Sakana AI lança Fugu Max e Fugu Ultra v2 para orquestrar IA

Introdução

Fugu Max é a palavra-chave do dia. Em 11 de setembro de 2026, a Sakana AI anunciou o Fugu Max e o Fugu Ultra v2, dois níveis do seu orquestrador multiagente focados em custo e capacidade, respectivamente. O comunicado oficial destaca que o Fugu Max foi o melhor no conjunto geral de seis benchmarks, enquanto o Fugu Ultra v2 expande a autonomia de execução sob a mesma infraestrutura. (sakana.ai)

A separação em dois níveis atende a um ponto sensível do mercado de orquestração de IA. Muitas equipes querem reduzir custo por tarefa, sem abrir mão de qualidade quando o problema é difícil. O anúncio mostra uma estratégia clara, preço e resiliência com Fugu Max, profundidade e autonomia com Fugu Ultra v2, tudo em uma API compatível com OpenAI. (sakana.ai)

O que este artigo aborda

• O que muda com Fugu Max e Fugu Ultra v2 e por que isso importa
• O que os benchmarks realmente dizem sobre custo e qualidade
• Como estimar gasto real, incluindo “tokens de orquestração” nas faturas
• Um roteiro prático para escolher entre Max, Ultra v2 ou alternativas

Fugu Max, o custo primeiro

O Fugu Max foi apresentado como o nível focado em custo, com desempenho competitivo em seis benchmarks, incluindo Terminal Bench 2.1, GPQAD, AA-LCR, GDP.pdf, AutomationBench e o interno SWEFish, usado pela própria Sakana em desafios de código e automação. A empresa afirma que o Max “dirige o custo da inteligência para baixo” mantendo desempenho geral robusto. (sakana.ai)

Além do anúncio oficial, resumos independentes registram que a Sakana posiciona o preço de saída do Fugu Max entre 40 e 60 por cento abaixo de rivais como Sonnet 5, GPT 5.6 Terra e Kimi K3. Isso reforça a tese do Max como escolha padrão para lotes grandes de tarefas, desde atendimento e pesquisa operacional até rotinas de automação. (ai-tldr.dev)

Do ponto de vista tático, esse recorte permite transformar backlogs volumosos em uma métrica simples, custo por tarefa aceita. Em cenários de produção, é comum que o gargalo não seja a melhor resposta isolada, e sim a constância de boas respostas por dólar. Nesse espectro, o Max mira previsibilidade e eficiência.

Fugu Ultra v2, a capacidade primeiro

O Fugu Ultra v2 foi lançado no mesmo 11 de setembro de 2026 como a camada de “capability-first”. Relatos de terceiros e o próprio material da Sakana destacam que o Ultra v2 atinge pontuações de ponta sem depender de Fable 5, Fable 5.1 ou GPT-6 Astra no seu pool de agentes, sinalizando que o ganho vem da orquestração e não do “empréstimo” de um único modelo estrela. Isso é importante para resiliência, para auditoria de riscos e para evitar dependência de um fornecedor. (ai-tldr.dev)

O Ultra v2 prioriza resolução de problemas difíceis e workflows mais profundos. Em cenários de engenharia, pesquisa aplicada, exploração de código e análise multimodal complexa, a proposta é executar planos multiestágio com autonomia maior, incluindo chamadas recursivas e cooperação entre especialistas. Essa arquitetura já havia sido descrita na família Fugu meses antes, quando a Sakana publicou seu lançamento inicial e o relatório técnico, argumentando que orquestração pode igualar ou superar modelos de fronteira em tarefas específicas. (sakana.ai)

Benchmarks, o que realmente significam

Segundo a Sakana, o Fugu Max obteve o melhor resultado geral em seis benchmarks, entre eles Terminal Bench 2.1 e GPQAD. No Ultra v2, quadros de resumos externos listam liderança ou empate em cinco de oito testes, incluindo apontamentos em Chartography e DeepSWE, embora esses painéis ressaltem que os números são reportados pelo fornecedor, sem avaliação independente publicada até o momento. Ou seja, são úteis como sinal, mas ainda carecem de auditoria externa para comparabilidade estrita. (sakana.ai)

