Tokyo merkezli bir girişim yapay zekâ koordinasyonunu sınamaya hazırlanıyor
TOKYO, 17 Temmuz 2026. Sakana AI, tek bir arayüzün arkasında önde gelen birkaç sistemi koordine eden Fugu hizmetiyle giderek daha büyük yapay zekâ modelleri geliştirme yarışına meydan okuyor. 22 Haziran'da tanıtılan platform, bir görevi hangi modellerin üstleneceğine, çalışmalarını nasıl kontrol edeceğine ve yanıtlarını nasıl birleştireceğine karar vermek için tahminen yaklaşık 7 milyar parametreli merkezi bir koordinatör kullanıyor.
İçindekiler
- Tokyo merkezli bir girişim yapay zekâ koordinasyonunu sınamaya hazırlanıyor
- Sakana AI neden farklı bir yol izliyor?
- Tek bir isteğin arka planında neler oluyor?
- Orkestra şefinin ardındaki araştırma
- Kıyaslama puanları ne gösteriyor?
- Yaklaşık 500 beta kullanıcısı ne bildirdi?
- Farklı kontrollere sahip iki paket
- Fiyatlandırma, kullanım ve Avrupa'daki erişim boşluğu
- Bir model sağlayıcısına erişimin kaybedilmesine karşı dayanıklılık
- Fugu yapay zekâ geliştirme sürecini nasıl değiştirebilir?
- Öne çıkanlar
Sakana AI, ücretli hizmeti Fugu Ultra'nın gerçek yazılım depolarındaki hataları düzeltmeyi ölçen SWE-Bench Pro testinde 73,7 puan aldığını; Claude 4.8 Opus'un 69,2, GPT-5.5'in ise 58,6 puanda kaldığını belirtiyor. Bağımsız doğrulama henüz sınırlı olsa da şirket, farklı bir gelişmiş yapay zekâ yaklaşımını savunurken bu sonuçlardan ve yaklaşık 500 beta kullanıcısının geri bildirimlerinden yararlanıyor.
Japoncada balon balığı anlamına gelen Fugu, geliştiricilere tek bir model gibi görünüyor. Bu arayüzün arkasında OpenAI, Anthropic ve Google'ın modellerini de içeren uzmanlaşmış yapay zekâ sistemlerinden oluşan bir ekibi düzenleyebiliyor. Temel önerisi basit: Daha küçük bir sistem, her yeteneği kendi içinde barındırmak yerine hangi sistemlerden yardım isteyeceğini bilerek güçlü sonuçlar elde edebilir.
Lansman, yanıt kalitesinin ötesindeki bir iş kaygısına da yanıt veriyor. Anthropic, haziran ayının başlarında ABD hükümetinin ihracat kontrolü kararı üzerine Claude Mythos 5 ve Claude Fable 5'e kamu erişimini aniden iptal etti. Bu modeller etrafında iş akışları kuran uluslararası geliştiriciler bir anda erişimlerini kaybetti. Sakana AI, hizmetin altyapısındaki sağlayıcıları değiştirebilme gerekçeleri arasında bu tür kesintileri açıkça gösteriyor.
Dolayısıyla Fugu birbiriyle bağlantılı iki hedef taşıyor: Zorlu görevlerde tekil öncü modellerle rekabet etmek ve müşterilerin farklı sağlayıcılara dağıtılmış bir bağımlılık kurmasını sağlamak. Ticari cazibesi, koordinasyonun ne kadar iyi işlediğine, ne kadara mal olduğuna ve hangi modellerin kullanılabilir kaldığına bağlı.
Sakana AI neden farklı bir yol izliyor?
OpenAI, Anthropic, Google ve diğer önde gelen geliştiriciler, büyük ölçüde daha büyük temel modeller, daha fazla eğitim verisi ve daha yüksek işlem gücüyle ilerlemeyi hedefledi. Temel model, pek çok uygulamaya güç verebilen genel amaçlı bir yapay zekâ sistemidir. Parametreler ise modelin yanıtlarını şekillendiren ve eğitim sırasında öğrenilen sayısal ayarlardır.
