v4-flash $0.14 $0.28 $0.42 DeepSeek deepseek-v4-pro $0.435 $0.87 $1.305 DeepSeek MiniMax-M3 $0.30 $1.20 $1.50 MiniMax Gemini 3.1 Flash-Lite $0.25 $1.50 $1.75 Google Qwen3.7-Plus $0.40 $1.60 $2.00 Alibaba Cloud MiMo-V2.5 $0.40 $2.00 $2.40 Xiaomi MiMo Grok 4.3 (bajo contexto) $1.25 $2.50 $3.75 xAI MiMo-V2.5 Pro (≤256K) $1.00 $3.00 $4.00 Xiaomi MiMo Kimi-K2.6 $0.95 $4.00 $4.95 Moonshot GLM-5.2 $1.40 $4.40 $5.80 Z.ai Grok 4.3 (alto contexto) $2.50 $5.00 $7.50 xAI MiMo-V2.5 Pro (>256K) $2.00 $6.00 $8.00 Xiaomi MiMo Qwen3.7-Max $2.50 $7.50 $10.00 Alibaba Cloud Gemini 3.5 Flash $1.50 $9.00 $10.50 Google Gemini 3.1 Pro Preview (≤200K) $2.00 $12.00 $14.00 Google GPT-5.4 $2.50 $15.00 $17.50 OpenAI Gemini 3.1 Pro Preview (>200K) $4.00 $18.00 $22.00 Google Claude Opus 4.8 $5.00 $25.00 $30.00 Anthropic GPT-5.5 $5.00 $30.00 $35.00 OpenAI Sakana Fugu Ultra $5.00 $30.00 $35.00 Sakana AI Claude Fable 5 / Claude Mythos 5 $10.00 $50.00 $60.00 Anthropic Los desarrolladores que modelan costos operativos también deben notar una advertencia arquitectónica significativa en cómo Fugu cobra por sus capacidades multiagente. Según la documentación del desarrollador, las respuestas de la API de Fugu Ultra incluyen campos de uso detallados que separan la generación de tokens visible para el usuario del trabajo de orquestación interno. Los tokens de fondo consumidos y generados cuando Fugu delega subtareas, verifica código o enruta entre agentes subyacentes no son absorbidos por el proveedor; representan un uso real de tokens y se cuentan hacia el precio final de la solicitud a tarifas estándar. El panorama de orquestación: Fugu vs. El campo y rendimiento notable en benchmarks Para entender la posición de Fugu en el ecosistema de IA a mediados de 2026, es crítico distinguir entre el enrutamiento de modelos y la orquestación multiagente. Durante el último año, la adopción empresarial de plataformas de enrutamiento estándar—como Not Diamond, Martian y el marco de código abierto RouteLLM—ha aumentado vertiginosamente. Estos sistemas actúan como controladores de tráfico aéreo inteligentes; utilizando clasificadores semánticos o meta-modelos, analizan un prompt entrante y predicen qué modelo base único producirá la respuesta de mayor calidad o más rentable, despachando la consulta en consecuencia. Fugu opera en un paradigma fundamentalmente diferente. En lugar de tomar una decisión de enrutamiento de una sola vez, Fugu se alinea más estrechamente con sistemas complejos de múltiples rondas como Router-R1 (un marco introducido en NeurIPS 2025). Descompone una consulta, entrelaza el razonamiento con la delegación y asigna dinámicamente subtareas a múltiples modelos en paralelo o secuencia antes de sintetizar una salida final. Mientras que marcos como LangGraph, CrewAI y Microsoft AutoGen ofrecen a los desarrolladores las herramientas para crear sistemas multiagente similares, requieren una inmensa configuración manual—definir roles, establecer bordes condicionales y gestionar el estado a través de bucles de larga duración. Fugu abstrae completamente esta sobrecarga operativa. Es esencialmente un flujo de trabajo estilo LangGraph empaquetado como un único punto de API en caja negra. Un sistema de orquestación está en última instancia limitado por las capacidades brutas de los modelos subyacentes en su grupo, una realidad reflejada en las propias pruebas de referencia de Sakana contra modelos fronterizos independientes. En tareas de codificación rigurosas y de agentica, la inteligencia colectiva muestra una ventaja distinta sobre los modelos estándar. Fugu Ultra logró un 73.7 en SWE-Bench Pro, superando significativamente al Claude Opus 4.8 de Anthropic (69.2) y al GPT-5.5 de OpenAI (58.6). Sin embargo, Fugu no es una solución mágica, y su rendimiento no es uniforme en todos los ámbitos. Cuando se compara con modelos monolíticos muy especializados o de acceso restringido, Fugu ocasionalmente queda rezagado: SWE-Bench Pro: Mientras que Fugu Ultra (73.7) superó la mayoría de los modelos accesibles, fue eclipsado cómodamente por el Fable 5 de acceso limitado de Anthropic (80.0), que actualmente está ausente del grupo intercambiable de Fugu debido a la orden de control de exportación del gobierno de EE.UU. y la posterior respuesta de Anthropic de eliminar el modelo completamente del uso global. El Último Examen de la Humanidad: Fugu Ultra (50.0) superó a Opus 4.8 (49.8) por poco, pero nuevamente quedó corto frente a Fable 5 (53.3). Largo Contexto y Seguridad: En la prueba de recuerdo de largo contexto MRCRv2, el GPT-5.5 de OpenAI mantuvo la delantera (94.8 frente a 93.6 de Fugu Ultra), y Opus 4.8 siguió siendo el mejor en la prueba de ciberseguridad