Sakana Fugu и Claude Fable 5: бенчмарки, цены и другое

Sakana позиционирует Fugu как сопоставимый с Fable 5, но исключает Fable 5 из своей собственной таблицы бенчмарков. Поэтому мы сравним эти две модели бок о бок настолько, насколько это реально возможно.

Немного предыстории. Правительство США приостановило публичный доступ к Claude Fable 5 спустя едва ли три дня после запуска Anthropic. А Fable 5 подавался как самая способная модель компании. Спустя две недели токийская Sakana AI выпустила Fugu с громкими заявлениями. Одно из них особенно разошлось: Sakana AI утверждает, что Fugu Ultra «стоит плечом к плечу с ведущими моделями вроде Fable 5 и Mythos Preview» на самых сложных отраслевых бенчмарках по инженерии, науке и рассуждениям — и без рисков, связанных с экспортным контролем. Гендиректор Дэвид Ха написал в X, что Fugu доказывает: взаимозаменяемый пул скоординированных агентов может соперничать с ограниченными передовыми моделями вроде Fable.

Проверить эти заявления непросто, потому что Fable 5 вовсе не фигурирует в таблице бенчмарков Fugu. Sakana исключает его на том основании, что он недоступен публично. Мы делаем всё, что можем: проверяем те немногие бенчмарки, которые присутствуют в опубликованных таблицах обеих лабораторий и имеют совпадающие базовые значения. И в завершение поговорим о ценах и ситуации с доступом

Если вам нужна справка по каждой системе отдельно, у нас есть соответствующие материалы: ознакомьтесь с нашей публикацией о Claude Fable 5 и разбором Sakana Fugu.

Что такое Sakana Fugu?

Sakana Fugu — это не одна обученная модель в обычном смысле. Это оркестратор: модель, которая получает ваш запрос, решает, отвечать ли напрямую или делегировать специалистам из пула моделей, управляет проверкой и синтезом и возвращает единый ответ через совместимый с OpenAI API. Снаружи вы обращаетесь к одной конечной точке; внутри работу выполняет скоординирированный набор передовых моделей.

Есть две версии. Fugu балансирует качество и низкую задержку и позиционируется как повседневный выбор для кодинга, ревью и интерактивных сервисов. Fugu Ultra координирует более глубокий пул экспертов-агентов и настроен на максимальное качество ответов в сложных многошаговых задачах — воспроизведение научных работ, анализ кибербезопасности, дата-сайенс в стиле Kaggle, патентные исследования.

Идея на самом деле состоит из двух идей.

\n
• Во-первых, обучаемая оркестрация: координатор обучается решать, когда делегировать и как комбинировать выходы, а не запускает жёстко прописанный конвейер.
\n
• Во-вторых, заменяемый пул агентов: когда новая передовая модель становится публично доступной, Sakana рассчитывает примерно за две недели интегрировать её. (Важно для остальной статьи: Fable 5 не входит в этот пул, потому что он недоступен публично.)
\n

Что такое Claude Fable 5?

Claude Fable 5 — это модель класса Mythos, то есть уровня, который Anthropic позиционирует выше класса Opus, сделанная безопасной для общего использования с помощью набора классификаторов. Это та же базовая модель, что и Claude Mythos 5; разница в том, что Fable 5 работает (работал) с активными классификаторами безопасности, тогда как в Mythos 5 часть из них снята, и он доступен только партнёрам Project Glasswing и отдельным исследователям в области биологии.

Anthropic утверждала, что Fable 5 показывает передовой уровень почти на каждом бенчмарке, который компания отслеживает, причём отрыв растёт на более длинных и сложных задачах. Ключевая практическая деталь: когда запрос касается кибербезопасности, биологии/химии или дистилляции моделей, двухступенчатый классификатор перенаправляет ответ на Claude Opus 4.8 и сообщает об этом пользователю. 

Sakana Fugu vs. Claude Fable 5: бенчмарки

Опубликованная сравнилельная таблица Sakana исключает Fable 5 и Mythos Preview, поскольку они недоступны публично и не могут входить в пул Fugu. Поэтому официальные цифры Fugu сравниваются с Opus 4.8, GPT-5.5 и Gemini 3.1 Pro — всё это вы видите в таблице ниже. По ним он выигрывает в 10 из 11 бенчмарков. 

Чтобы включить Fable 5 в картину, мы сопоставили бенчмарки, которые есть и в таблице Anthropic, и в таблице Sakana, и проверили совпадение общих базовых значений. В SWE-Bench Pro и Humanity's Last Exam (без инструментов) значения для Opus 4.8, GPT-5.5 и Gemini 3.1 Pro идентичны в обоих источниках — так что эти два сравнения корректны. Если свести лишь к двум системам, очная встреча выглядит так:

‡ Лаборатории приводят разные базовые значения и используют разные каркасы для TerminalBench, поэтому условия не идентичны.

Это единственные бенчмарки, по которым опубликованные результаты можно сравнить напрямую. Fable 5 лидирует во всех трёх.

Итак, на каждом бенчмарке, где возможно очное сравнение, Fable 5 опережает Fugu Ultra примерно на 6–9 пунктов. Это согласуется с тем, где Fable 5 задуман побеждать: в длительных задачах с оценкой по итоговому результату, где одна более сильная модель накапливает меньше суммарных ошибок.

В итоге:

\n
1. Все показатели Fugu — саморепорт и пока не появились на сторонних таблицах лидеров.
\n
2. Sakana описывает Fugu как «плечом к плечу» с Fable 5 и Mythos Preview. С учётом приведённых разрывов это трактовка допустимая, но щедрая. Точнее будет сказать: «близко, но позади».
\n
3. Наборы для сравнения пересекаются лишь частично. Fable 5 лидирует в задачах зрения (он может восстановить исходники веб‑приложения по скриншотам), на чём Fugu вовсе не делает акцента; Fugu публикует бенчмарки по длинному контексту и банкингу, которых нет в таблице Anthropic. То есть они оптимизированы под несколько разные типы работы.
\n

Sakana Fugu vs. Claude Fable 5: доступность и доступ

Доступ к Claude Fable 5 сейчас приостановлен. Anthropic отключила доступ к Fable 5 и Mythos 5 12 июня вслед за директивой правительства США об экспортном контроле и заявляет, что работает над как можно более скорым восстановлением доступа. Другие модели Anthropic, такие как Opus 4.8, по-прежнему доступны.

Sakana Fugu доступен уже сейчас через console.sakana.ai с API, совместимым с OpenAI, — кроме ЕС и ЕЭЗ, где Sakana приостановила доступность, пока дорабатывает соответствие GDPR. Точных сроков получить не удалось.

Сейчас европейской команде может быть недоступна ни одна из моделей.

Итоги

На бумаге это честное и близкое состязание двух философий.

Anthropic делает ставку на масштаб — одна модель класса Mythos настолько мощна, что ей требуется параллельная система классификаторов.

Sakana ставит на координацию — что обученный оркестратор поверх заменяемого пула сможет держаться на расстоянии удара от любой отдельной передовой модели, оставаясь при этом дешевле, устойчивее и независимее от провайдеров.

Если принять бенчмарки за данность, ставка Anthropic даёт более сильный артефакт на сопоставимых тестах, тогда как ставка Sakana — более доступный и дешёвый.