Das KI-Forschungslabor Sakana AI hat mit Fugu Max und Fugu Ultra v2 eine neue Modellreihe vorgestellt, die das wachsende Problem explodierender Inferenzkosten in Unternehmensanwendungen adressiert. Die Fugu-Modelle fungieren nicht als universelle Allrounder, sondern als spezialisierte KI-Orchestratoren („Learned Orchestrators“) für Multi-Modell-Landschaften.
In modernen, agentenbasierten Softwarearchitekturen besteht eine zentrale Ineffizienz darin, dass auch triviale Zwischenschritte – wie Datenformatierungen, simple Filterungen oder Standardklassifizierungen – an teure Spitzenmodelle übergeben werden. Die Fugu-Architektur schaltet sich als intelligenter Dispatcher vor einen Pool verschiedener Basismodelle. Über einen einzigen API-Endpunkt analysiert das System die semantische Komplexität einer Eingabe und trifft eine automatische Modell- und Routing-Entscheidung in Echtzeit.
Während Fugu Max primär auf ein optimales Preis-Leistungs-Verhältnis und minimale Latenzzeiten bei Routineaufgaben ausgelegt ist, steuert Fugu Ultra v2 anspruchsvolle, mehrstufige Denkketten aus. Das System zerlegt komplexe Benutzeranfragen eigenständig in Teilaufgaben und delegiert mathematische Prüfungen, Programmieraufgaben oder Textzusammenfassungen an das jeweils am besten geeignete Spezialmodell im Hintergrund.
Benchmarks des Herstellers zeigen, dass dieser dynamische Ansatz die Gesamtkosten bei gleichbleibender Ausgabequalität um bis zu 60 Prozent gegenüber einem dauerhaften Einsatz von Spitzenmodellen wie GPT-6 oder Claude 5 senken kann. Entwickler können individuelle Latenz-, Budget- und Datenschutzregeln hinterlegen, wie Sakana AI im technischen Blogbeitrag von Sakana AI darlegt.
Quellen
- Sakana AI, „Introducing Fugu: Learned Orchestrators for Next-Gen Model Routing“, 10. September 2026
- VentureBeat, „Sakana AI launches Fugu to cut enterprise LLM costs via intelligent routing“, 10. September 2026
