Sakana AI lanceert Fugu: een API die meerdere frontier-LLMs orkestreert

Het Japanse Sakana AI heeft Fugu uitgebracht, en dat is geen gewoon taalmodel. Fugu is een orkestratielaag die achter een enkele API meerdere frontier-modellen aanstuurt en volgens de eerste benchmarks Anthropics Fable 5 evenaart. Voor bedrijven die topprestaties willen zonder zich vast te ketenen aan een enkele leverancier, is dat een ontwikkeling om in de gaten te houden.

Wat Fugu precies is

Fugu is zelf een taalmodel, getraind om andere taalmodellen aan te roepen uit een verwisselbare pool van agents, inclusief kopieen van zichzelf. Afhankelijk van de taak handelt Fugu een verzoek zelf af of delegeert het naar gespecialiseerde modellen; selectie, delegatie, controle en synthese gebeuren allemaal intern. Voor de gebruiker oogt het als een enkel model, bereikbaar via een OpenAI-compatibele API. Sakana levert twee varianten: een basisversie voor alledaags werk met lage latency, en Fugu Ultra voor complexe meerstapsproblemen.

Sakana AI is geen onbekende. Het bedrijf uit Tokio is opgericht door oud-Google-onderzoekers David Ha en Llion Jones, die laatste medeauteur van het invloedrijke Transformer-paper Attention Is All You Need uit 2017. Het bedrijf staat bekend om onderzoek naar systemen waarin meerdere modellen samenwerken in plaats van een enkel reuzenmodel.

Hoe goed is het

Volgens de gepubliceerde benchmarks evenaart Fugu Ultra Anthropics Fable 5 en Mythos Preview op uiteenlopende taken. Op SWE-Bench Pro scoort Fugu Ultra 73,7 tegenover 69,2 voor Opus 4.8, met daarnaast 93,2 op LiveCodeBench, 95,5 op GPQA-Diamond en 93,6 op MRCRv2.

Een eerlijke kanttekening die Sakana zelf maakt: Fable 5 en Mythos Preview zitten niet in Fugu's agent-pool, simpelweg omdat ze niet publiek toegankelijk zijn. Fugu evenaart die topmodellen dus door andere, wel beschikbare modellen slim te combineren, niet door ze stiekem aan te roepen. Dat is precies het idee: het geheel presteert als een frontier-model, zonder van een enkele frontier-leverancier afhankelijk te zijn.

Wat betekent dit voor jouw bedrijf

De kern is herkenbaar voor iedereen die nadenkt over vendor lock-in. Bouw je software direct tegen een enkele modelleverancier aan, dan ben je kwetsbaar voor prijsverhogingen, beleidswijzigingen of een model dat plotseling minder beschikbaar is. Een orkestratie- of routerlaag ertussen geeft je de vrijheid om per taak het beste of goedkoopste model te kiezen, en om te wisselen zonder je hele applicatie te herschrijven.

Fugu is daar een kant-en-klare, gehoste invulling van. Het ruilt afhankelijkheid van een enkel model in voor afhankelijkheid van Sakana's laag, dus de afweging verschuift, hij verdwijnt niet. Wie de regie zelf wil houden, bouwt hetzelfde principe met een open routerlaag: een leverancier-onafhankelijke AI-stack met een model-router als LiteLLM geeft je per taak dezelfde vrije keuze tussen modellen, in eigen beheer. Sakana is bovendien niet de enige die deze kant op beweegt; ook Databricks zette met de open-source orkestratielaag Omnigent voor AI-agents een stap, wat laat zien dat de orkestratielaag zelf het nieuwe slagveld wordt.

Voor de meeste Nederlandse bedrijven is de praktische les niet stap nu over op Fugu, maar: ontwerp je AI-architectuur zo dat het onderliggende model een vervangbaar onderdeel is. Of je dat nu doet met een gehoste orkestrator of een eigen router, het uitgangspunt is hetzelfde, en het beschermt je tegen precies de afhankelijkheid die eigenaarschap van je eigen software wil voorkomen.

Fugu is een vroege, commerciele invulling van een idee dat snel mainstream wordt: niet een almachtig model, maar een slim samenspel van modellen. De winnaars zijn straks niet per se wie het grootste model heeft, maar wie het beste orkestreert, en wie ervoor zorgt dat hij op elk moment van model kan wisselen.