Sakana Fugu vs Claude Fable 5: benchmarki, ceny i więcej

Sakana przedstawia Fugu jako model dorównujący Fable 5, ale wyklucza Fable 5 z własnej tabeli benchmarków. Dlatego porównamy oba modele ramię w ramię, na tyle, na ile to faktycznie możliwe.

Oto tło. Rząd USA zawiesił publiczny dostęp do Claude Fable 5 zaledwie trzy dni po jego premierze przez Anthropic. A Fable 5 był przedstawiany jako jego najbardziej zaawansowany model. Teraz, dwa tygodnie później, tokijskie Sakana AI wprowadziło Fugu z dużymi deklaracjami. Jedna z nich szczególnie się rozeszła: Sakana AI twierdzi, że Fugu Ultra „stoi ramię w ramię z wiodącymi modelami, takimi jak Fable 5 i Mythos Preview” na najtrudniejszych w branży benchmarkach inżynierskich, naukowych i wnioskowania, i to bez ryzyka związanego z kontrolą eksportu. CEO David Ha napisał na X, że Fugu dowodzi, iż wymienialna pula orkiestronych agentów może dorównać ograniczonym modelom czołowym, takim jak Fable.

Te twierdzenia trudno zweryfikować, bo Fable 5 w ogóle nie ma w tabeli benchmarków Fugu. Sakana wyklucza go, argumentując, że nie jest publicznie dostępny. Robimy więc, co możemy: sprawdzamy kilka benchmarków, które pojawiają się w tabelach obu laboratoriów i mają te same wartości bazowe. Na koniec omówimy ceny i kwestię dostępu

Jeśli chcesz tła dla każdego z systemów osobno, mamy o tym wpisy: przeczytaj nasze omówienie Claude Fable 5 oraz opis Sakana Fugu.

Czym jest Sakana Fugu?

Sakana Fugu nie jest pojedynczym wytrenowanym modelem w zwykłym rozumieniu. To orkiestrator: model, który przyjmuje twoje żądanie, decyduje, czy odpowiedzieć bezpośrednio, czy zlecić je modelom specjalistycznym z puli, zarządza weryfikacją i syntezą, a następnie zwraca jedną odpowiedź przez pojedyncze API zgodne z OpenAI. Z zewnątrz wywołujesz jeden endpoint; w środku skoordynowany zestaw modeli czołowych wykonuje pracę.

Są dostępne dwie wersje. Fugu równoważy jakość z niskimi opóźnieniami i jest pozycjonowany jako codzienny domyślny wybór do kodowania, review i usług interaktywnych. Fugu Ultra koordynuje głębszą pulę agentów‑ekspertów i jest dostrojony pod maksymalną jakość odpowiedzi w trudnych, wieloetapowych zadaniach — od odtwarzania prac naukowych, przez analizy cybersecurity, po data science w stylu Kaggle i badania patentowe.

Pomysł jest tak naprawdę dwojaki.

• Po pierwsze, wyuczona orkiestracja: koordynator jest trenowany, aby decydować, kiedy delegować i jak łączyć wyniki, zamiast uruchamiać ręcznie zakodowany pipeline.
• Po drugie, wymienialna pula agentów: gdy nowy model czołowy staje się publicznie dostępny, Sakana zakłada około dwa tygodnie na jego włączenie. (Ważne dla reszty artykułu: Fable 5 nie jest w tej puli, ponieważ nie jest publicznie dostępny.)

Czym jest Claude Fable 5?

Claude Fable 5 to model klasy Mythos, co jest poziomem, który Anthropic pozycjonuje powyżej klasy Opus, uczyniony bezpiecznym do powszechnego użytku dzięki zestawowi klasyfikatorów. To ten sam bazowy model co Claude Mythos 5; różnica polega na tym, że Fable 5 działał z aktywnymi klasyfikatorami bezpieczeństwa, podczas gdy w Mythos 5 część z nich jest wyłączona i model jest ograniczony do partnerów Project Glasswing i wybranych badaczy biologii.

Anthropic twierdził, że Fable 5 jest najnowocześniejszy na niemal każdym benchmarku, który śledzi, a przewaga rośnie przy dłuższych, bardziej złożonych zadaniach. Kluczowy szczegół praktyczny: gdy zapytanie dotyczy cybersecurity, biologii/chemii lub destylacji modeli, dwustopniowy klasyfikator przekierowuje odpowiedź do Claude Opus 4.8 i informuje o tym użytkownika. 