Há também um ponto metodológico. Quando um orquestrador combina múltiplos modelos para produzir a resposta, a métrica que importa é do sistema como um todo, não de um único LLM. Isso é legítimo, mas reduz a transferibilidade de um placar para outros ambientes, já que latência, roteamento e custos variam conforme o pool de agentes e as políticas de execução. Avaliar por “custo por tarefa aceita”, com critérios idênticos e repetição controlada, é a abordagem recomendada por analistas independentes. (sakanafugu.novcog.us.com)

Preços, os detalhes que mudam a conta

No console oficial da Sakana, além de input e output, aparecem campos de “token de orquestração”. A própria página de pricing explica que esses tokens representam uso real fora das contagens padrão de entrada e saída, e que são cobrados na conta final. Para quem estima custo apenas com os tokens do prompt, isso pode subcontabilizar o total em cargas mais complexas. (console.sakana.ai)

Guias e calculadoras mantidos pela comunidade, baseados nas taxas publicadas pela Sakana, estimam para o Fugu Ultra tarifas na ordem de 5 dólares por 1 milhão de tokens de entrada e 30 dólares por 1 milhão de tokens de saída, com dobragem acima de cerca de 272 mil tokens de contexto. Esses materiais reforçam que, em tarefas longas, o preço efetivo cresce por causa do encadeamento de agentes e das iterações internas. (fugu-ai.com)

Resumos críticos observam que dobrar a tarifa por token além de um certo limite é um mecanismo defendível para trabalhos de longo contexto, porém isso significa que o “preço de vitrine” não captura integralmente o custo de um run longo. Para quem acompanha benchmarks, a lição é clara, compare sempre custo por tarefa concluída, incluindo tokens de orquestração e eventuais retries. (orcarouter.ai)

Como escolher entre Fugu Max e Fugu Ultra v2

• Backlogs de alta escala, QA operacional, rotinas de automação e jobs que toleram pequenas quedas de acurácia em troca de forte redução de custo, tendem a se beneficiar do Fugu Max. O objetivo é maximizar tarefas aceitas por dólar e padronizar prompts e critérios de aceite. (sakana.ai)
• Problemas difíceis e variáveis, que exigem planejamento multiestágio, verificação de passos e uso de especialistas diferentes para subproblemas, tendem a se beneficiar do Fugu Ultra v2. A prioridade é a taxa de conclusão em tarefas complexas e a autonomia de execução. (ai-tldr.dev)
• Em ambos os casos, execute um teste pareado com 50 a 100 tarefas reais do seu backlog, rodando Fugu e um baseline de modelo único, com prompts idênticos e critérios de aceite iguais, medindo custo por tarefa aceita, taxa de intervenção humana e tempo até a aprovação. (sakanafugu.novcog.us.com)

Orquestração não é “modelo gigante”, é sistema

Desde o primeiro comunicado da família Fugu, a Sakana vem posicionando o produto como um “sistema multiagente como modelo”, acessível via uma única API OpenAI-compatível. O relatório técnico aponta dois perfis, o Fugu padrão para uso cotidiano balanceando latência e performance, e o Fugu Ultra priorizando qualidade em problemas difíceis. O lançamento de setembro apenas cristaliza o portfólio, com o Max como opção custo e o Ultra v2 como opção capacidade. (sakana.ai)

Essa visão explica por que comparações diretas com “o melhor modelo X” confundem mais do que esclarecem. Em um orquestrador, o ativo é o roteador, o plano e o consenso entre agentes. Alguns resumos independentes frisam que, se a pontuação é alcançada por composição, ela pertence ao sistema e não se “transfere” para um único LLM. É uma tese coerente com a engenharia de produto, e útil para gestores avaliarem risco e portabilidade. (orcarouter.ai)

