SmartDigest Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Premiera / Narzędzie

Jeden model, który dzwoni po inne. I nie mówi, do których

Tokijska Sakana AI wypuściła 22 czerwca 2026 Fugu, system wielu agentów udający jeden model: wysyłasz zapytanie pod jeden adres zgodny z API OpenAI, a orkiestrator sam rozdziela pracę między wyspecjalizowane modele i skleja odpowiedź. Sakana sprzedaje go jako poduszkę na ryzyko kontroli eksportu i chwali się wynikiem 73,7 na SWE-Bench Pro, o ponad cztery punkty wyżej niż Opus 4.8. Skłaniam się ku temu, że to zamiana jednej zależności na inną, gorzej widoczną: routing jest zamknięty, nie wiesz, który model odpowiedział ani ile to kosztuje.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Premiera / Narzędzie  ·  4 min  · 

Jeden model, który dzwoni po inne. I nie mówi, do których
Ilustrację przygotowała AI.

22 czerwca 2026 tokijskie laboratorium Sakana AI wypuściło Fugu i od razu zrobiło coś nietypowego: zamiast pochwalić się większym modelem, pokazało model, który dzwoni po inne modele. Fugu to system wielu agentów, z którym rozmawiasz tak, jakby był jednym modelem. Wysyłasz zapytanie pod jeden adres zgodny z API OpenAI, a Fugu sam decyduje, czy odpowiedzieć z własnych wag, czy zebrać za kulisami zespół wyspecjalizowanych modeli, rozdzielić między nie zadanie, sprawdzić wyniki i skleić jedną odpowiedź. Pod spodem nie ma ręcznie napisanego routera z regułami "jeśli kod, to model X". Sam orkiestrator jest modelem językowym, wytrenowanym po to, żeby koordynować pracę innych, w tym wywoływać własne kopie rekurencyjnie.

Sednem oferty jest jedno zdanie z premiery: "możliwości najlepszych modeli bez ryzyka, że odetnie cię kontrola eksportu". To nie przypadkowe sformułowanie. Fugu pojawiło się parę dni po tym, jak amerykańska dyrektywa z 12 czerwca 2026 ograniczyła globalny dostęp do flagowych modeli Anthropica, Fable 5 i Mythos. Z dnia na dzień budowanie produktu na jednym czołowym dostawcy stało się realnym ryzykiem ciągłości działania, a Sakana sprzedaje Fugu jako poduszkę: stabilne API, a za nim wymienialna pula modeli, którą można podmieniać, gdy regulacje albo dostawca zmienią się pod tobą.

Architektura, na której to stoi, jest opisana w dwóch pracach Sakany z konferencji ICLR 2026. Trinity dzieli pracę na trzy role, każdą Sakana nazwała po angielsku: Thinker rozkłada problem na części i planuje, Worker wykonuje, czyli pisze kod, liczy i zbiera materiał, a Verifier sprawdza wynik i sygnalizuje, kiedy trzeba drugiego podejścia albo innego modelu. Conductor uczy się te role prowadzić: metodą uczenia ze wzmocnieniem sam dochodzi do tego, któremu modelowi w puli ufać przy jakim zadaniu, kiedy eskalować i kiedy weryfikować, zamiast działać na regułach zapisanych przez człowieka. Wedle relacji dyrygentem jest kompaktowy model rzędu 7 miliardów parametrów, czyli kilkadziesiąt razy mniejszy niż czołowe modele, które koordynuje, więc samo sterowanie kosztuje grosze przy cenie modeli wykonujących pracę. Sakana nie opublikowała jeszcze pełnej pracy technicznej, więc te liczby traktuję jako podane przez producenta, a nie potwierdzone.

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

Większość produkcyjnych agentów to wciąż jedno wywołanie do jednego modelu Analiza / Opinia

Większość produkcyjnych agentów to wciąż jedno wywołanie do jednego modelu

3 min

Raport Datadoga State of AI Engineering pokazuje, że 59% wywołań agentów u ponad tysiąca klientów to wciąż jeden model, jedno wywołanie, bez orkiestracji. OpenAI spadł z 75% do 63% organizacji między 2025 a marcem 2026, choć liczba klientów się podwoiła — Anthropic i Google rosły szybciej. Instrukcje systemowe to 69% tokenów wejściowych, ale tylko 28% wywołań korzysta z cache promptów. Część tej prostoty to dług, część rozsądek, a raport ich nie rozróżnia.

Jedno wywołanie, trzy subagenty i cała infrastruktura po stronie OpenAI Premiera / Narzędzie

Jedno wywołanie, trzy subagenty i cała infrastruktura po stronie OpenAI

4 min

Agents API, które OpenAI pokazało 10 września, wystawia wszystkim ten sam harness, który od ponad roku pilnuje Codexa: jedno wywołanie i agent sam rozbija zadanie na maksymalnie trzy subagenty z własną pamięcią, a przy limicie okna kontekstowego sam zwija starszą część zapisu. Za samą platformę nie płacisz nic, rachunek obejmuje tokeny, narzędzia i czas kontenera, tylko że dane leżą wyłącznie w Stanach, nawet gdy sandbox stoi u ciebie. To wygoda kupiona uzależnieniem od dostawcy, bo sesja razem ze swoim stanem zostaje już po jego stronie.

Ta sama para modeli, trzy różne rachunki za jedno zadanie Model / Badania

Ta sama para modeli, trzy różne rachunki za jedno zadanie

5 min

Artificial Analysis wylicza, że średnie zadanie agentowe kosztuje 3,26 dolara na GPT-6 Astra i 7,63 na Claude Fable 5.1 przy identycznej skuteczności, ale OpenAI i Cognition zmierzyły tę samą różnicę na 63% i 42%, a Zvi Mowshowitz wskazuje, że Fable puszczono w trybie Max, co te 57% zawyża. Cognition odpowiada układem Fusion w Devinie, w którym droższy model prowadzi, a tańszy grzebie w kodzie: na DeepSWE 1.1 ścina to koszt zadania o 46% bez straty jakości, tyle że z Astrą na Terminal-Bench 4.0 wynik leci w dół o ponad pięć punktów. Cenę za zadanie widać dopiero na własnym repozytorium.