Ein kleines Startup aus Tokio zeigt, wie man ohne eigenen Milliardenchip mithält: Sakana AI veröffentlicht Fugu, ein System, das mehrere KI-Modelle gleichzeitig koordiniert und dabei die Leistung von Anthropic Fable 5 erreicht. Der Ansatz könnte die KI-Industrie nachhaltig verändern.
Was ist Sakana Fugu?
Sakana Fugu ist kein klassisches Sprachmodell im Sinne von GPT oder Claude. Stattdessen handelt es sich um ein Orchestrierungsmodell, das selbst ein Sprachmodell ist, aber darauf trainiert wurde, andere KI-Modelle zu steuern. Fugu entscheidet autonom, welches Modell für welche Aufgabe geeignet ist, delegiert Teilaufgaben und fasst die Ergebnisse zusammen. Für Nutzerinnen und Nutzer sieht Fugu aus wie ein einziges Modell, erreichbar über eine einzige API-Schnittstelle.
Dahinter steckt ein Agenten-Pool mit austauschbaren Modellen. Dazu gehören beispielsweise GPT-5.5, Gemini 3.1 Pro und Opus 4.8. Wenn ein Anbieter den Zugang sperrt, routet Fugu automatisch zu einem anderen Modell um. Diese Flexibilität ist ein bewusster Gegenentwurf zur Abhängigkeit von einem einzigen KI-Anbieter.
Fugu Ultra erreicht Fable-Niveau
Sakana bietet zwei Varianten an. Das Basismodell Fugu zielt auf niedrige Latenz und solide Alltagsleistung ab, geeignet für Coding-Reviews und Chatbot-Anwendungen. Fugu Ultra ist auf maximale Antwortqualität bei komplexen Aufgaben optimiert. Laut den Benchmark-Ergebnissen von Sakana erreicht Fugu Ultra in mehreren Disziplinen das Niveau von Anthropic Fable 5 und Mythos Preview.
Besonders bemerkenswert: Weder Fable 5 noch Mythos Preview befinden sich im Agenten-Pool von Fugu. Beide Modelle sind aufgrund von US-Exportkontrollen nicht öffentlich zugänglich. Trotzdem gelingt es der Orchestrierung, vergleichbare Ergebnisse zu erzielen. In SWE-Bench Pro erreicht Fugu Ultra 73,7 Prozent, während Opus 4.8 auf 69,2 Prozent kommt. Bei LiveCodeBench Pro liefert Fugu Ultra 90,8 Prozent ab.
Orchestrierung als Antwort auf Exportkontrollen
Der Launch von Fugu fällt in eine Zeit, in der KI-Exportkontrollen die Branche erschüttern. Anthropic musste seine stärksten Modelle Fable 5 und Mythos 5 weltweit sperren, nachdem die US-Regierung entsprechende Verfügungsbeschlüsse erlassen hatte. Sakana AI positioniert Fugu explizit als Absicherung gegen solche Risiken. Wer auf ein einzelnes Modell angewiesen ist, steht bei regulatorischen Änderungen plötzlich ohne Alternative da.
Allerdings hängt auch Fugus Leistungsfähigkeit davon ab, welche Modelle im Pool verfügbar sind. Wenn mehrere große Anbieter gleichzeitig den Zugang einschränken, schrumpfen die Optionen. Orchestrierung erhöht die Resilienz, ersetzt aber keine echte technologische Souveränität. Zudem bleibt offen, wie stark der Token-Verbrauch und die Kosten durch die mehrfache Modellnutzung steigen.
Die Forschung dahinter: Trinity und Conductor
Technisch basiert Fugu auf zwei ICLR-2026-Papern von Sakana: Trinity und Conductor. Beide Arbeiten beschäftigen sich mit erlernter Modell-Orchestrierung, also der Frage, wie ein Sprachmodell lernen kann, andere Modelle optimal zu steuern. Das Unternehmen wurde von den ehemaligen Google-Forschern Llion Jones und David Ha gegründet. Jones ist Mitautor des Transformer-Papiers aus dem Jahr 2017, das die Grundlage für fast alle heutigen KI-Modelle bildet.
Rund 500 Beta-Nutzer haben Fugu bereits getestet. Ein Software-Entwickler berichtet, dass Fugu Ultra beim Code-Review über 20 Fehler fand, während andere Werkzeuge nur drei entdeckten. Die Stärken zeigen sich besonders bei langen, mehrstufigen Arbeitsabläufen wie automatisierter Forschung, Sicherheitsanalysen und Patentrecherchen.
Ausblick: Kollektive Intelligenz statt Monopole
Sakana AI verfolgt eine klare Vision: Die leistungsfähigsten KI-Systeme werden keine isolierten Monolithen sein, sondern kollaborative Ökosysteme. Fugu ist ein erster Schritt in diese Richtung. Wenn die Orchestrierungs-These stimmt, dann könnten kleinere Akteure durch geschickte Koordination von bestehenden Modellen mit den Milliarden-Chip-Systemen der Großlabore konkurrieren.
Ob dieser Ansatz skaliert, hängt von zwei Faktoren ab. Erstens den Kosten: Jede Anfrage durchläuft potenziell mehrere Modelle. Zweitens der Verfügbarkeit: Solange die besten Modelle hinter Bezahlschranken und Exportkontrollen liegen, bleibt die Orchestrierung ein Balanceakt. Dennoch zeigt Fugu, dass der Weg zur Spitzenleistung nicht zwingend über einen einzigen Milliardenchip führen muss.
