Sakana AI, một phòng nghiên cứu AI tại Tokyo (Nhật Bản), vừa ra mắt Sakana Fugu — một hệ thống không phải là một model đơn lẻ, mà là “người chỉ huy dàn nhạc” điều phối nhiều model AI hàng đầu cùng lúc. Mình vừa đọc technical report và phải nói đây là một trong những approach hay nhất mà mình thấy trong năm 2026.
Thay vì cố gắng xây một model khổng lồ cạnh tranh với GPT-5.5 hay Claude Opus 4.8, Sakana AI chọn hướng khác: xây một orchestrator thông minh đủ để biết khi nào nên gọi Claude, khi nào nên gọi Gemini, khi nào nên gọi GPT cho từng tác vụ cụ thể. Kết quả? Fugu Ultra vượt nhiều frontier model trên các benchmark khó nhất hiện nay.
Sakana Fugu Là Gì Và Vì Sao Nó Khác Biệt?
Fugu là một orchestrator model — được huấn luyện để hiểu câu hỏi của người dùng và tự động thiết kế agentic scaffold (kết cấu agent) phù hợp. Thay vì gọi một model cho mọi task, Fugu phân tích task, chọn agent tốt nhất, gán vai trò (Thinker, Worker, Verifier), rồi phối hợp chúng qua nhiều lượt.
Điều khác biệt lớn nhất: Fugu không dùng quy tắc cố định (rules) để chọn model. Nó học cách phối hợp qua reinforcement learning và evolutionary algorithms. Nghĩa là càng dùng càng giỏi — không giống các routing tool tay chân sửa sẵn như OpenRouter hay LiteLLM.
Benchmark Fugu Ultra Vượt Cả Opus 4.8 Và GPT-5.5
Nhiều người sẽ hỏi: “Hay là chỉ marketed cho đẹp?” Không, data nói rõ. Fugu Ultra đạt những điểm số mà mình nghĩ không thể với một system không phải single model:
- SWE-Bench Pro: 73.7 (Opus 4.8: 69.2, GPT-5.5: 58.6, Gemini 3.1 Pro: 54.2)
- TerminalBench 2.1: 82.1 (Opus 4.8: 74.6, GPT-5.5: 78.2)
- LiveCodeBench: 93.2 (Opus 4.8: 87.8, Gemini 3.1 Pro: 88.5)
- Humanity’s Last Exam: 50.0 (Opus 4.8: 49.8, GPT-5.5: 41.4)
- GPQA-Diamond: 95.5 (Opus 4.8: 92.0, Gemini 3.1 Pro: 94.3)
Điều đáng chú ý: Fugu Ultra không có Fable 5 hay Mythos trong agent pool (vì hai model này không công khai). Nghĩa là nó đạt performance frontier-level chỉ bằng cách orchestrate các model ai cũng truy cập được.
TRINITY Và Conductor: Hai Nghiên Cứu ICLR 2026 Đằng Sau Fugu
Fugu dựa trên hai paper được chấp nhận tại ICLR 2026. Paper thứ nhất, TRINITY, dùng evolutionary algorithm để tiến hóa một coordinator nhẹ — coordinator này tự học cách gán vai trò Thinker (suy luận), Worker (thực thi), Verifier (kiểm chứng) cho từng model trong pool. Paper thứ hai, Conductor, dùng reinforcement learning để train orchestrator giao tiếp với các agent qua natural language — tự thiết kế prompt và communication pattern tối ưu.
Kết hợp lại, Fugu học được những collaboration pattern mà con người không nghĩ ra. Ví dụ: thay vì luôn dùng model mạnh nhất cho mọi bước, Fugu có thể dùng model rẻ cho task đơn giản và chỉ gọi model đắt tiền khi cần verify kết quả quan trọng.
Developer Việt Nam Có Nên Dùng Fugu Không?
