Sakana Fugu vs. Claude Fable 5: Prestanda, pris och mer

Sakana marknadsför Fugu som i nivå med Fable 5, men utesluter Fable 5 från sin egen benchmark-tabell. Så vi jämför modellerna sida vid sida så långt det faktiskt går.

Här är bakgrunden. USA:s regering stoppade allmän åtkomst till Claude Fable 5 knappt tre dagar efter att Anthropic lanserade den. Och Fable 5 beskrevs som deras mest kapabla modell. Nu, två veckor senare, har Tokyobaserade Sakana AI släppt Fugu med stora anspråk. Ett påstående i synnerhet har spridits: Sakana AI säger att Fugu Ultra ”står axel mot axel med ledande modeller som Fable 5 och Mythos Preview” på branschens svåraste tester inom teknik, vetenskap och resonemang, och utan någon exportkontrollrisk. Vd:n David Ha sade på X att Fugu bevisar att en utbytbar pool av orkestrerade agenter kan matcha begränsade frontier-modeller som Fable.

Det är lite svårt att verifiera påståendena eftersom Fable 5 inte finns med i Fugus benchmark-tabell alls. Sakana utesluter den med motiveringen att den inte är offentligt tillgänglig. Vi gör vad vi kan: Vi kontrollerar de få tester som finns i båda labbens publicerade tabeller med matchande baslinjer. Och för att runda av pratar vi om prissättning och åtkomstläget

Om du vill ha bakgrund om systemen var för sig har vi bloggar om det: läs vår genomgång av Claude Fable 5 och vår text om Sakana Fugu.

Vad är Sakana Fugu?

Sakana Fugu är inte en enskild tränad modell i vanlig mening. Det är en orkestrator: en modell som tar emot din förfrågan, avgör om den ska svara direkt eller delegera till specialistmodeller i en pool, hanterar verifiering och syntes och returnerar ett svar via ett OpenAI-kompatibelt API. Utifrån anropar du en endpoint; under huven gör en koordinerad uppsättning frontier-modeller jobbet.

Den levereras i två varianter. Fugu balanserar kvalitet med låg latens och är positionerad som vardagsstandard för kodning, granskning och interaktiva tjänster. Fugu Ultra koordinerar en djupare pool av expertagenter och är trimmad för maximal svarskvalitet på svåra problem i flera steg — reproduktion av artiklar, cybersäkerhetsanalys, Kaggle-liknande data science, patentutredningar.

Idén är egentligen två idéer.

• För det första, inlärd orkestrering: koordinatorn tränas för att avgöra när den ska delegera och hur den ska kombinera utdata, i stället för att köra en handkodad pipeline.
• För det andra, en utbytbar agentpool: när en ny frontier-modell blir offentligt tillgänglig räknar Sakana med att lägga ungefär två veckor på att vika in den. (Viktigt för resten av artikeln: Fable 5 finns inte i den poolen eftersom den inte är offentligt tillgänglig.

Vad är Claude Fable 5?

Claude Fable 5 är en modell i Mythos-klassen, vilke tär en nivå som Anthropic placerar över sin Opus-klass, gjord säker för allmänt bruk genom en uppsättning klassificerare. Det är samma underliggande modell som Claude Mythos 5; skillnaden är att Fable 5 kör (körde) med säkerhetsklassificerare aktiva, medan Mythos 5 har några av dem borttagna och är begränsad till Project Glasswing-partner och utvalda biologiforskare.

Anthropics påstående var att Fable 5 var state of the art på nästan varje benchmark Anthropic följer, med ett försprång som växer på längre, mer komplexa uppgifter. Den praktiska huvuddetaljen: när en fråga berör cybersäkerhet, biologi/kemi eller modell-destillering, omdirigerar en tvåstegs-klassificerare svaret till Claude Opus 4.8 och meddelar användaren att den gjort det. 

Sakana Fugu vs. Claude Fable 5: Prestandatester

Sakanas publicerade jämförelsetabell utesluter Fable 5 och Mythos Preview, med motiveringen att de inte är offentligt tillgängliga och därför inte kan ingå i Fugus pool. Så Fugus officiella siffror mäts mot Opus 4.8, GPT-5.5 och Gemini 3.1 Pro, vilka du ser i tabellen nedan. Du kan se att den vinner på 10 av 11 tester. 

För att få in Fable 5 i bilden korsrefererade jag de tester som finns i både Anthropics och Sakanas tabeller, och kontrollerade att de gemensamma baslinjerna stämmer. På SWE-Bench Pro och Humanity's Last Exam (inga verktyg) är siffrorna för Opus 4.8, GPT-5.5 och Gemini 3.1 Pro identiska i båda källorna — så de två jämförelserna är rena. Nermatat till bara de två systemen ser det ut så här:

‡ De två labben rapporterar olika baslinjer och använder olika ställningar för TerminalBench, så förutsättningarna är inte identiska.

Detta är de enda testerna vi hittade där de publicerade resultaten är direkt jämförbara. Fable 5 leder alla tre.

Så, på varje test där en sida vid sida är möjlig kommer Fable 5 ut före Fugu Ultra med ungefär 6–9 poäng. Det stämmer med där Fable 5 är byggd för att vinna, nämligen på långhorisontuppgifter som bedöms i slutet, där en enskilt starkare modell ackumulerar färre sammansatta fel.

Sammanfattningsvis:

1. Alla Fugu-siffror är självrapporterade och har ännu inte dykt upp på tredjepartslistor.
2. Sakana beskriver Fugu som ”axel mot axel” med Fable 5 och Mythos Preview. Givet gapen ovan är det en försvarbar men generös tolkning. ”Nära, men efter” är mer träffande.
3. Jämförelseseten överlappar bara delvis. Fable 5 leder på vision (den kan återskapa en webbapps källkod från skärmdumpar), vilket Fugu inte alls betonar; Fugu publicerar tester för lång kontext och bank som Anthropics tabell inte täcker. De är alltså optimerade för delvis olika typer av arbete.

Sakana Fugu vs. Claude Fable 5: Tillgänglighet och åtkomst

Claude Fable 5 är för närvarande avstängd. Anthropic drog tillbaka åtkomsten till både Fable 5 och Mythos 5 den 12 juni efter ett amerikanskt exportkontrollbeslut, och säger att de arbetar för att återställa åtkomsten så snart som möjligt. Anthropics andra modeller, som Opus 4.8, är fortfarande tillgängliga.

Sakana Fugu är tillgänglig nu via console.sakana.ai med ett OpenAI-kompatibelt API — utom i EU och EES, där Sakana har pausat tillgängligheten medan de arbetar igenom GDPR-efterlevnad. Jag kunde inte få en exakt tidsplan för det.

Just nu kan ett europeiskt team kanske inte använda någon av modellerna.

Avslutande tankar

På pappret är detta en jämn, genuin kamp mellan två filosofier.

Anthropic tänker i termer av skala — en Mythos-klassad modell så kapabel att den behöver ett parallellt klassificerarsystem.

Sakana satsar på koordinering — att en tränad orkestrator över en utbytbar pool kan hålla sig inom slagavstånd från vilken enskild frontier-modell som helst samtidigt som den är billigare, mer robust och leverantörsoberoende.

Tittar man på testerna rakt av säger de att Anthropics satsning ger den starkare artefakten på de jämförbara testen, medan Sakanas ger den mer tillgängliga och billigare.