Casos práticos e aprendizados do mercado

• Coding assist e automação: o anúncio do Max lista SWEFish e AutomationBench, sinalizando ênfase em tarefas de engenharia e operações. Em pipelines de refatoração e geração de testes, a economia vem de iterações curtas e estáveis. Para squads grandes, o Max funciona como “motor padrão” com grande throughput. (sakana.ai)
• Pesquisa e análise: o Ultra v2 mira problemas onde raciocínio e verificação em cadeia fazem diferença. Em due diligence técnica, revisão de código crítico ou análises que exigem planificação e checagens, a autonomia maior reduz mãos no teclado, ainda que o custo por execução seja mais alto. (ai-tldr.dev)
• Segurança e verticalização: o ecossistema Fugu já ganhou variantes como o Fugu Cyber, com métricas específicas em bancadas de cibersegurança. Isso sinaliza uma tendência de especialização, onde políticas, ferramentas e agentes são calibrados ao domínio. (reddit.com)

API, compatibilidade e governança de custo

A Sakana oferece a plataforma por uma API compatível com OpenAI. Esse detalhe arquitetural reduz o custo de integração e permite testar o Fugu ao lado de provedores já existentes. No entanto, o pricing traz um componente pouco familiar para times acostumados a modelos únicos, os tokens de orquestração aparecem no campo token_details e entram no custo final. Ignorar esse item distorce a previsão de gasto. (sakana.ai)

Para governança, três práticas funcionam bem com orquestradores multiagente:

• Orçamento por job, não por request. Cada execução pode ramificar chamadas internas. Defina tetos por tarefa, não apenas por prompt.
• Cache e contextos, use cache para instruções e desempenho de ferramentas. Em alguns planos, o custo de inputs em cache é reduzido, mas confirme como a dobragem de tarifa se aplica acima de limites de contexto. (fugu-ai.com)
• Métrica executiva, adote custo por tarefa aceita, taxa de intervenção e tempo até aprovação como indicadores de negócio. Evite ler apenas tokens brutos.

Como ler os números, sem ilusões

Resumos populares chamam atenção para um ponto simples. Quando a cobrança dobra acima de certo contexto, o “preço de tabela” não representa o custo efetivo de runs longos. Em contrapartida, essa política incentiva planejar prompts e dividir tarefas, o que tende a ser saudável em sistemas multiagente. A implicação prática é revisar prompts de alto contexto e criar guardrails de orçamento. (orcarouter.ai)

Também vale separar sensação de prova. Há posts de experiência de usuários comparando orquestração com modelos isolados e relatando resultados díspares. Esses relatos são úteis como anedotas, porém não substituem o teste pareado no seu backlog. Faça o seu “bake-off” com dados reais e aceite o veredito do custo por tarefa. (reddit.com)

O que vem a seguir

A família Fugu vem sendo atualizada com rapidez desde meados de 2026. O lançamento do Fugu Ultra, meses atrás, já posicionava a tese de “orquestração como caminho de escala”. O anúncio de 11 de setembro, ao dividir custo e capacidade em Max e Ultra v2, consolida uma estratégia de portfólio, dando às equipes uma régua clara para trade-offs. (sakana.ai)

Para maturidade do mercado, ainda faltam avaliações independentes e comparações padronizadas por tarefa e por dólar. Enquanto isso não chega, a recomendação é operar com métricas de negócio, limites estritos de orçamento por job e ciclos curtos de melhoria de prompts e ferramentas.

Conclusão

O lançamento do Fugu Max e do Fugu Ultra v2 cristaliza a divisão entre preço e capacidade na orquestração de IA. O Max foca eficiência e escala, com melhor resultado geral em seis benchmarks segundo a Sakana, enquanto o Ultra v2 amplia a autonomia em problemas difíceis sem se apoiar em um único modelo proprietário. A leitura correta dos números pede cautela, principalmente ao contabilizar tokens de orquestração e dobragens por contexto. (sakana.ai)

Do ponto de vista prático, a escolha certa é aquela que maximiza tarefas aceitas por dólar no seu cenário. Testes pareados, métricas de negócio e governança de custo transformam benchmarks em impacto real. Orquestração é um jogo de sistema, não de um único modelo, e a Sakana está apostando que essa será a via mais estável para escalar valor em IA nos próximos ciclos. (sakanafugu.novcog.us.com)