Sakana AI a annoncé aujourd'hui deux nouveaux paliers de son système d'orchestration Fugu : Fugu Max, orienté efficacité de coût, et Fugu Ultra v2, orienté capacité maximale. Les deux prolongent l'idée que ce blog avait couverte lors du lancement de Fugu-Cyber par Sakana en juillet : Fugu n'est pas un modèle, c'est un système qui répartit les tâches entre un pool d'autres modèles et se comporte, vu de l'extérieur, comme un seul modèle de pointe. Le billet de lancement de Sakana retrace lui-même toute la généalogie : une bêta en avril, la disponibilité générale plus « Fugu Ultra v1 » en juin, Fugu-Cyber en juillet, un produit de discussion grand public et le début de l'intégration Nemotron de NVIDIA en août, puis Max et Ultra v2 aujourd'hui — le partenariat avec Nemotron derrière le pool d'aujourd'hui a donc un mois, il n'est pas inédit. Ce qui change cette fois, c'est le pool lui-même — Sakana décrit Fugu Max comme orchestrant « notre plus grand pool à ce jour de modèles ouverts et spécialisés », en dirigeant dynamiquement chaque tâche vers « le modèle le plus léger capable de la résoudre » plutôt que vers le plus gros modèle disponible par défaut. Une publication complémentaire du fil précise encore ce cadrage : un « mélange sans précédent de modèles ouverts et fermés » — le pool n'est pas exclusivement composé de poids ouverts, il exclut spécifiquement une courte liste nommée de fleurons de pointe actuels, pas les modèles fermés en général.
La scission, et son coût réel
Fugu Max est tarifé à 2 $ par million de tokens en entrée et 6 $ par million en sortie ; Fugu Ultra v2 est tarifé à 5 $ en entrée et 30 $ en sortie — soit un écart de 2,5 fois en entrée et de 5 fois en sortie entre les deux paliers, selon les grilles tarifaires qui suivent cette sortie, le propre billet de Sakana confirmant directement les chiffres de 2 $/6 $ pour Max. Le cadrage de Sakana pour Max est « une performance à portée des modèles d'élite, à un coût deux à six fois inférieur », mesuré, selon ses propres mots, « parmi les modèles de pointe dans une gamme de prix similaire » — une comparaison par tranche de prix, pas une affirmation de battre tous les modèles quel que soit leur palier. Selon le même billet, le tarif de sortie de Max serait inférieur de 40 à 60 % à ceux de Claude Sonnet 5, GPT 5.6 Terra et Kimi K3, et Sakana affirme par ailleurs que Max obtient le meilleur score parmi les modèles à tarif comparable sur six des dix benchmarks suivis (Terminal Bench 2.1, GPQAD, AA-LCR, GDP.pdf, AutomationBench et SWEFish) et repousse la frontière coût-performance sur sept des dix. Sakana a bien publié une grille de huit benchmarks pour Ultra v2 (voir plus bas), mais elle montre des scores de capacité bruts, pas une comparaison normalisée par le coût — le multiplicateur précis « deux à six fois » pour Max reste donc un chiffre que ce billet ne peut pas relier à un calcul montré.
Battre Opus 5 et Fable 5 sans que ni l'un ni l'autre ne soit dans le pool
L'affirmation la plus intéressante est architecturale, pas seulement économique : Sakana affirme sans détour que Fugu Ultra v2 accomplit tout cela « sans Fable 5, Fable 5.1 ni GPT-6-Astra dans son pool d'agents » — ce qui signifie que ses résultats phares proviennent de l'orchestration de modèles plus anciens, ouverts et spécialisés, plutôt que d'un simple appel au modèle de pointe du moment dont la réponse serait reconditionnée. Une autre publication du même fil rend la logique explicite : « Un modèle de pointe unique peut être restreint. Une API unique peut être révoquée. Mais un pool orchestré et interchangeable contourne les perturbations par conception. La résilience du modèle n'est pas une fonctionnalité de secours. C'est l'architecture. » C'est une réelle différenciation par rapport à un routeur qui se contente de transmettre chaque requête au meilleur modèle de pointe disponible (à peu près ce que faisait le Fugu original, plus simple, de Sakana) — et le propre diagramme de Sakana illustre cet argumentaire de façon abstraite, en plaçant Fugu Max et Fugu Ultra au-dessus d'une « frontière formée par des modèles isolés » sur des axes performance/coût non gradués. C'est un schéma, pas un graphique de benchmarks, mais c'est l'énoncé visuel le plus clair de la thèse dans les documents de lancement. Selon la propre suite de benchmarks de Sakana, Ultra v2 obtient le meilleur score, ou un score ex æquo au meilleur, sur cinq des huit benchmarks suivis — GDP.pdf, Chartography, SWEFish, DeepSWE et Toolathon — et figure dans le top 2 sur sept des huit, comparé directement à Opus 5, Fable 5, Fable 5.1, GPT-5.6 Sol, Kimi K3 et GPT-6-Astra, alors même que ces trois derniers sont exclus de son propre pool. Son score sur DeepSWE, 74,3, se situe presque exactement là où la couverture de ce blog sur le lancement de DeepSeek V4.1 Flash plaçait Claude Opus 5 (74,0) et GPT-5.6 Sol (73,0) sur le benchmark de même nom, un jour plus tôt — une vérification croisée réellement rassurante, puisque les chiffres rapportés indépendamment par deux laboratoires pour la même tâche se regroupent à un point d'écart près.
