👔 Não é mais inteligente, é um gerente
A confusão que vale desfazer logo: o Fugu não é um LLM novo com um cérebro melhor. É um orquestrador — um sistema que coordena outros modelos — empacotado para parecer um modelo só. A "inteligência" dele está em gerenciar, não em saber mais. O nome ajuda: Sakana é "peixe" em japonês, e o logo mostra vários peixinhos formando um peixe maior. O peixe grande é o sistema; os pequenos são o time.
Por que isso muda tudo? Porque define a pergunta certa. Se você espera "mais QI", vai se frustrar — em raciocínio bruto, o Fugu não supera um modelo frontier sozinho. Se você espera "melhor coordenação", passa a perguntar as coisas úteis: quanto custa o time e quando ele entrega algo que o solo não entrega. O resto da trilha responde exatamente isso.
🆕 Novo aqui? Três termos
- Orquestrador: um sistema que reparte uma tarefa entre vários modelos e junta as respostas — não um modelo único.
- Conductor: o componente "gerente" que decide quem faz cada parte (mais detalhe no tópico 2).
- Modelo frontier: um dos modelos de ponta do mercado (Opus 4.8, GPT-5.5, Gemini…) — os "especialistas" que o time chama.
✓ O que o Fugu É
- ✓Um orquestrador entregue como 1 API
- ✓Um gerente que reparte e funde
- ✓Um time de modelos frontier escondido
✗ O que ele NÃO é
- ✗Um modelo novo "mais inteligente"
- ✗Um cérebro único com mais QI
- ✗Algo conceitualmente inédito
🎚️ O conductor pequeno
No coração do Fugu há um modelo "gerente" pequeno: o conductor (ou roteador). Ele lê o seu pedido e toma uma decisão antes de qualquer trabalho pesado: resolvo isso sozinho, ou monto um time? O conductor não é o especialista que escreve o código ou o ensaio — ele é quem decide para quem mandar. É a primeira das duas perguntas da Trilha 1 ("quem faz cada parte") virada peso de modelo.
🔀 A decisão do conductor
- A.Resolve sozinho — pedidos simples não justificam montar time; o conductor responde direto e rápido.
- B.Chama o time — pedidos que ele julga difíceis viram decomposição + delegação ao pool. Aqui nascem os minutos e os custos.
💡 Por que "pequeno" importa
Um conductor pequeno é barato de rodar — a inteligência cara fica nos especialistas que ele chama. O risco: se ele decide "chamar o time" para algo que um modelo forte resolveria sozinho, você paga o time inteiro por nada. Esse é o nó que o veredito (2.2) aperta.
🐟 O pool secreto de modelos frontier
Atrás do endpoint vive um pool de modelos frontier — os especialistas. Pelo que se observa, inclui Opus 4.8, GPT-5.5, Gemini e possivelmente outros. A Sakana mantém esse roster proprietário e fechado: você não escolhe quem entra, nem vê quem foi chamado em cada pedido. É um time escondido.
Cuidado com uma distinção fina: "Opus está no pool" é uma inferência razoável, não um fato publicado pela Sakana. Saber separar o que é confirmado do que é dedução te protege de tratar marketing como verdade — uma habilidade que vale para qualquer produto de IA.
🔒 O que o "pool" esconde de você
- Quem entrou: você não vê quais modelos foram chamados nem quantos.
- Por que entrou: a lógica de seleção é interna ao conductor.
- Quanto cada um custou: tudo chega agregado como tokens do Fugu.
🔀 Decompor → delegar → fundir (1 endpoint)
Aqui está o ciclo completo do Fugu, e ele é a anatomia maestro–especialistas–fusor da Trilha 1 ficando concreta. O conductor decompõe sua tarefa em partes, delega cada parte a um especialista do pool, espera todos, e um modelo funde as respostas num resultado único. Tudo isso atrás de uma chamada de API sua.
Conductor (decompõe) → especialistas do pool em paralelo (ciano) → fusor (funde). Você manda 1 chamada; por dentro acontecem várias — e você paga por todas.
Decompõe
O conductor quebra o pedido em sub-tarefas. Uma boa decomposição é metade do trabalho — e a parte onde o orquestrador pode brilhar ou se enrolar.
Delega
Cada sub-tarefa vai a um especialista do pool. Eles rodam (idealmente em paralelo), cada um lendo e escrevendo tokens — que você paga.
Funde
Um modelo recombina as respostas num resultado único. É a segunda pergunta ("como se combinam") resolvida internamente, sem você ver.
💲 Fugu vs Fugu Ultra + preço
A linha tem dois produtos: o Fugu e o Fugu Ultra (o testado no field test). O preço do Fugu é US$ 5 de entrada / US$ 30 de saída por 1 milhão de tokens — e atenção: os tokens de orquestração (o que o time privado lê e escreve por dentro) também são billados. Lançamento: 22 de junho de 2026.
📊 Preço lado a lado (por 1M tokens)
| Modelo | Entrada | Saída | Observação |
|---|---|---|---|
| Fugu | US$ 5 | US$ 30 | tokens de orquestração billados |
| Opus 4.8 | US$ 5 | US$ 25 | modelo único, sem time |
Mesma entrada, mas a saída do Fugu é mais cara — e ela ainda se multiplica pelo time. O preço de tabela já avisa que o orquestrador custa mais por token e consome mais tokens.
💡 O detalhe que estoura a conta
"Tokens de orquestração billados" é a frase mais cara do produto. Você não paga só pela resposta final: paga cada token que cada especialista do pool leu e escreveu para chegar até ela. Por isso a conta real (Trilha 2.2) ficou bem acima do que o preço de tabela sugere à primeira vista.
👻 O que o time nunca viu
Para fechar a mecânica com a tensão certa, um spoiler honesto do veredito que você estuda no próximo módulo: nos 38 testes graded por código, o time escondido nunca achou uma resposta que um modelo forte sozinho não achasse. Nem uma vez. Você pagou — em tempo e dinheiro — por um time cujo trabalho extra não virou acerto extra.
⚠️ A armadilha
A elegância da mecânica (decompor→delegar→fundir) seduz. Mas mecânica bonita não é o mesmo que resultado melhor. A pergunta que importa não é "como o time trabalha?", e sim "o time entregou algo que o solo não entregaria?". Aqui, a resposta foi não.
🔭 O que vem a seguir
No Módulo 2.2 você vê a prova com números exatos: 38 tarefas, 4 waves, 36 empates, 4.5× mais lento, 5× mais caro — e o ladder de decisão que diz, com critério, quando o orquestrador finalmente ganha seu lugar.
Recuperação rápida (opcional): qual frase descreve melhor o que o Fugu É?
✅ Resumo do módulo
Próximo módulo:
2.2 — O veredito: 38 testes, e quando vale a pena