Bu yaklaşım; baro sınavlarını geçebilen, gelişmiş kodlar yazabilen ve uzun akıl yürütme süreçleri yürütebilen sistemler ortaya çıkardı. Aynı zamanda en güçlü modellere erişimi bir avuç ABD'li sağlayıcının elinde topladı. İhracat kontrolleri, şirket politikalarındaki değişiklikler ve jeopolitik anlaşmazlıklar erişimi hızla değiştirebilir ve başka yerlerdeki işletmeleri risk altında bırakabilir.
Eski Google Brain araştırmacısı David Ha ile Llion Jones'un 2023'te kurduğu Sakana AI, bunun yerine kolektif zekâ yaklaşımını izliyor. Jones, modern dil modellerinin temelindeki mimarinin yerleşmesine yardımcı olan 2017 tarihli Attention Is All You Need makalesinin ortak yazarlarından biri. Kamuya açık bilgilere göre Japonya'nın büyük bankaları ve çip üreticisi Nvidia, yaklaşık 30 milyar yen değerindeki bir yatırım turuna destek verdi.
Bu kaynaklar, Tokyo merkezli girişimin çok daha büyük şirketlerle, onların tüm eğitim stratejisini yeniden üretmeye çalışmadan rekabet edebilmesine imkân tanıyor. Sakana AI, trilyon parametreli bir model geliştirmek yerine başka yerlerde zaten mevcut olan yetenekleri bir araya getiren daha küçük bir koordinatör tasarladı.
Mevcut lansmana giden gelişmeler birkaç tarihe yayılıyor:
- 2017: Llion Jones, Attention Is All You Need makalesinin ortak yazarlarından biri oldu.
- 2023: David Ha ve Jones, Sakana AI'ı kurdu.
- 2026: Trinity ve Conductor araştırma makaleleri, Uluslararası Öğrenme Temsilleri Konferansı'nda sunuldu.
- Haziran 2026'nın başları: Anthropic, ABD'nin ihracat kontrolü kararı sonrası Claude Mythos 5 ve Claude Fable 5'e kamu erişimini iptal etti.
- 22 Haziran 2026: Sakana AI, Fugu'yu tanıttı.
- Temmuz 2026 sonu: Ücretsiz ikinci ay sunan abonelik kampanyasına katılmak için son tarih.
Tek bir isteğin arka planında neler oluyor?
Geliştirici, OpenAI standartlarıyla uyumlu bir uygulama programlama arayüzü (API) üzerinden Fugu'ya istek gönderiyor. API, yazılımların başka bir hizmetten iş talep etmek için kullandığı bağlantıdır. Bu tanıdık arayüz sayesinde Fugu, koordine edilmiş bir iş akışını tek bir dil modeline yapılan çağrıymış gibi sunabiliyor.
Sakana AI, merkezi modeli pekiştirmeli öğrenmeyle eğitilmiş bir orkestra şefi olarak tanımlıyor. Model isteği inceliyor ve doğrudan yanıt verip vermeyeceğine ya da görevin parçalarını uzmanlaşmış ajanlara dağıtıp dağıtmayacağına karar veriyor. Çoğu durumda orkestra şefi, son yanıtı tek başına üretmek yerine çalışmayı düzenliyor.
Birbiriyle değiştirilebilir ajan havuzunda OpenAI, Anthropic ve Google'ın öncü modellerinin yanı sıra Fugu'nun kendi örnekleri de yer alıyor. Öncü modeller, mevcut yeteneklerin sınırında bulunan en gelişmiş sistemlerdir. Bu bağlamda ajan, daha büyük bir iş akışında belirli bir görevi üstlenen modeldir.
Koordinatör bir ustabaşı gibi çalışıyor: Yapılması gerekenleri değerlendiriyor, uygun çalışanları görevlendiriyor, çıktılarını denetliyor ve sonucu bir araya getiriyor. Böylece geliştirici tek ve tutarlı bir yanıt alsa da karmaşık bir istek birkaç sistemi devreye sokabiliyor.
