← SCRAM AI Lab

Herramientas IA

Sakana Fugu: orquestar modelos frontera como un solo modelo

Sakana AI lanzó Fugu (jun 2026): un foundation model que enruta cada tarea al mejor LLM de un pool intercambiable. Fugu Ultra rivaliza con Fable 5. Qué cambia para quien construye sistemas multi-modelo.

June 23, 2026

62 lecturas

Sakana Fugu: orquestar modelos frontera como un solo modelo

Qué es Sakana Fugu

El 22 de junio de 2026, Sakana AI presentó Fugu: un sistema completo de orquestación multi-agente entregado como un único foundation model. En vez de elegir tú el modelo para cada tarea, Fugu enruta dinámicamente cada paso al mejor LLM disponible de un pool intercambiable, todo accesible a través de una sola API.

Dos sabores: Fugu y Fugu Ultra

  • Fugu — optimizado para el balance entre rendimiento y baja latencia, para tareas del día a día.
  • Fugu Ultra — afinado para máxima precisión en problemas exigentes de varios pasos.

Según Sakana, Fugu Ultra se codea con modelos líderes como Fable 5 de Anthropic en benchmarks de ingeniería, ciencia y razonamiento, entregando capacidad frontera sin el riesgo de controles de exportación.

La base técnica: TRINITY y Conductor

Fugu se construye sobre dos papers de Sakana AI presentados en ICLR 2026: TRINITY (un coordinador de LLMs evolucionado) y Conductor (aprender a orquestar agentes en lenguaje natural). La idea de fondo es la misma que está moviendo a todo el ecosistema en 2026: el valor ya no está solo en el mejor modelo, sino en cómo coordinas varios.

Por qué importa

Fugu apunta al mismo problema que los dynamic workflows de Claude Code o la Gemini Enterprise Agent Platform de Google, pero desde otro ángulo: en lugar de que tú escribas la orquestación, el propio modelo decide qué modelo usar para qué. Para equipos que ya manejan ruteo multi-modelo (elegir entre Claude, Gemini o GPT según la tarea y el costo), Fugu propone delegar esa decisión a un orquestador entrenado. Vale la pena seguirlo de cerca si construyes sistemas que combinan varios proveedores.

sakana
fugu
orquestación
multi-modelo
agentes
← Volver a SCRAM AI Lab