🛠 Sakana Fugu оркестрирует несколько frontier-моделей для кода и рассуждений — координатор сам выбирает роли

🛠 Sakana Fugu оркестрирует несколько frontier-моделей для кода и рассуждений — координатор сам выбирает роли

Устали гадать, какую из десятка frontier-моделей выбрать для сложной задачи в коде, аналитике или исследовании?

Sakana Fugu работает как модель-оркестратор поверх пула «подменяемых» frontier-моделей: в рамках одной сессии она распределяет роли Thinker (план и анализ), Worker (исполнение) и Verifier (проверка) между разными LLM.

В основе — небольшой координатор примерно 0.6B параметров (не гигантский трансформер), обученный эволюционной стратегией CMA-ES. По заявлению авторов, эволюционное обучение оказалось эффективнее RL и ряда альтернатив при ограниченном бюджете.

Сравнение с подходами «одна модель на всё» и простыми router-системами: Fugu меняет распределение по ходу решения, и это даёт прирост. Например, на LiveCodeBench указано 86.2%.

По доступности заявлены единый API (Chat Completions + Responses) и CLI Codex, а контекстное окно — 1M токенов у обеих версий Fugu и Fugu Ultra.

#tool #AgenticAI #SakanaFugu #MoE #CMA-ES #vLLM #LiveCodeBench

🔗 Sakana AI Launches Sakana Fugu: An Orchestration Model That Routes Tasks Across a Swappable Pool of Frontier LLMs