Fugu daha küçük görevleri kendisine de geri yönlendirebiliyor. Bu yinelemeli yetenek, bir sorun uzun analiz gerektirdiğinde birden fazla akıl yürütme katmanı oluşturuyor. Tasarım, koordinatörün yüz milyarlarca parametreli öncü modellerin ansiklopedik bilgisini içermesini gerektirmeden, istenen karmaşıklıktaki iş akışlarını yönetmeyi amaçlıyor.
Sakana AI'ın savı, örgütsel zekânın daha küçük bir modeli tamamlayabileceği yönünde. Koordinatörün çevresindeki yetenekleri nasıl kullanacağını bilmesi gerekiyor; uzman sistemler ise bilgi ve uygulama işlerinin büyük kısmını sağlıyor.
Orkestra şefinin ardındaki araştırma
2026 Uluslararası Öğrenme Temsilleri Konferansı'nda sunulan iki makale, araştırmanın temelini oluşturuyor: Trinity: An Evolved LLM Coordinator ve Learning to Orchestrate Agents in Natural Language with the Conductor.
Trinity, görev geliştikçe koordinatörün ajan yapıları oluşturup değiştirdiği bir evrimsel hesaplama çerçevesi sunuyor. Evrimsel hesaplama, daha iyi işleyen düzenlemeleri bulmak için olası çözümleri inceliyor ve değiştiriyor. Bu yaklaşım, burada farklı yapay zekâ ajanlarının nasıl örgütlenmesi gerektiğini belirlemeye yardımcı oluyor.
Trinity, Thinker, Worker ve Verifier gibi roller belirliyor. Thinker'lar görevin gerekliliklerini analiz ediyor, Worker'lar belirli hesaplamaları yapıyor, Verifier'lar ise çıktıların doğruluğunu ve tutarlılığını inceliyor. Bu roller, aynı iş akışında planlama, uygulama ve denetimi birbirinden ayırıyor.
Conductor, bu yaklaşımı derin pekiştirmeli öğrenmeyle geliştiriyor. Bu, sistemin eylemlerine ilişkin geri bildirimler yoluyla strateji öğrendiği bir eğitim yöntemi. Koordinatör; ne zaman görev devredeceğini, ne zaman doğrudan yanıt vereceğini, ajanların nasıl iletişim kuracağını ve çıktılarının nasıl birleştirileceğini öğreniyor.
Ortaya çıkan iş akışı, önceden yazılmış sabit bir dizi yerine uyarlanabilir nitelikte. Sakana AI, sistemin deneyim yoluyla koordinasyon stratejileri geliştirdiğini ve tasarımcıların önceden öngöremediği yeni görev türlerini ele alabildiğini belirtiyor. Araştırma, görev devretme yeteneğinin de öğrenilmesini amaçlıyor.
Kıyaslama puanları ne gösteriyor?
Sakana AI'ın yayımladığı değerlendirmelerde Fugu Ultra, SWE-Bench Pro'da karşılaştırılan modellerin önünde yer alıyor. 73,7 puanı, Claude 4.8 Opus'un 69,2 puanını 4,5 puanla, GPT-5.5'in 58,6 puanını ise 15,1 puanla aşıyor. Test, yapay zekâ sistemlerinden gerçek yazılım depolarındaki hataları bulup düzeltmelerini istiyor; bu da testi hizmetin öne çıkan kullanım alanlarından biri açısından anlamlı kılıyor.
Şirket; soru yanıtlama, kodlama, bilgisayar işlemleri ve zorlu akıl yürütme alanlarında da puanlar paylaşıyor:
- GPQA-Diamond: Basit internet aramalarına dirençli olacak şekilde tasarlanmış, lisansüstü düzeyde sorulardan oluşan testte 95,5.
- LiveCodeBench: Kodlama kıyaslamasında 93,2.
- TerminalBench 2.1: Sistem yönetimi yeteneklerini değerlendiren kıyaslamada 82,1.
- Humanity's Last Exam: Zorlu bir akıl yürütme testinde 50,0.
