Mô hình
Sakana AI ra mắt Fugu Max và Fugu Ultra v2: Đột phá mới trong điều phối đa tác nhân
(giờ Việt Nam)
Tóm tắt AI
Sakana AI vừa giới thiệu bộ đôi mô hình Fugu Max và Fugu Ultra v2, tối ưu hóa khả năng điều phối đa tác nhân với chi phí thấp và hiệu suất vượt trội, hỗ trợ tích hợp các mô hình chuyên biệt như NVIDIA Nemotron.
Bản dịch AI
Sakana AI vừa ra mắt Fugu Max và Fugu Ultra v2, hai mô hình mới thuộc dòng sản phẩm Sakana Fugu. Fugu không phải là một mô hình nền tảng đơn lẻ. Nó là một trình điều phối (orchestrator) được huấn luyện để phân phối công việc cho một nhóm các mô hình khác thông qua một API duy nhất. Bản phát hành mới này tinh chỉnh kiến trúc đó cho hai mục tiêu: Fugu Max hướng tới hiệu suất tối ưu trên mỗi chi phí, còn Fugu Ultra v2 hướng tới khả năng xử lý cao nhất cho các tác vụ phức tạp, đa bước.
Liệu nó có thể triển khai được không? Có, dưới dạng một API được lưu trữ (hosted API). Cả hai mô hình đều đã hoạt động từ hôm nay thông qua API tương thích với OpenAI của Sakana. Hiện không có trọng số mở (open weights) để tự lưu trữ và Sakana không cung cấp dịch vụ này tại EU/EEA.
Tại sao Sakana coi đây là bài toán 2 trục
Lập luận của Sakana rất trực diện. Các khối lượng công việc thực tế được đánh giá dựa trên cả khả năng thực thi và chi phí. Việc gửi một truy vấn dữ liệu đơn giản cho một mô hình có hàng nghìn tỷ tham số là lãng phí tiền bạc. Một hệ thống tốt hơn sẽ chọn cơ chế rẻ nhất vẫn có thể giải quyết được tác vụ đó.
Đội ngũ Sakana mô tả điều này bằng đường biên Pareto (Pareto frontier). Trên đường biên đó, việc tăng chất lượng sẽ tốn kém hơn, và việc cắt giảm chi phí sẽ làm giảm chất lượng. Fugu Max và Fugu Ultra v2 chia sẻ chung một kiến trúc điều phối cốt lõi, chỉ khác nhau ở mục tiêu tối ưu hóa.
Bản phát hành này tiếp nối tốc độ phát triển nhanh chóng của họ. Fugu bắt đầu giai đoạn beta vào tháng 4, đạt trạng thái sẵn sàng phổ biến vào tháng 6, và bổ sung Fugu-Cyber cùng giao diện Claude Code vào tháng 7.
Cách thức hoạt động của trình điều phối Fugu
Báo cáo kỹ thuật của Sakana Fugu mô tả các mô hình Fugu là những mô hình ngôn ngữ theo đúng nghĩa của chúng. Chúng đọc truy vấn và xây dựng một khung tác nhân (agentic scaffold) cho truy vấn đó ngay lập tức. Quá trình huấn luyện kết hợp giữa tinh chỉnh quy mô lớn (large-scale fine-tuning), thuật toán tiến hóa và học tăng cường (reinforcement learning).
Hệ thống này được xây dựng dựa trên 2 bài báo tại ICLR 2026. TRINITY sử dụng một trình điều phối tiến hóa nhẹ, có nhiệm vụ phân công các vai trò Thinker (Người suy nghĩ), Worker (Người thực thi) hoặc Verifier (Người kiểm chứng) qua các lượt xử lý. Conductor được huấn luyện bằng học tăng cường để khám phá các chiến lược điều phối bằng ngôn ngữ tự nhiên và các câu lệnh (prompt) tập trung.
Fugu Max: Nhiều mô hình hơn, chi phí thấp hơn
Fugu Max mở rộng nhóm các mô hình mà Fugu có thể điều phối. Nó bổ sung một tập hợp lớn các mô hình trọng số mở và các mô hình chuyên biệt. Điều này bao gồm cả dòng NVIDIA Nemotron, thông qua sự hợp tác giữa Sakana và NVIDIA. Fugu Max định tuyến mỗi tác vụ đến mô hình tinh gọn nhất có khả năng giải quyết nó.
Đội ngũ Sakana báo cáo các kết quả sau:
Sakana đưa Fugu Max vào vị thế cạnh tranh sát sao với các mô hình ưu tú với chi phí thấp hơn từ 2 đến 6 lần. SWEFish là một tiêu chuẩn đánh giá nội bộ của Sakana được xây dựng từ các thử thách lập trình của chính họ. Hãy coi kết quả đó như một tín hiệu từ nhà cung cấp.
Fugu Ultra v2: Nâng cao giới hạn
Fugu Ultra v2 nhắm đến khả năng suy luận phức tạp, nghiên cứu tự hành và phát triển phần mềm toàn diện (full-stack). Những cải tiến lớn nhất của nó xuất hiện trong việc suy luận bền bỉ trên dữ liệu hình ảnh và dữ liệu có cấu trúc.
Fable 5, Fable 5.1 và GPT-6-Astra không nằm trong nhóm tác nhân của Fugu Ultra v2. Thời điểm cắt dữ liệu huấn luyện của mô hình là ngày 28 tháng 8 năm 2026. Thông điệp chính của Sakana là mang lại kết quả ở trình độ tiên phong mà không phụ thuộc vào bất kỳ mô hình độc quyền nào. Nhóm nghiên cứu khẳng định điều này giúp giảm thiểu rủi ro bị khóa vào nhà cung cấp (vendor lock-in), việc thu hồi API và cắt dịch vụ đột ngột.
Công cụ giải thích tương tác
Những điểm chính cần lưu ý
Hãy xem các chi tiết kỹ thuật và trang dự án. Ngoài ra, đừng ngần ngại theo dõi chúng tôi trên Twitter và đừng quên tham gia cộng đồng 150k+ ML SubReddit của chúng tôi cũng như đăng ký nhận bản tin. Khoan đã! Bạn có dùng Telegram không? Bây giờ bạn cũng có thể tham gia cùng chúng tôi trên Telegram.
Cần hợp tác với chúng tôi để quảng bá GitHub Repo, trang Hugging Face, sản phẩm mới hoặc hội thảo trực tuyến của bạn? Hãy kết nối với chúng tôi.
Bài viết được AI dịch và tổng hợp tự động từ MarkTechPost. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.