CTI-REALM (69.6 frente a 69.4 de Fugu Ultra). Los datos cuantitativos apuntan a una conclusión clara: Fugu es altamente efectivo para mejorar el rendimiento en tareas desordenadas y de múltiples pasos (como escribir un juego complejo en HTML5 desde cero) apoyándose en las fortalezas combinadas de múltiples modelos de nivel medio y alto. Sin embargo, para el razonamiento basado en la fuerza bruta dentro de un único dominio altamente restringido, los modelos más grandes e independientes de la industria aún tienen la ventaja—siempre que una empresa pueda mantener acceso ininterrumpido a ellos. Antecedentes sobre la formación de Sakana y logros notables hasta la fecha Sakana AI fue formada en Tokio en 2023 por Llion Jones, coautor del documento fundamental de Google "Attention Is All You Need" de 2017, y David Ha, exjefe de investigación en Stability AI. Desilusionados por la burocracia de las grandes empresas tecnológicas y la hiperatención de la industria en escalar modelos fundamentales masivos, los fundadores construyeron Sakana en torno a los principios del biomimetismo y la computación evolutiva. El nombre de la empresa, derivado de la palabra japonesa para pez, refleja su tesis técnica central: utilizar la inteligencia colectiva de "enjambres" en lugar de computación a base de fuerza bruta. Tras una valoración de $2.6 mil millones en la Serie B a finales de 2025 y el reciente lanzamiento en junio de 2026 de Marlin—un agente de investigación autónomo de ocho horas para el sector B2B—Fugu representa la comercialización de la tecnología de enrutamiento multiagente de Sakana para desarrolladores cotidianos. Una recepción mixta entre la comunidad de IA más amplia en línea La comunidad de desarrolladores ha respondido a Fugu poniendo a prueba rigurosamente sus compensaciones prácticas, sopesando sus eficiencias de enrutamiento contra el poder absoluto de los modelos fundamentales monolíticos. El observador de IA, desarrollador e influencer Chris (@ChrissGPT en X) destacó la utilidad específica de Fugu sobre la IA fundamental cruda. "Para un solo prompt limpio, probablemente usarías Fable 5, Mythos o GPT-5.5 directamente," observó, pero argumentó que el verdadero valor de Fugu emerge en entornos desordenados y de múltiples pasos. "...ya sea que implique delegación, verificación, síntesis, revisión de código, bucles de investigación, análisis de seguridad... cuanto más tenga sentido usar esto," escribió. Chris también señaló la ventaja geopolítica estratégica de la arquitectura de Fugu, observando que si el acceso a la IA frontera se revoca abruptamente debido a regulaciones o controles de exportación, un orquestador puede intercambiar dinámicamente modelos para prevenir una falla total del sistema. El propietario de una agencia creativa, Mark Santos (@markksantos) de Mark Studios, proporcionó una comparación directa en el mundo real al encargar tanto a Fugu Ultra como a Claude Opus 4.8 construir una clonación del juego "Crossy Road" usando Three.js. Los resultados subrayaron las diferencias operativas entre un orquestador y un gigante monolítico: Sakana Fugu Ultra: Completó la tarea en 22 minutos utilizando ~89,000 tokens por aproximadamente $7.32. Sin embargo, el juego final sufrió de errores menores de lógica, como giros direccionales invertidos y ángulos de cámara extraños. Claude Opus 4.8: Tomó 79 minutos, consumió ~940,000 tokens por casi $37.85, y se quedó atascado en un bucle de reintentos que requirió intervención humana. A pesar de la ineficiencia, finalmente produjo un diseño y funcionalidad de aplicación superiores. Santos concluyó el experimento afirmando: "En términos de funcionalidad, calidad y diseño de la aplicación, Opus ganó. En términos de velocidad de modelo y rendimiento, Fugu... ganó". Elie Bakouch, ingeniero de investigación en Prime Intellect, proveedor de infraestructura y sistemas de IA en la nube, señaló en X que "para ser claros, este es un orquestador de código cerrado sobre modelos de código cerrado. si antes no controlabas los modelos, ahora ni siquiera controlas cuáles se utilizan o cuánto. esto no es 'soberanía de IA'..." Estas pruebas iniciales y reacciones reflejan el sentimiento resumido por el usuario de Reddit GreedyWorking1499 en discusiones iniciales sobre la plataforma: "Hasta que se demuestre lo contrario, esto es solo un enrutador/envase altamente avanzado, no un avance fundamental en inteligencia como lo fue Mythos/Fable". Sin embargo, a medida que las empresas demandan cada vez más salvaguardias contra la dependencia de un solo proveedor, Sakana está demostrando que empaquetar la inteligencia colectiva en un único punto de API es una vía comercial altamente viable.