Bu sonuçların bağımsız doğrulaması henüz sınırlı. Test koşulları, istemlerin yazımında kullanılan teknikler ve tanınan deneme sayısı puanları etkileyebilir. Yapay zekâ sektöründe ayrıca, görevlerin ve çalışma koşullarının değiştiği gerçek üretim ortamlarında tekrarlanması zor kıyaslama sonuçları da görüldü.
Şirketin açıkladığı farklı sonuçlar, orkestrasyonun çeşitli alanlarda tekil öncü modellerle rekabet edebildiğini ve bazı alanlarda daha iyi performans gösterdiğini ortaya koyuyor. Bu avantajın ne kadar ileri gideceğini, sürekli dış denetim ve müşterilerin gerçek iş akışlarındaki performans belirleyecek.
Alıcılar için önemli karşılaştırma, yanıt kalitesini yanıtı üretmek için gereken süre ve işlem kaynaklarıyla birlikte değerlendirmek. Bir sorun üzerinde birkaç modelin çalışmasını isteyen sistem daha fazla sorunu bulabilir; ancak daha basit bir isteğe kıyasla daha uzun sürebilir ve daha fazla kaynak tüketebilir.
Yaklaşık 500 beta kullanıcısı ne bildirdi?
Yaklaşık 500 beta kullanıcısı, uzun ve karmaşık iş akışlarına odaklanan genişletilmiş önizleme sürecinde Fugu'yu kullandı. Yazılım geliştirme alanındaki geri bildirimler, özellikle temel modellerin gözden kaçırdığı sorunları bulma becerisi olmak üzere, Fugu Ultra'nın kod incelemelerindeki titizliğine odaklandı.
Beta programına katılan bir mühendis Sakana AI'a, temel modellerin belirli bir kod tabanında genellikle yaklaşık üç sorun işaretlediğini, Fugu'nun ise yirmiden fazla sorun bulduğunu söyledi. Mühendis, sistemin ayrıntılı açıklamalar ve sorunları çözmeye yönelik adımlar da sunduğunu belirtti.
Beta kullanıcısı, kod incelemesinde Fugu Ultra'yı tercih ettiğini şöyle anlattı:
Kod incelemesinde Fugu Ultra, GPT-5.5'ten daha iyi. Kapsamlı yanıtlar veriyor ve diğerlerinin gözden kaçırdığı hataları buluyor. Artık tüm incelemelerimi bu modele yaptırıyorum.
Siber güvenlik ekipleri de kapsamlı sızma testi süreçlerini otomatikleştirmek için Fugu Ultra'yı kullandı. Sızma testi, bir sistemdeki zayıflıkları bulmak için yapılan yetkili bir girişimdir. İnsan operatör testin kapsamını belirledi; hizmet ise keşif yaptı, açıkları sınadı, kimlik doğrulama mekanizmalarını inceledi ve rapor hazırladı.
Güvenlik çalışmaları, XSS ve SQL enjeksiyonu kontrollerini de içerdi. XSS, bir web sitesinin istenmeyen komut dosyalarını çalıştırmasına yol açmayı; SQL enjeksiyonu ise bir uygulamanın giriş alanları üzerinden veri tabanı komutlarını manipüle etmeyi içeriyor. Fugu'nun nihai raporlarında kanıtlar ve onarımlardan sonra yeniden test için gereken kesin adımlar yer aldı.
Beta katılımcıları, sistemin kapsamlılığını korurken çalışma sınırları içinde kaldığını ve yıkıcı eylemlerden kaçındığını belirtti. Kurumsal yöneticiler ayrıca kişilik istikrarına dikkat çekti: Fugu, diğer modellerde çoğu zaman önceki bağlamın zayıflaması, yani ilk talimat ve bilgilerin daha az hatırlanması görülen uzun oturumlarda tutarlı bir kimliği ve odağı korudu.
Farklı kontrollere sahip iki paket
Sakana AI, standart Fugu ve Fugu Ultra'yı OpenAI standartlarıyla uyumlu tek bir API uç noktası üzerinden satıyor. İki paket, hız, kalite ve müşteri kontrolü arasında farklı dengeler sunuyor.
