Sakana: Fugu Ultra
Fugu Ultra est le modèle haut de gamme de Sakana AI, le laboratoire japonais cofondé par Llion Jones (coauteur de « Attention Is All You Need ») et David Ha, lancé le 22 juin 2026. Fait notable, ce n'est pas un fusionnement évolutionnaire de modèles, la spécialité historique de Sakana,…
Fugu Ultra est le modèle haut de gamme de Sakana AI, le laboratoire japonais cofondé par Llion Jones (coauteur de « Attention Is All You Need ») et David Ha, lancé le 22 juin 2026. Fait notable, ce n'est pas un fusionnement évolutionnaire de modèles, la spécialité historique de Sakana, mais un système d'orchestration multi-agents vendu comme un modèle unique : Fugu décide, pour chaque requête, s'il répond lui-même ou délègue à un pool de modèles spécialistes, puis vérifie et synthétise, en pouvant s'appeler récursivement.
Fermé et accessible par une API compatible OpenAI (avec une fenêtre d'un million de tokens), il est indisponible dans l'Union européenne.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | sakana |
| Date de sortie | 24 juin 2026 |
| Multimodal | oui |
| Fenêtre de contexte | 1 000 000 tokens (≈ 1,0 M) |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 100,0 % | 1ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 99,0 % | 24ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 98,0 % | 23ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 88,0 % | 16ᵉ / 252 | benchable | ✅ Mesuré |
| PinchBench : agentique (OpenClaw, 147 tâches) | 69,5 % | 27ᵉ / 52 | pinchbench | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Hallucinations (Baseline)
Benchable : Email Classification (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Sakana | 5 $ | 30 $ | 0,5 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 157 % au-dessus de la moyenne des LLM similaires, et au niveau des modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût par exécution agentique — PinchBench (147 tâches) | 91,05 $ |
| Durée d'exécution — PinchBench | 7 h 26 min |
| Indice valeur/coût — PinchBench | 0,84 |
| Coût moyen par benchmark — Benchable | 3,31 $ |
| Latence moyenne par benchmark — Benchable | 25 min 00 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Le pari est d'atteindre le niveau frontière par l'orchestration plutôt que par la taille brute, et les chiffres avancés vont dans ce sens : en tête de son panel sur le code agentique (SWE-Bench Pro) devant Claude Opus 4.8, et au sommet sur les sciences (GPQA Diamond). Il gère un contexte d'un million de tokens, son API est compatible OpenAI, et l'approche évite de dépendre d'un unique modèle propriétaire.
Limites et points d'attention. Réserve majeure : tous les benchmarks sont auto-rapportés par Sakana et non reproduits par des tiers, et le pool de modèles orchestrés (part de modèles fermés ou ouverts) reste une boîte noire. L'orchestration ajoute un surcoût de latence et de prix (les tokens internes sont facturés, la sortie est chère), il est fermé, sans poids, et indisponible dans l'Union européenne. Il vise le raisonnement complexe, le code et l'agentique pour qui peut s'accommoder de son opacité.
Sources des données : OpenRouter (openrouter.ai) · PinchBench (pinchbench.com) · Benchable.ai (benchable.ai).