Sakana Fugu vs Claude Fable 5: benchmarki

Opublikowana przez Sakanę tabela porównań wyklucza Fable 5 i Mythos Preview, ponieważ nie są publicznie dostępne i nie mogą być częścią puli Fugu. Oficjalne wyniki Fugu są więc mierzone względem Opus 4.8, GPT-5.5 i Gemini 3.1 Pro, które widać w tabeli poniżej. Widać, że wygrywa w 10 z 11 benchmarków. 

Aby włączyć Fable 5 do porównania, skrzyżowałem benchmarki, które pojawiają się zarówno w tabelach Anthropic, jak i Sakany, i sprawdziłem, czy wspólne wartości bazowe się pokrywają. W SWE-Bench Pro i Humanity's Last Exam (bez narzędzi) liczby dla Opus 4.8, GPT-5.5 i Gemini 3.1 Pro są identyczne w obu źródłach — więc te dwa porównania są czyste. Zredukowane do samych dwóch systemów, bezpośrednie starcie wygląda tak:

‡ Oba laboratoria raportują różne wartości bazowe i używają różnych scaffoldingów dla TerminalBench, więc warunki nie są identyczne.

To jedyne benchmarki, które znaleźliśmy, gdzie opublikowane wyniki są bezpośrednio porównywalne. Fable 5 prowadzi we wszystkich trzech.

Zatem w każdym benchmarku, gdzie porównanie ramię w ramię jest w ogóle możliwe, Fable 5 wyprzedza Fugu Ultra mniej więcej o 6–9 punktów. To spójne z tym, gdzie Fable 5 ma wygrywać: w zadaniach długoterminowych ocenianych na końcu, gdzie pojedynczy silniejszy model popełnia mniej narastających błędów.

Podsumowując:

1. Wszystkie liczby dla Fugu są własnymi raportami i nie pojawiły się jeszcze na zewnętrznych listach liderów.
2. Sakana przedstawia Fugu jako „ramię w ramię” z Fable 5 i Mythos Preview. Biorąc pod uwagę powyższe różnice, to obronna, ale hojna interpretacja. „Blisko, ale z tyłu” jest trafniejsze.
3. Zestawy porównań tylko częściowo się pokrywają. Fable 5 prowadzi w obszarze wizji (potrafi odtworzyć źródła aplikacji webowej ze zrzutów ekranu), czego Fugu w ogóle nie akcentuje; Fugu publikuje benchmarki długiego kontekstu i bankowe, których tabela Anthropic nie obejmuje. Są więc zoptymalizowane pod nieco inne typy pracy.

Sakana Fugu vs Claude Fable 5: dostępność i dostęp

Claude Fable 5 jest obecnie zawieszony. Anthropic wycofał dostęp do Fable 5 i Mythos 5 12 czerwca po dyrektywie amerykańskich władz dotyczącej kontroli eksportu i informuje, że pracuje nad jak najszybszym przywróceniem dostępu. Inne modele Anthropic, jak Opus 4.8, są nadal dostępne.

Sakana Fugu jest dostępny już teraz przez console.sakana.ai z API zgodnym z OpenAI — z wyjątkiem UE i EOG, gdzie Sakana wstrzymała dostępność, pracując nad zgodnością z RODO. Nie udało mi się uzyskać dokładnego terminu.

W tej chwili europejski zespół może nie być w stanie korzystać z żadnego z tych modeli.

Końcowe uwagi

Na papierze to wyrównany, realny pojedynek dwóch filozofii.

Anthropic myśli o skali — jeden model klasy Mythos, tak zdolny, że wymaga równoległego systemu klasyfikatorów.

Sakana stawia na koordynację — że wytrenowany orkiestrator nad wymienialną pulą może pozostawać w zasięgu każdego pojedynczego modelu czołowego, będąc tańszym, bardziej odpornym i niezależnym od dostawców.

Benchmarki, traktowane dosłownie, mówią, że zakład Anthropic daje silniejszy artefakt w porównywalnych testach, podczas gdy zakład Sakany daje bardziej dostępny i tańszy.