影片筆記：Sakana AI Fugu徹底解説 | GPT API高すぎ問題を東京発AIが解決

一句話總結

東京新創公司 Sakana AI 推出產品「Fugu」，透過動態編排與自我修正機制，將任務自動分發至最佳模型，旨在解決開發者使用多個 LLM（GPT、Claude、Gemini）時面臨的高昂成本與管理複雜度問題，目前正進行閉鎖式 Beta 測試。

核心重點

1. 痛點解決：針對個人開發者需管理多個 API Key、不同供應商 API 寫法以及高昂 API 費用的問題，提供單一入口解決方案。
2. 技術架構：

• 採用「集合智慧」概念，非依賴單一巨大模型（避免垂直統合陷阱）。
• 透過小型 LLM 指揮其他 LLM，並具備評估與自我修正機制。
• 應用「動態編排（Dynamic Orchestration）」與「測試時間擴展（Test-time Scaling）」技術。

1. 產品線與效能：

• Fugu Mini：重視速度。
• Fugu Ultra：重視推論力，在專業知識、編碼、實務開發基準測試中超越 GPT、Claude。

1. 低成本原理：簡單任務分發至輕量模型，困難任務由多個最強模型編排，僅在必要時啟動必要模型，降低平均成本。
2. 接入方式：採用 OpenAI 相容端點，開發者僅需修改 Base URL 與 模型名稱 即可接入現有系統。
3. 適用情境：適合優化多模型成本、自動化模型選擇及具備 OpenAI 相容架構的開發者；不適合即時 UI 回應（因協調多個模型可能產生延遲）。

詳細大綱

一、 現況與痛點

• 成本與管理問題：開發者需根據功能使用 GPT、Claude、Gemini 等不同模型，導致每月 API 費用累積且難以控制。
• 管理複雜度：需分別管理多個 API Key、處理不同供應商不同的 API 寫法，對個人開發者造成負擔。
• 垂直統合的陷阱：單一巨大模型處理所有任務會導致開發成本、電力消耗極大，費用轉嫁至用戶。

二、 公司背景：魚 AI (Fish AI)

• 公司名稱與理念：
• 名稱：魚 AI。
• 理念：非依賴單一巨大鯨魚，而是由小魚群聚產生智慧（集合智慧）。
• 基本資訊：
• 設立年份：2023年。
• 總部：東京。
• 創業者：前 Google Brain 東京的「デイビット派」與 Transformer 強著者「ライオン・ジョーンズ」。
• 設計思想：選擇東京而非矽谷，避免力技的規模擴張，轉向集合地問題解決。
• 投資與估值：
• 投資者：Enebiidia（疑點）、Google、Mitsubishi、UFJ、美國 CIA 投資部門 Inkiter（疑點）。
• 估值：約 4000 億日元規模，日本初異例規模的初創企業。

三、 產品介紹：魚フグ (Fugu)

• 核心功能：
• 自動將任務依內容分發至最佳 AI 模型。
• 用戶發送請求後，由「フグ」判斷系統接收並選擇最佳 AI 執行。
• 內部運作流程：

1. 執行：小型 LLM 指揮其他 LLM 處理任務。
2. 評估：フグ 判定結果品質。若品質不足，啟動自我修正工作流重新執行。
3. 技術手法：

• 動態編排（Dynamic Orchestration）：依問題動態編成代理者，非固定規則。
• 最期的推論（疑點）/ 測試時間擴展（Test-time Scaling）：讀取自身輸出，無需重新學習即可重複修正以達正解。
• 產品線：
• フグミニ (Fugu Mini)：速度重視，優先回應速度。
• フグウルトラ (Fugu Ultra)：推論力重視，處理複雜問題或專業推論。
• 效能表現：
• 在專業知識、編碼、實務開發三大主要基準測試中，フグウル特拉 取得超越 GPT、Claude 的最高分數。
• 非單一巨大模型，而是集合值（疑點）打出最高分。

四、 成本與技術優勢

• 低成本原理：
• 簡單任務自動分發至輕量模型以削減成本。
• 困難任務透過多個最強模型編排極大化精度。
• 僅在必要時啟動必要模型，降低整體平均成本並提升系統最高性能。
• 相關技術：
• AI 科學家 V2：自動化科學發現流程（從構想、編碼、實驗、可視化、論文撰寫到閱讀），單篇論文成本約 15 美元。
• 核心技術：ICLR 2026 採納的「トリニティ」與「コンダクター」技術，實現多個代理者的動態指揮。