Standart Fugu, düşük gecikmeli üretim görevleri için optimize edildi. Gecikme, istekte bulunmakla yanıt almak arasındaki süredir. Kullanıcıların neredeyse anında yanıt beklediği etkileşimli sohbet botları, canlı kodlama desteği ve Codex gibi kod inceleme araçları, hedeflenen kullanım alanları arasında.
Standart paket, müşterilerin belirli altyapı ajanlarını yönlendirme havuzundan elle çıkarmasına izin veriyor. Katı gizlilik veya veri yönetişimi kurallarına tabi kuruluşlar, bu kontrol sayesinde orkestrasyon hizmetini kullanmaya devam ederken hassas bilgilerin belirli sağlayıcılara ulaşmasını önleyebiliyor.
Fugu Ultra, çok sayıda akıl yürütme adımı içeren zorlu görevlerde yanıt kalitesini önceliklendirmek üzere tasarlandı. Sakana AI, akademik makaleleri yeniden üretme, patent araştırmaları, ileri düzey veri bilimi iş akışları ve kapsamlı güvenlik denetimlerini hedeflenen kullanım alanları arasında sayıyor.
Ultra, daha derin ve sabit bir uzman ajan havuzu kullanıyor; bu nedenle müşteriler standart hizmette olduğu gibi tek tek ajanları devre dışı bırakamıyor. Güncel model tanımlayıcısı fugu-ultra-20260615. Daha yoğun koordinasyon, gecikmeyi ve token tüketimini artırıyor. Sakana AI, doğruluğun kritik olduğu uygulamalarda bu ödünleşimin karşılığını verdiğini savunuyor.
Bu fark, düzenlemeye tabi işletmeler açısından önem taşıyor. Standart Fugu, hangi ajanların bir görevi alabileceğini denetleme imkânı sunarken Ultra, daha kapsamlı çalışmalar için sabit bir yapı kullanıyor. Müşterilerin bu seçenekleri, bilgi işleme kuralları ve yavaş yanıtlara toleranslarıyla birlikte değerlendirmesi gerekiyor.
Fiyatlandırma, kullanım ve Avrupa'daki erişim boşluğu
Fugu Ultra'nın fiyatı, milyon girdi tokenı başına 5 dolar ve milyon çıktı tokenı başına 30 dolar. Tokenlar, bir modelin işlediği metin birimleridir; sözcüklerin veya sözcük parçalarının her biri token olabilir. Girdi tokenları sisteme gönderilen içeriği, çıktı tokenları ise sistemin yanıtını kapsar.
272.000 tokenı aşan bağlamlarda fiyatlar iki katına çıkıyor. Bağlam, istek ve destekleyici materyaller dahil olmak üzere sistemin çalışırken erişebildiği bilgileri ifade ediyor. Bu uzunluklarda listelenen fiyatlar, milyon girdi tokenı başına 10 dolara ve milyon çıktı tokenı başına 60 dolara yükseliyor.
Abonelik planları aylık 20 ila 200 dolar arasında değişiyor. Temmuz 2026 sonuna kadar abone olan müşteriler, seçtikleri pakette ikinci ayı ücretsiz alıyor. Hizmet, her istek için token kullanımını ve buna bağlı maliyetleri raporluyor; böylece mühendislik ve finans ekipleri harcamaları gerçek zamanlı izleyebiliyor.
Sakana AI, faaliyetlerini Genel Veri Koruma Tüzüğü'yle (GDPR) uyumlu hâle getirmek için çalışmalarını sürdürürken Fugu'yu Avrupa Birliği ve Avrupa Ekonomik Alanı dışında küresel olarak kullanıma sunuyor. Bu pazarlarda ne zaman erişilebilir olacağına ilişkin bir tarih açıklanmadı. Kısıtlama, platformun lansman sırasındaki uluslararası erişimini daraltıyor.
Maliyet kontrolü, Ultra'nın hedeflediği iş yükleri için özellikle önemli. Uzun araştırmalar ve tekrarlanan kontroller ciddi işlem kaynakları kullanabilir. Bu nedenle daha kapsamlı bir incelemenin belirli bir görev için değerli olup olmadığına karar verirken yanıtın maliyeti de hesaba katılmalı.
