Sakana AI lança o Fugu para igualar modelos de ponta sem risco de exportação

A startup de Tóquio Sakana AI lançou o Fugu em 22 de junho, agrupando vários modelos de IA em uma única API que a empresa diz igualar o desempenho do Fable 5 e do Mythos Preview da Anthropic.

“Nosso modelo ‘Fugu Ultra’ iguala o desempenho do Fable e do Mythos, oferecendo capacidade de ponta sem o risco de controles de exportação”, escreveu a Sakana AI em uma publicação no X.

De acordo com o lançamento, o Fugu é um orquestrador treinado que determina quando responder a uma consulta de forma independente e quando delegar componentes de uma tarefa a modelos especializados de fontes externas. Ele supervisiona internamente a seleção de modelos, alocação de tarefas e síntese de respostas.

O Sakana Fugu tem dois níveis:

• Fugu.
• E o Fugu Ultra.

O Fugu é construído para uso diário, como codificação, chat e tarefas de revisão de código. O modelo prioriza menor latência. O Fugu Ultra lida com problemas mais complexos e multi-etapas coordenando um pool maior de agentes especialistas. Os usuários podem obter acesso aos modelos Fugu por meio de uma única API compatível com OpenAI.

Apresentando o Sakana Fugu: Um sistema completo de orquestração multi-agente acessível por meio de uma única API de modelo.

Nosso modelo ‘Fugu Ultra’ iguala o desempenho do Fable e do Mythos, oferecendo capacidade de ponta sem o risco de controles de exportação.

Experimente: https://t.co/aDEFyySWlS 🐡 pic.twitter.com/43wzMAhyzT

— Sakana AI (@SakanaAILabs) Junho 22, 2026

O Fugu Ultra posiciona-se como uma alternativa a modelos restritos por exportação

A Sakana criou tabelas de benchmark que mostram como o Fugu Ultra, Fable 5 e o Mythos Preview se comparam em termos de código, raciocínio, ciência e tarefas de agentes. A empresa deixou claro que nem o Fable 5 nem o Mythos Preview estão no pool de agentes do Fugu porque o público não tem permissão para vê-los.

Alguns países não podem acessar os principais modelos de IA americanos devido a controles de exportação, o que é uma das razões pelas quais a Sakana avançou com o lançamento do Fugu.

“O Fugu fica lado a lado com modelos líderes como Fable e Mythos nos benchmarks de engenharia, ciência e raciocínio mais rigorosos da indústria”, escreveu a empresa no X. A publicação tem mais de 29.000 curtidas e ~7.600 republicações em poucas horas.

Tóquio estava pressionando para reduzir a dependência de provedores de IA estrangeiros. O Ministro Digital do Japão, Hisashi Matsumoto, alertou no início deste mês que o país corria o risco de se tornar uma “colônia de IA” sem um desenvolvimento doméstico mais rápido. Dentro do Partido Liberal Democrata no poder, o secretário-geral Akihisa Shiozaki argumentou em maio que o Japão deveria priorizar a diversificação de seus fornecedores de IA em vez de construir sistemas soberanos do zero.

A Sakana não treinou um único grande modelo de base de IA para competir diretamente com as empresas americanas. A startup japonesa criou uma camada de roteamento que vê fontes diferentes como peças intercambiáveis. Se um serviço de IA limitar o acesso, o sistema mudará para outro provedor.

A Sakana AI publicou trabalho revisado por pares sobre orquestração de modelos aprendidos, incluindo dois artigos intitulados Trinity e Conductor. Os artigos de pesquisa apoiam a abordagem do Fugu.

A empresa realizou um programa beta com cerca de 500 usuários antes do lançamento público. Um engenheiro de software citado no lançamento disse que o Fugu Ultra “dá respostas abrangentes e encontra os bugs que outros perdem” durante a revisão de código, revelando mais de 20 problemas onde ferramentas concorrentes sinalizaram cerca de três.

O governo do Japão apoiou os esforços de IA domésticos com subsídios e financiamento de infraestrutura. A SoftBank, a Sakura Internet e as fabricantes de chips locais receberam apoio governamental para construir capacidade de computação e modelos locais. Tóquio também se juntou à Missão Genesis de Washington com um compromisso de investimento de IA de $1 bilhão por cinco anos anunciado em junho.

A Sakana esclareceu que, em suas comparações de desempenho, as métricas para modelos não-Fugu baseiam-se estritamente em dados autorrelatados pelos respectivos criadores e não foram validadas por entidades neutras de terceiros.