Le chiffre de Chartography qui ne se recoupe pas du tout
Un benchmark, en revanche, ne se regroupe pas. Le propre graphique publié par Sakana place Fugu Ultra v2 à 48,3 sur Chartography, contre 27,3 pour Claude Opus 5 et 29,5 pour Claude Fable 5. Le billet de ce blog sur le lancement officiel de DeepSeek V4.1 Flash, publié la veille, rapportait un score de 84,0 pour Claude Opus 5 sur un benchmark figurant sur le propre graphique de lancement de DeepSeek sous le nom « Chartography (w/tools) ». Ce n'est pas un petit écart : c'est la différence entre un Opus 5 terminant près du bas d'une comparaison à huit, et le même modèle terminant près du haut d'une autre comparaison, pour ce qui se présente comme la même évaluation nommée. L'explication la plus probable est que « Chartography » n'est pas un benchmark standardisé et partagé comme DeepSWE semble l'être : des laboratoires différents utilisent peut-être des jeux de questions différents, des configurations d'accès aux outils différentes, ou des grilles de notation différentes sous un même nom — le qualificatif « (w/tools) » de DeepSeek suggère précisément ce genre de différence de configuration, et le propre graphique de Sakana ne précise pas si son test de Chartography utilisait des outils. Rien ici ne prouve qu'un des deux laboratoires ait fabriqué un chiffre — mais c'est une démonstration nette du fait qu'un nom de benchmark partagé, à lui seul, ne rend pas comparables les graphiques auto-déclarés de deux laboratoires, et pourquoi une affirmation de benchmark à source unique mérite d'être traitée comme provisoire tant qu'un évaluateur indépendant n'a pas fait tourner les mêmes modèles dans les mêmes conditions.
Une autre forme de revendication de « souveraineté »
Sakana clôt son propre billet de lancement par une phrase qui recadre l'ensemble de l'annonce : Fugu fournit « l'infrastructure résiliente et agnostique vis-à-vis des fournisseurs, nécessaire à une véritable souveraineté de l'IA ». C'est une définition de la souveraineté nettement différente de celle que ce blog a suivie tout ce mois-ci avec le tour de série D de trois milliards d'euros de Mistral ou l'avertissement du ministre français de l'Économie selon lequel l'IA européenne ne peut pas reposer sur un seul champion national — il s'agit là d'arguments sur le pays dont proviennent les capitaux et l'entreprise qui contrôle un modèle. La version de Sakana porte sur l'indépendance vis-à-vis des fournisseurs : un pool de modèles interchangeables qu'aucun fournisseur unique ne peut restreindre, révoquer ou couper « en raison d'un verrouillage fournisseur, de révocations d'API, de turbulences géopolitiques ou d'arrêts de service soudains », quel que soit le drapeau apposé sur les poids du modèle. Les deux sont des problèmes réels qui méritent d'être résolus, mais qualifier l'orchestration agnostique vis-à-vis des fournisseurs de « véritable » souveraineté, le même mois que plusieurs récits sur le gouvernement et le conglomérat qui possèdent réellement le calcul sous-jacent, est une affirmation qui fait discrètement son propre travail.
À surveiller
- Une évaluation indépendante de Fugu Ultra v2 sur Chartography en particulier, vu l'écart entre le score qu'il rapporte pour Opus 5 et ce que ce blog rapportait lui-même sur le benchmark de même nom, un jour plus tôt seulement.
- Si Sakana publie le tableau complet, benchmark par benchmark, derrière le « coût deux à six fois inférieur ». La fourchette compressée est un résumé marketing ; la comparaison sous-jacente, si elle est publiée, est le véritable test de cette affirmation.
- Comment le positionnement « aucun modèle de pointe dans le pool » tient dans la durée, sachant que les propres modèles Nemotron de NVIDIA sont explicitement conçus pour servir de travailleurs bon marché à l'intérieur de ce type précis de système d'orchestration — Sakana n'évite pas seulement les modèles de pointe, elle s'appuie sur des alternatives subventionnées par un fabricant de matériel et construites pour exactement ce rôle.
- Si Fugu-Cyber, la variante de Sakana dédiée à la sécurité, reçoit une scission Max/Ultra similaire, ou si ce saut générationnel reste confiné à l'orchestrateur généraliste.