Bir model sağlayıcısına erişimin kaybedilmesine karşı dayanıklılık
Anthropic'in haziran ayında Claude Fable 5 ve Claude Mythos 5'e kamu erişimini kapatması, uluslararası müşteriler için sağlayıcı bağımlılığını somut bir sorun hâline getirdi. Bu sistemler etrafında kurulan iş akışları bir gecede erişimini kaybederek satın alma ekiplerini acil bir yedek çözümden yoksun bıraktı.
Sakana AI, Fugu'yu bu tür kesintilere karşı bir güvence olarak sunuyor. Yönlendirme mimarisi, çalışmaları erişilemeyen veya kısıtlanan sağlayıcılardan başka modellere aktarabiliyor. Şirket, Anthropic sistemlerine erişim kesilirse iş yüklerinin OpenAI, Google veya açıkça kullanılabilen alternatiflere aktarılabileceğini belirtiyor.
Bir görevde özellikle başarılı olan yeni bir model de müşterilerin uygulamalarını başka bir API'ye göre yeniden yazmasını gerektirmeden havuza eklenebiliyor. Sakana AI, arka planda işi yapan sistemleri değiştirirken müşteri aynı arayüzü kullanmayı sürdürüyor.
Şirket bu esnekliği, yapay zekâ yeteneklerine erişim üzerinde daha fazla denetim anlamına gelen yapay zekâ egemenliği kavramıyla ilişkilendiriyor. Ekonomik ve ulusal güvenlik kaygıları nedeniyle bütünüyle ABD'li öncü sistemlere bağımlılık, Japon işletmeleri ve kamu kurumları için yerel yetenekleri stratejik öncelik hâline getirdi.
Yerel destek ve bölgesel veri işleme seçenekleri sunan Tokyo merkezli bir sağlayıcı, teknoloji tedarikçilerini çeşitlendirmek isteyen alıcılar için farklı bir teknik yaklaşım da vadediyor. Sakana AI'ın büyük Japon finans kuruluşlarından aldığı destek bu konumunu güçlendiriyor.
Yine de Fugu, etrafından dolaşmak üzere tasarlandığı ABD'li sağlayıcılara büyük ölçüde bağımlı. GPT, Claude ve Gemini'ye erişim aynı anda kesilirse, iddia edilen öncü sonuçları destekleyen sistemlerden yoksun kalır. Daha kapsamlı bağımsızlık, bu sistemlerin seviyesine ulaşabilen yerel veya açık modeller gerektiriyor; ancak böyle bir ekosistem henüz geniş ölçekte mevcut değil.
Eleştirmenler ayrıca Fugu'nun açık bir çerçeve değil, tescilli ve ticari bir hizmet olduğuna dikkat çekiyor. Müşteriler, farklı bir iş modeline sahip başka bir sağlayıcıya bağımlılığı kabul ederek ilişkilerini Sakana AI'a taşıyor. Pratik fayda, tek bir arayüzün arkasında çeşitlilik sağlanması; bunun karşılığında arayüzün çalışır durumda kalmasından sorumlu yeni bir hizmet sağlayıcısı devreye giriyor.
Fugu yapay zekâ geliştirme sürecini nasıl değiştirebilir?
Yapay zekâ geliştirme çalışmaları son on yılın büyük bölümünde ölçeklendirme varsayımını izledi: Daha fazla parametre, daha fazla veri ve daha fazla işlem gücü daha iyi sonuçlar sağlıyor. Bu strateji etkileyici yetenekler ortaya çıkarırken, giriş maliyetlerini yalnızca en zengin şirket ve hükümetlerin kolayca karşılayabileceği seviyelere çıkardı.
Öncü bir temel modelin eğitimi yüz milyonlarca dolara mal oluyor ve kendisi de ihracat kısıtlamalarına tabi olan özel donanımlar gerektiriyor. Sakana AI'ın yaklaşımı, odağı mevcut modellerin nasıl örgütlendiğine ve ne kadar verimli kullanıldığına kaydırıyor.
