Qu'est-ce que Sakana Fugu ?

Sakana Fugu est un système d'IA multi-agents qui offre des performances de pointe en orchestrant dynamiquement un ensemble diversifié des meilleurs modèles mondiaux. Au lieu de dépendre d'un seul fournisseur ou de workflows conçus manuellement, Fugu apprend à assembler, router et coordonner des agents experts pour chaque tâche via une API unique. Il s'appuie sur deux articles de l'ICLR 2026 — TRINITY et le Conductor — qui montrent comment les systèmes peuvent apprendre à découvrir des schémas de collaboration efficaces que les humains ne pourraient pas concevoir.

À qui s'adresse-t-il

• Développeurs et équipes d'ingénierie qui ont besoin d'intégrer un raisonnement multi-étapes haute performance dans leurs applications sans gérer plusieurs API de modèles.
• Organisations ayant des exigences de conformité strictes qui souhaitent contrôler quels modèles participent à leur pool d'agents pour respecter les normes de confidentialité des données, de sécurité ou réglementaires.
• Opérateurs de workflows critiques pour la qualité travaillant sur du codage, du raisonnement ou des tâches analytiques complexes qui exigent des résultats plus solides et plus fiables que ce qu'un seul modèle peut fournir.

Fonctionnalités clés

Une API unique pour accéder à tous les modèles de manière optimale

Fugu fournit une API unique compatible OpenAI qui gère la sélection et le changement de modèle pour chaque tâche. Cela réduit la complexité des API tout en améliorant le rapport coût-performance, car le système choisit automatiquement le meilleur modèle pour chaque étape d'un workflow multi-étapes.

Performances supérieures sur les tâches complexes

Conçu spécifiquement pour le codage, le raisonnement et autres workflows critiques pour la qualité, Fugu coordonne des agents experts pour aborder des tâches complexes avec des résultats plus solides et plus fiables. Le système attribue dynamiquement les rôles de Penseur, Travailleur ou Vérificateur pour déléguer le travail de manière adaptative dans divers domaines.

Sélection flexible des agents pour la conformité

Vous conservez le contrôle sur les agents pouvant participer au pool de modèles de Fugu. Vous pouvez exclure des fournisseurs ou modèles spécifiques pour répondre aux exigences de données, de confidentialité, de conformité ou organisationnelles — ce qui le rend adapté aux environnements réglementés.

Ce qui le distingue

"Fugu apprend à assembler dynamiquement des agents à partir d'un pool et à les coordonner via des schémas de collaboration non évidents mais très efficaces."

C'est le principal différenciateur : au lieu de prescrire l'organisation de l'équipe ou les workflows basés sur la connaissance du domaine, Fugu utilise l'apprentissage par renforcement pour découvrir des stratégies de coordination en langage naturel. Le modèle Conductor est entraîné à concevoir des schémas de communication entre agents et des invites ciblées qui aident des pools de LLM diversifiés à surpasser les travailleurs individuels sur des benchmarks de raisonnement difficiles. Cette orchestration apprise, soutenue par des recherches publiées, signifie que le système peut s'adapter et s'améliorer au fil du temps plutôt que de reposer sur des règles statiques et fabriquées à la main.

À considérer si…

Vous avez besoin de performances d'IA de pointe mais souhaitez éviter le verrouillage d'un seul fournisseur, ou si vos workflows impliquent des tâches complexes et multi-étapes où la sortie d'un seul modèle n'est pas assez fiable. Fugu est particulièrement utile pour les équipes qui nécessitent une flexibilité dans la sélection des modèles pour des raisons de conformité, ou pour les développeurs qui souhaitent intégrer une intelligence collective dans leurs applications via une API unique sans gérer plusieurs intégrations. Notez que Fugu n'est pas encore disponible dans l'UE/EEE pendant que l'équipe travaille à la conformité au RGPD.