Sakana AI lancia Fugu Max e Fugu Ultra v2: l’orchestrazione multi-agente sfida i modelli giganti

Mentre gran parte dell’industria dell’intelligenza artificiale continua a rincorrere modelli sempre più grandi e costosi, il laboratorio giapponese Sakana AI ha deciso di cambiare direzione. L’11 settembre 2026 ha presentato Fugu Max e Fugu Ultra v2, due sistemi che non puntano sulla dimensione di un singolo modello, ma sulla capacità di far lavorare insieme molti modelli più piccoli e specializzati, come descrive nell’annuncio ufficiale. La tesi di fondo è netta: la vera intelligenza non arriva da un unico cervello artificiale gigantesco, ma dall’orchestrazione coordinata di tanti sistemi diversi.

Se segui da vicino il settore, sai bene quanto pesi oggi il rapporto tra qualità e costo. Ed è proprio lì che Sakana prova a spostare l’asticella.

Che cosa significa orchestrare i modelli invece di ingrandirli

Il punto di partenza di Sakana è una critica alla corsa degli ultimi anni. Secondo il laboratorio, per un decennio l’AI ha corso lungo un solo asse: costruire modelli di base più grandi e più cari. Ma la frontiera che conta davvero per i compiti reali ne ha due, di assi: da un lato la capacità di risolvere problemi, dall’altro il costo per farlo. Usare un modello da migliaia di miliardi di parametri per una semplice ricerca di dati non è potenza, è spreco.

Fugu nasce per rispondere a questa logica. Non è un modello nel senso tradizionale, ma un sistema di orchestrazione multi-agente: un modello addestrato a smistare ogni compito verso il sistema più adatto all’interno di un insieme di modelli aperti e specializzati, arrivando anche a richiamare in modo ricorsivo copie di se stesso quando serve.

In pratica, quando invii una richiesta, Fugu decide quale macchina mettere in campo per ottenere il risultato al costo più basso possibile. Un compito banale viene affidato a un modello leggero, mentre un problema complesso viene indirizzato verso sistemi più potenti oppure suddiviso tra più agenti che lavorano in parallelo.

Il nome stesso racconta la filosofia del laboratorio. Fugu in giapponese indica il pesce palla, e l’immagine di tanti pesci che si muovono in banco rende bene l’idea di un’intelligenza collettiva più che di un singolo gigante solitario.

Da progetto sperimentale a motore per le aziende

Fugu non è nato ieri. Sakana lo descrive come un percorso partito ad aprile con una versione beta che dimostrava la fattibilità dell’orchestrazione come modello di base unificato. A giugno è arrivata la disponibilità generale insieme a Fugu Ultra v1, con l’obiettivo di eguagliare i modelli di frontiera chiusi sui benchmark più difficili.

Nei mesi successivi il sistema si è specializzato: a luglio con una variante dedicata alla cybersicurezza e a un’interfaccia compatibile con gli ambienti di programmazione, ad agosto con l’arrivo su Sakana Chat per l’uso quotidiano e con l’integrazione dei modelli aperti Nemotron di NVIDIA. La tappa di settembre, con Fugu Max e Fugu Ultra v2, è il naturale passo successivo.

Questa evoluzione non è un dettaglio. Fa capire che l’orchestrazione, per Sakana, non è un esperimento accademico ma un’infrastruttura pensata per reggere carichi reali.

Fugu Max: più modelli in campo, meno costi

Fugu Max risponde a una domanda molto concreta: qual è il miglior risultato possibile al costo più basso? Per farlo amplia l’insieme di modelli che Fugu può orchestrare, integrando un numero senza precedenti di sistemi open-weights e specializzati, compresa la famiglia Nemotron di NVIDIA nata dalla collaborazione tra le due aziende.

Il meccanismo è semplice da spiegare: instradando ogni compito verso il modello più snello in grado di risolverlo, Fugu Max offre risultati di livello frontiera spendendo una frazione dei token. Secondo i dati diffusi da Sakana, il modello ottiene il miglior punteggio complessivo su sei benchmark, tra cui Terminal Bench 2.1, GPQAD, AA-LCR, GDP.pdf, AutomationBench e SWEFish, un test interno che riflette le sfide di programmazione dell’azienda stessa.

Sul fronte dei prezzi, Fugu Max costa 2 dollari per milione di token in ingresso e 6 dollari per milione in uscita. Sempre secondo il laboratorio, il prezzo in uscita risulta tra il 40 e il 60 per cento più basso rispetto a modelli concorrenti come Sonnet 5, GPT 5.6 Terra e Kimi K3.

Il risultato dichiarato è che Fugu Max estende la cosiddetta frontiera di Pareto tra costo e prestazioni su sette benchmark su dieci, collocandosi in un punto che i fornitori di singoli modelli faticano a raggiungere: prestazioni vicine a quelle dei modelli d’élite a un costo da due a sei volte inferiore.

Per chi lavora con budget reali, è una promessa che pesa. Non a caso il tema dei modelli open source scelti dalle aziende per contenere la spesa è ormai centrale nelle strategie di adozione dell’AI.