Theo mình đánh giá, Fugu đáng thử cho 3 nhóm cụ thể:
Nhóm 1 — Developer xây AI agent: Fugu cung cấp OpenAI-compatible API, một endpoint duy nhất. Bạn không cần thay đổi code hiện tại — chỉ đổi base_url. Nếu đang dùng GPT-5.5 cho coding task, việc chuyển sang Fugu có thể tăng quality mà không tăng latency quá nhiều (đặc biệt với bản Fugu thường, không phải Ultra).
Nhóm 2 — Researcher / Data scientist: Fugu Ultra đã cho kết quả rất mạnh trong AutoResearch experiment — chạy 123 experiments trong 14 giờ trên một GPU H100, cải thiện training recipe tốt hơn bất kỳ single model nào. Nếu bạn làm nghiên cứu tự động hóa, đây là tool đáng để test.
Nhóm 3 — Startup AI muốn giảm rủi ro vendor lock-in: Một lợi ích lớn: bạn có thể opt out specific provider khỏi pool của Fugu. Lo ngại dữ liệu rơi vào tay Google? Exclude Gemini. Muốn ở hệ sinh thái OpenAI? Có thể. Đây là flexibility mà không một single model nào mang lại.
Fugu Có Những Hướng Dẫn Gì Cần Lưu Ý?
Mình test qua documentation và thấy vài điểm thực tế cần biết:
Thứ nhất, chưa có ở EU/EEA. Sakana AI đang làm GDPR compliance. Nếu user của bạn ở Châu Âu, cần đợi thêm.
Thứ hai, Fugu không tiết lộ model nào được chọn cho từng query. Sakana giải thích đây là design choice — họ muốn Fugu được đánh giá theo output quality, không phải theo “thương hiệu model bên trong”. Nhưng nếu bạn cần audit trail cho compliance, đây có thể là vấn đề.
Thứ ba, chi phí. Vì Fugu gọi nhiều model cho một query (orchestrator + worker + verifier), tổng token cost có thể cao hơn dùng một model đơn lẻ. Đổi lại, quality cao hơn — đánh đổi này có đáng hay không phụ thuộc use case của bạn.
Thứ tư, không bị export control. Vì Fugu chỉ dùng publicly accessible models, nó không chịu hạn chế xuất khẩu như Fable 5 hay Mythos. Đây là advantage lớn cho developer ở những khu vực bị restrict.
Fugu Có Thể Thay Thế Frontend Model Không?
Không hoàn toàn. Mình thấy Fugu mạnh nhất ở complex reasoning tasks — coding, phân tích khoa học, nghiên cứu. Cho conversational chat đơn giản (trả lời FAQ, chatbot cơ bản), dùng GPT-5.5 hay Claude trực tiếp sẽ rẻ hơn và nhanh hơn.
Nhưng cho pipeline phức tạp (xây AI agent, reproduce paper, security analysis, patent investigation), Fugu Ultra hiện là lựa chọn mạnh nhất mà mình thấy trên thị trường — đặc biệt khi nó vượt SWE-Bench Pro với khoảng cách khá lớn so với Opus 4.8.
Kết Luận: Multi-Agent Là Hướng Đi Của AI?
Mình nghĩ Fugu đại diện cho một trend lớn hơn: ngành AI đang chuyển từ “xây model lớn hơn” sang “orchestrate model thông minh hơn”. Thay vì đua train model 10 nghìn tỷ tham số tiếp theo, các lab sẽ tập trung vào cách kết hợp model hiện có tối ưu nhất.
Sakana AI đã chứng minh điều này với data cụ thể. Hai paper ICLR 2026 (TRINITY + Conductor) cho thấy community academic đang nghiêm túc nghiên cứu hướng này. Nếu bạn đang xây sản phẩm AI, đừng chỉ chọn một model — hãy nghĩ theo hướng orchestration.
Mình đánh giá Fugu Ultra 8.5/10 cho innovation và execution. Trừ 1.5 điểm vì chưa open source hoàn toàn, chưa có ở EU, và chi phí chưa rõ ràng cho production scale. Nhưng về concept và benchmark, đây là step đúng hướng.
Chi tiết kỹ thuật đầy đủ trong technical report trên arXiv. API truy cập tại sakana.ai/fugu.
