Hook / Einstieg
Stell dir einen Kollegen vor, der nicht deshalb gut ist, weil er alles selbst kann – sondern weil er bei jeder Frage sofort weiß, wen er fragen muss. Genau nach diesem Prinzip hat ein kleines Tokioter KI-Labor letzte Woche zwei neue Modelle veröffentlicht, die in mehreren Benchmarks GPT-6 Astra und aktuelle Claude-Modelle hinter sich lassen. Der Clou: Das Labor hat dafür kein eigenes Spitzenmodell gebaut. Es hat schlicht gelernt, fremde Modelle klüger zu verteilen als jeder andere.
Was ist das überhaupt?
Die Firma heißt Sakana AI, ein KI-Labor mit Sitz in Tokio. Am 11. September 2026 hat sie zwei neue Produkte veröffentlicht: Fugu Max und Fugu Ultra v2, benannt nach dem japanischen Kugelfisch – einem Tier, das nur von geprüften Fachleuten zubereitet werden darf, weil sonst etwas schiefgeht. Ein passender Name für ein Produkt, bei dem es genau darum geht, die richtigen Zutaten richtig zu kombinieren.
Beide Modelle sind keine klassischen Sprachmodelle, die irgendwo trainiert wurden und dann selbst Text erzeugen. Es sind Orchestrierungsmodelle: Systeme, die lernen, eine Aufgabe an die jeweils am besten geeigneten Modelle aus einem festen Pool zu verteilen, deren Antworten zu prüfen und am Ende zu einer einzigen Antwort zusammenzuführen. Für dich als Nutzer sieht das trotzdem aus wie ein ganz normales Modell: Du schickst eine Anfrage an eine einzige Schnittstelle und bekommst eine Antwort zurück. Was dahinter passiert – welche Modelle beteiligt waren, wie die Aufgabe aufgeteilt wurde – bleibt unsichtbar.
Wie funktioniert das (unter der Haube)?
Am einfachsten stellst du dir Fugu wie eine gute Vermittlung am Telefon vor. Du rufst mit einem Problem an, und statt dass eine einzelne Person versucht, alles selbst zu lösen, hört sie sich dein Anliegen an und leitet sofort an den passenden Experten weiter – manchmal auch an mehrere gleichzeitig, deren Antworten sie danach vergleicht und zur besten Lösung zusammenführt.
Technisch basiert das auf zwei Forschungsarbeiten, die Sakana AI 2026 auf der ICLR vorgestellt hat, einer der wichtigsten Fachkonferenzen für KI-Forschung: “TRINITY” und “the Conductor”. Die Kernidee dahinter: Statt dass Menschen von Hand festlegen, welches Modell welche Rolle übernimmt – das machen viele Firmen heute mühsam mit sogenannten Multi-Agent-Workflows, die man selbst zusammenbauen muss –, lernt Fugu von allein, welche Kombination aus Modellen für eine bestimmte Aufgabe am besten funktioniert. Es kann sich sogar mehrfach selbst aufrufen, um einen Zwischenschritt zu überprüfen, bevor die finale Antwort rausgeht.
Bemerkenswert dabei: Laut Sakana AI stecken im Modell-Pool von Fugu Ultra v2 ausdrücklich keine der Modelle, gegen die es in Benchmarks antritt – Claude Fable 5, Fable 5.1 und GPT-6 Astra sind nicht Teil des Systems. Fugu gewinnt also nicht, indem es heimlich bei den Großen mitschummelt, sondern indem es aus offeneren und kleineren Bausteinen klüger kombiniert, als jedes einzelne Modell es allein könnte.
Warum ist das relevant / was kann ich damit tun?
Die Zahlen, die Sakana AI veröffentlicht hat, sind schon bemerkenswert. Bei Chartography, einem Benchmark für visuelles Denken und das Interpretieren von Daten, erreicht Fugu Ultra v2 einen Wert von 48,3 – gegenüber 27,3 bei Claude Opus 5 und 29,5 bei Claude Fable 5. Bei DeepSWE, das reale Softwareentwicklungs-Aufgaben testet, kommt Fugu Ultra v2 auf 74,3 Punkte und liegt damit vor Modellen, die laut Sakana AI drei- bis fünfmal so teuer pro Token sind. Nach mehreren übereinstimmenden Berichten, die sich auf Sakanas Benchmark-Daten beziehen, landen GPT-6 Astra dort bei rund 74,1 und Claude Fable 5.1 bei rund 67,4 Punkten. Insgesamt erreicht Fugu Ultra v2 nach eigenen Angaben die beste oder gemeinsam beste Platzierung bei 5 von 8 getesteten Benchmarks und landet bei 7 von 8 mindestens auf Platz zwei.