Fugu Ultra v2: la frontiera delle prestazioni si alza ancora

Spingere sull’efficienza non significa rinunciare alla potenza. Fugu Ultra v2 è il modello pensato per i compiti più complessi: ragionamento a più passaggi, ricerca autonoma e sviluppo software completo. Qui l’obiettivo non è il risparmio, ma la qualità massima del risultato.

I numeri raccontano bene la differenza. Su Chartography, un test che misura il ragionamento visivo e l’interpretazione dei dati, Fugu Ultra v2 raggiunge 48,3 punti, contro i 27,3 di Opus 5 e i 29,5 di Fable 5. Su DeepSWE, un benchmark di ingegneria del software reale, arriva a 74,3, superando modelli che costano da tre a cinque volte di più per token.

Nel complesso, secondo Sakana, Fugu Ultra v2 ottiene il punteggio migliore o pari al migliore su cinque benchmark su otto e resta tra i primi due su sette test su otto. L’azienda lo colloca tra i modelli di frontiera, con prezzi che secondo i dati disponibili salgono a 5 dollari per milione di token in ingresso e 30 in uscita, con una finestra di contesto da un milione di token.

C’è però un dettaglio che Sakana sottolinea con orgoglio: questi risultati vengono raggiunti senza inserire nell’insieme di agenti i modelli proprietari più avanzati dei concorrenti, come Fable 5, Fable 5.1 o GPT-6-Astra. In altre parole, l’orchestrazione batte gli ecosistemi chiusi senza appoggiarsi ai loro modelli di punta.

È un’affermazione forte, che come sempre andrà messa alla prova da valutazioni indipendenti.

Perché conta: indipendenza dai fornitori e sovranità dell’AI

Al di là dei benchmark, il messaggio strategico di Sakana è chiaro. Poiché Fugu Ultra v2 non dipende da un singolo modello proprietario, protegge chi lo usa da una serie di rischi molto concreti: il vincolo verso un unico fornitore, la revoca improvvisa delle API, le tensioni geopolitiche e le interruzioni di servizio. Se un modello nel pool diventa indisponibile, il sistema può sostituirlo con un altro senza fermarsi.

Questa logica di resilienza tocca un tema sempre più centrale nel dibattito: la sovranità tecnologica. Molte organizzazioni vogliono ridurre la dipendenza da pochi grandi fornitori, e lo stesso principio guida iniziative come quella di Mistral e Cloudera per un’AI sovrana dentro i dati delle aziende.

C’è poi un aspetto di ecosistema. Sakana sostiene che i modelli aperti siano la parte in più rapida crescita e più diversificata del panorama AI, e che diventino molto più utili quando vengono orchestrati insieme invece di essere usati in isolamento. È una visione che valorizza la pluralità dei modelli, in contrasto con la concentrazione su pochi sistemi giganti.

L’idea di coordinare più agenti, del resto, non è isolata. La stessa direzione si ritrova in strumenti come l’agente coordinatore che gestisce subagenti su interi progetti di codice, segno che l’orchestrazione sta diventando un paradigma trasversale.

Cosa cambia concretamente per chi sviluppa

Sul piano pratico, entrambi i modelli sono già disponibili tramite un’API compatibile con lo standard di OpenAI. Chi utilizza già Fugu può passare a Max o a Ultra v2 modificando un solo parametro, senza alcuna migrazione: nuova architettura, stessa interfaccia.

Questo abbassa la barriera d’ingresso in modo significativo. Non devi riscrivere il tuo software né imparare un nuovo ecosistema: puoi provare l’orchestrazione dentro i flussi che già usi e misurare, dati alla mano, se il rapporto tra costo e qualità migliora davvero per il tuo caso d’uso.

Vale la pena inquadrare la mossa nel contesto competitivo. La pressione sui prezzi è fortissima, e le uscite recenti di modelli più veloci ed economici, come mostra l’arrivo di DeepSeek V4.1 Flash, più veloce ed economico, spingono tutti a rivedere l’equazione tra spesa e prestazioni. Sakana prova a rispondere non con un modello più grande, ma con un’architettura più intelligente nel distribuire il lavoro.

Conclusioni

Con Fugu Max e Fugu Ultra v2, Sakana AI porta avanti una scommessa coerente: l’orchestrazione multi-agente come alternativa concreta alla corsa al modello unico e monumentale. Il primo abbassa il costo dell’intelligenza, il secondo ne alza il tetto di capacità, e insieme provano a dimostrare che costo e qualità non sono per forza in contraddizione.

Restano le domande di sempre, dalla verifica indipendente dei benchmark alla tenuta del sistema sui carichi più grandi. Ma la direzione è interessante, soprattutto per chi cerca flessibilità e indipendenza dai singoli fornitori. Per approfondire i dettagli tecnici, Sakana ha pubblicato anche un report tecnico dedicato.

Se costruisci prodotti o flussi di lavoro basati sull’AI, ti conviene tenere d’occhio questo approccio: prova a confrontare i costi reali di un’orchestrazione come Fugu con quelli dei modelli che usi oggi e valuta se la strada dell’intelligenza collettiva può fare la differenza per il tuo lavoro. Continua a seguirci per capire come evolve questo scenario.