话说回来，

东京的 Sakana AI 在最近发布了 Fugu。一个声称可以在不训练任何前沿大模型的情况下利用现成模型池实现单模型级别表现的新程序。Fugu 的出现让人们对「多模型编排」与「多 Agent 编排」这两者的区别有了更清晰的认知。

一、背景：Sakana AI 是谁？

Sakana AI 成立于 20xx 年，是东京一家以进化式自然启发为主要理念的前沿 AI 公司。话说回来，联合创始人之一 Llion Jones 曾参与《Attention Is All You Need》论文。公司主张“智能源于资源匮乏”。所以倾向于让小而专的模型协作，而非训练巨型通用模型。

其代表性工作包括：进化式模型合并、The AI Scientist、还有多模型协同推理框架 AB-MCTS。202x 年完成 B 轮融资，估值约 xx 亿美元。投资方包括 Google、MUFG 等。

二、Fugu 的主要原理

官方将 Fugu 定义为“一种行为像单个模型的多 Agent 程序”。使用者只需调用一个 endpoint，Fugu 会是直接回答还是召集专家模型完成子任务。怎么说呢，

Fugu 本身是一个已训练好的语言模型。 学会“何时委派”“如何让不同角色间沟通”。 按理说，它内部拆解为四大模块：

• 模型选择
• 任务委派
• 验证
• 合成

其决策链基于两篇 ICLR 论文：

• Trinity: 用进化方法得到轻量协调器。将参与者分为 Thinker、Worker、Verifier 三种角色，根据任务类型自适应分配。
• Conductor: 用强化学习训练自然语言协调策略，使不同风格的模型互相沟通并超过单一最佳表现。

性能与产品定位

Fugu: 强调低延迟与高性能，适用于交互式服务和日常使用。

Fugu Ultra: 着重最高答案质量。面向复杂多步任务，如研究、安全分析、代码审查等。老实说，

三、多 LLM 编排 vs 多 Agent 编排：到底有什么区别？

根本不同点是被编排单元

"多 LLM 编排在编排“思考”，而“多 Agent 编排”则在编排“行动”。如果你的程序只需要产生文本答案，即使它自称 multi‑agent。也可能只是简单的多 LLM 调度；如果需要真正执行操作，则属于完整的 Agent 程序。

User Pain Points 对比表格：

• ✔# 简化选择:    难以决定每个功能块该用哪个大型或小型模型？方法：Fugu 自动路由到最合适专家。
• ✔# 成本与延迟:    单一大模成本高且响应慢？方法：组合轻量级专家可显著减少成本与延迟，同时保持甚至提高质量。
• ✔# 可维护性:   p 难以维护多个独立 Agent？  p 方法：保持现有 Agent 独立。只给其“脑”换上 Fugu 的动态路由功能即可，无需改造底层执行逻辑。
• ✔# 安全 & 可审计:   担心动态路由导致不可追踪行为？方法：对关键步骤固定使用已知安全可信的代理；仅在无副作用步骤使用 Fugu 动态路由。
• ✔# 可插拔性: nbspp 想快速切换供应商或升级模式？说起来， p Fugu 的热插拔机制支持随时替换底层模型。无缝切换供应商，

I自己正在建立一个完整的 Multi-Agent 自动化网站，由顶层指挥者负责拆分需求并派发给各项目编码 agent 与运营 agent。每个 agent 都能真正写代码、跑命令，并产生可见结果。引入 Fugu 后我发现：

• *把按角色配模策略下沉*: 原先需要手动指定 “轻量频繁任务用小模。中频任务用中模，大型分析用大模”，现在交给 Fugu 动态决策，可省去大量手工配置时间和错误概率。
• *统一“脑”后可压缩 agent 数量*: 原来因想利用不同模型强项而拆开的几个代理。现在可以通过一个共享 Brain 接口完成，一样能得到最佳答案，从而减少维护成本和程序复杂度。
• *提高每位成员思考质量*: 每次查询不再是 “问一个静态模型”。而是 “让一组经过协同决策的专家快速回答”，整体答案水平提高约 X%。这正好满足对质量要求极高场景。
• *未能收编之处*：
  • - **权限隔离**：不同项目或团队必须保持独立的数据访问权限，无法通过动态路由打破隔离区块。
  • - **不可逆操作**：发布到生产环境、写入数据库等不可逆动作仍需固定可靠代理，以保证审计和回滚能力。
  • - **工具格式兼容**：若底层工具调用接口不一致。即使使用同一调度器也可能导致错误，需要标准化工具调用协议。
  -->

*实战建议*

识别无副作用思考步骤选题调研、数据分析等可直接交给 Fugu；设定固定代理 对所有可能产生外部影响的操作，只使用经过审核且可追踪的一致性高模；说起来，保持工具统一规范 确保所有被委托代理都遵循相同输入输出格式。以避免因版本差异导致调用失败；老实说，合理选档 在日常业务中采用标准档；遇到复杂、多步挑战再切换至 Ultra 档或完全采用 Multi-Agent 框架。

Fugu 是一种“带了 agentic 协调器的多 LLM 编排程序”。它把"思考"这一块从人工挑选变为自动匹配，让你拥有更高效、更灵活、更易维护的智能推理能力。但如果你的业务强调严格权限控制、不可逆操作或需要真实世界交互。那么仅靠 Fugu 无法替代完整 Multi-Agent 架构——这两者应当视作光谱上的连续体，而非彼此替代关系。

参考文献 & 开源复刻：

• Sakana 官方发布 : sakana.ai/fugu-release…
Trinity 論文 : arxiv.org/abs/… Conductor 論文 : arxiv.org/abs/… AB‑MCTS : sakana.ai/ab-mcts/ 技术报告 : arxiv.org/abs/… OpenFugu 开源实现 : github.com/trotsky1997…