Özellikle görev devretmek üzere eğitilmiş, görece küçük bir koordinatör; daha sınırlı bütçelere sahip kuruluşlara sıfırdan GPT sınıfı bir temel model eğitmeden güçlü sistemler kurma imkânı sunabilir. Rekabetin temel sorusu, mimari tasarım ve koordinasyonun işletme maliyetlerini haklı çıkaracak kadar ek değer sağlayıp sağlayamayacağı.
Araştırmacılar, işi uzmanlaşmış bileşenlere dağıtan çok ajanlı sistemleri ve uzman karışımlarını uzun süredir inceliyor. Fugu, tekil öncü modellere doğrudan bir alternatif olarak sunulan ilk öne çıkan ticari uygulamalardan biri. Fugu'nun performansı, yatırımların temel model ölçeklendirmenin yanı sıra koordinasyon teknolojilerine de yönelip yönelmeyeceğini etkileyebilir.
Beta geri bildirimleri özellikle kod incelemesi ve güvenlik denetimine işaret ediyor. Bu görevler birçok adıma yayılıyor ve titiz kontrol gerektiriyor. Dağıtık çalışma, bu iş akışlarına tek model çağrısından hızlı yanıt bekleyen uygulamalardan daha fazla katkı sağlayabilir.
Fugu'nun sınırlamaları da bu hesabın bir parçası. Karmaşık koordinasyon gecikmelere yol açıyor ve bu da milisaniyeler içinde yanıt gerektiren uygulamalar için hizmeti uygunsuz hâle getirebiliyor. Yoğun görevler ciddi işlem kaynakları tüketiyor; yönlendirmenin şeffaf olmaması da müşterilerin verilerini hangi temel modelin işlediğini bilmelerini zorlaştırabiliyor.
Sakana AI bu kısıtları kabul ederken analitik ve mühendislik iş yüklerinde faydalarının bunlara değdiğini savunuyor. 17 Temmuz itibarıyla şirketin savunusu; şirketin açıkladığı kıyaslama sonuçlarına, beta geri bildirimlerine ve sağlayıcılar arasında geçiş yapabilmenin değerine dayanıyor. Temel sınama, bu birleşimin müşterilerin kabul edebileceği maliyet ve hızda güvenilir kalite sunup sunmadığı.
Öne çıkanlar
- Sakana AI, 22 Haziran 2026'da tahminen yaklaşık 7 milyar parametreli bir koordinatör kullanarak diğer yapay zekâ modellerini düzenleyen Fugu'yu tanıttı.
- Hizmet, ICLR 2026'da sunulan Trinity ve Conductor araştırma makalelerinden yararlanıyor ve yinelemeli görev devrini destekliyor.
- Sakana AI, Fugu Ultra'ya SWE-Bench Pro'da 73,7 puan veriyor. Claude 4.8 Opus 69,2, GPT-5.5 ise 58,6 puan alıyor; bağımsız doğrulama sınırlı.
- Hizmeti yaklaşık 500 beta kullanıcısı denedi. Geri bildirimlerde kod incelemesi, güvenlik testleri ve uzun oturumlarda istikrar öne çıktı.
- Standart Fugu hıza öncelik veriyor ve ajanları havuzdan çıkarma imkânı sunuyor. Ultra, zorlu akıl yürütme görevleri için daha derin ve sabit bir havuz kullanıyor.
- Ultra'nın fiyatı milyon girdi tokenı başına 5 dolar, milyon çıktı tokenı başına 30 dolar. Bağlam 272.000 tokenı aştığında fiyatlar iki katına çıkıyor.
- Abonelikler aylık 20 ila 200 dolar arasında değişiyor. Temmuz 2026 sonuna kadar katılan müşteriler ikinci ayı ücretsiz alıyor.
- GDPR uyum çalışmaları tamamlanana kadar Fugu AB ve AEA'da kullanılamıyor; hizmet ayrıca büyük ölçüde ABD'li öncü model sağlayıcılarına bağımlı.