Preislich positionieren sich die beiden Modelle unterschiedlich. Fugu Max, die günstigere Variante, kostet 2 US-Dollar pro Million Input-Token und 6 US-Dollar pro Million Output-Token – nach Angaben von Sakana AI 40 bis 60 Prozent weniger als vergleichbare Modelle wie Sonnet 5 oder Kimi K3. Fugu Ultra v2, die leistungsstärkere Variante, kostet 5 US-Dollar Input und 30 US-Dollar Output pro Million Token bei einem Kontextfenster von bis zu 1 Million Token.
Für mich als Citizen Developer ist das mehr als eine technische Randnotiz. Bei Dürr baue ich beruflich jeden Tag Automatisierungen mit Power Platform und UiPath – und da geht es nie darum, ein einziges Alleskönner-Tool zu bauen, sondern die richtige Teilaufgabe an das richtige System weiterzugeben: Diese Aufgabe übernimmt ein Flow, jene ein Bot, die dritte braucht einen Menschen zur Freigabe. Fugu zeigt im Kleinen dasselbe Prinzip, nur eine Ebene tiefer – nicht Werkzeuge werden orchestriert, sondern KI-Modelle selbst. Das ist ein Signal, das über ein einzelnes Produkt hinausgeht: Der nächste Fortschrittsschub kommt vielleicht nicht mehr nur aus noch größeren Einzelmodellen, sondern aus klügerer Verteilung von Aufgaben zwischen bereits vorhandenen Modellen.
Was sollte ich beachten / was sind die Grenzen?
Bei aller Begeisterung: Fugu gewinnt nicht überall. Sakana AI selbst spricht von Bestplatzierungen bei 5 von 8 Benchmarks – bei den übrigen liegen andere Modelle vorn. “Schlägt GPT-6 und Claude” stimmt also nur für bestimmte Aufgabentypen, nicht pauschal für jede Anwendung.
Auch preislich ist vor allem Fugu Ultra v2 kein Schnäppchen. Mit 30 Dollar pro Million Output-Token bewegt es sich im oberen Preissegment – wer nur eine günstige Lösung für einfache Aufgaben sucht, ist mit Fugu Max oder einem kleineren Modell besser bedient.
Ein Punkt, den ich aus meiner eigenen Automatisierungs-Arbeit kenne: Je mehr Systeme in einer Kette hintereinanderhängen, desto schwerer wird es, im Fehlerfall herauszufinden, wo genau etwas schiefgelaufen ist. Wenn Fugu eine Aufgabe an drei verschiedene Modelle verteilt und die Antwort trotzdem falsch ist – lag es an der Auswahl, an einem der beteiligten Modelle oder an der Zusammenführung? Diese Transparenzfrage ist bei orchestrierten Systemen grundsätzlich schwerer zu beantworten als bei einem einzelnen Modell, das direkt antwortet.
Und: Der Wissensstand von Fugu Ultra v2 endet laut Sakana AI am 28. August 2026 – auch der beste Dirigent kennt nur die Stücke, die vorher einstudiert wurden.
Fazit & Ausblick
Fugu Ultra v2 ist für mich weniger ein weiteres Modell in einer ohnehin überfüllten Liste, sondern ein Hinweis darauf, wohin sich die Branche als Nächstes bewegen könnte. Sakana AI arbeitet seit April in mehreren Schritten an genau dieser Idee – Fugu Max und Ultra v2 sind bereits die fünfte Ausbaustufe seit dem Beta-Start. Wenn ein Team ohne eigenes Frontier-Modell die Platzhirsche in mehreren Benchmarks schlägt, indem es einfach klüger verteilt statt größer trainiert, lohnt sich diese Richtung für mehr als nur ein Tokioter Startup. Ich rechne damit, dass in den nächsten Monaten mehr solcher Orchestrierungs-Ansätze auftauchen – vermutlich auch von den großen Anbietern selbst. Ob sich das langfristig durchsetzt oder nur eine clevere Zwischenlösung bleibt, bis die nächste Modellgeneration wieder für sich allein überzeugt, wird sich zeigen.
Deine Gedanken dazu:
Würdest du einem System vertrauen, bei dem du nicht genau weißt, welches Modell gerade im Hintergrund deine Anfrage bearbeitet?
Wo in deinem Arbeitsalltag verteilst du selbst schon Aufgaben an Spezialisten, statt alles allein zu machen – und wo könnte das auch bei KI-Tools sinnvoll sein?
Glaubst du, Orchestrierung mehrerer Modelle setzt sich langfristig durch – oder holen die großen Einzelmodelle den Vorsprung einfach wieder auf?
Wäre dir ein Modell, dessen einzelne Bestandteile du nicht kennst, unheimlich – oder ist dir am Ende nur das Ergebnis wichtig?