五、 接入與遷移指南

• 接入方式：
• 採用 OpenAI 相容端點。
• 僅需修改 Base URL 與 模型名稱 一行程式碼。
• 現有使用 GPT API 的系統與程式碼可直接運行。
• Beta 測試申請：
• 狀態：閉鎖式 Beta，正式價格未公開，初期測試者提供 API 試用。
• 對象：希望將 AI 應用於編碼、數學、科學推論的研究者與工程師，包含 Open Code 或 Codex 使用經驗者。
• 流程：透過官方 Google Form 填寫姓名、隸屬、用例，選擇 Fugu Mini 或 Ultra 後送出。
• 截止日：5月5日。
• 通過後提供標準 OpenAI 格式 API，可立即整合至現有工作流。
• 遷移步驟（從其他模型切換）：

1. SDK 與端點變更：從生成式 AI 套件切換至 OpenAI 套件，修改端點與模型名。
2. 認證金鑰替換：刪除原有 Key（疑點）與 Gemini API Key，更新為魚フグ API Key。
3. 訊息結構格式調整：將 Gemini 特有的「用戶-模型」角色結構轉換為 OpenAI 相容的「系統-用戶-助手」格式。

• 遷移建議：
• 對於多次呼叫 API 的多代理者設計者，建議將提示詞整理為模型無關的形式。
• 整理重點：角色完全分割、提示詞通用化、自我決定的異常（疑點）。

六、 適用與不適用情境

• 適合對象：
• 希望優化多個模型使用成本者。
• 希望自動化模型選擇者。
• 已具備 OpenAI 相容架構的開發者。
• 不適合對象：
• 完全依賴 Google Workspace 生態系者。
• 僅需單一模型進行最低成本文字處理者。
• 注意事項（延遲性）：
• 因後台需協調多個模型，回應速度可能慢於直接呼叫單一模型。
• 適合後台非同步處理或複雜推論任務。
• 可能不適合即時 UI 回應。

工具 / 模型 / 名詞整理

• 公司/品牌名稱：
• 魚 AI (Fish AI)
• 魚フグ (Fugu)
• フグミニ (Fugu Mini)
• フグウルトラ (Fugu Ultra)
• 競爭對手/參考模型：
• Chat GPT (ChatGPT)
• クロード (Claude)
• ジミニ (Gemini)
• GPT
• OPUS (疑點，可能指 Claude Opus)
• クロードオーパス (Claude Opus)
• 技術/術語：
• API
• API Key (APIキー)
• LLM (大型語言模型)
• LLM (疑點，原文為 LLM)
• エージェント (Agent)
• ベンチマーク (Benchmark)
• 動的オーケストレーション (Dynamic Orchestration)
• 最期的推論 (疑點，原文為「最期的推論」，語意不明)
• テストタイムスケーリング (Test-time Scaling)
• 垂直統合 (Vertical Integration)
• 集合地 (疑點，原文為「集合地」，語意不明，可能指集合智慧)
• 集合値 (疑點，原文為「集合値」，語意不明)
• AI サイエンスティ V2 (疑點，原文為「AIサイエンティストV2」)
• ICLR 2026
• トリニティ (Trinity)
• コンダクター (Conductor)
• OpenAI 互換エンドポイント (OpenAI Compatible Endpoint)
• Base URL
• SDK
• ジェネレイティブ AI パッケージ (Generative AI Package)
• オープン AI パッケージ (OpenAI Package)
• キドン (疑點，語意不明)
• ジェミニ API Key (Gemini API Key)
• ユーザー・モデル (User-Model)
• システム・ユーザー・アシスタント (System-User-Assistant)
• プレーン汎用化 (疑點，語意不明)
• 自己決定の異常 (疑點，語意不明)
• レイテンシ (Latency)
• リアルタイムの UI 応答 (Real-time UI Response)
• 投資方/機構：
• エネビディア (疑點，可能指 NVIDIA)
• グーグル (Google)
• 三菱 (Mitsubishi)
• UFJ
• 米 CIA の投資部門、インキテル (疑點，可能指 IVP 或其他機構)
• Google Brain 東京
• OpenAI
• アンソロピック (Anthropic)
• グーグル (Google)
• 公式の Google フォーム (Official Google Form)
• FUG ベータページ (FUG Beta Page)
• オープンコード (Open Code)
• コーデックス (Codex)
• Google Workspace

操作流程整理

1. 申請 Beta 測試：

• 前往官方 Google Form。
• 填寫姓名、隸屬、用例。
• 選擇 Fugu Mini 或 Ultra。
• 送出申請（截止日：5月5日）。

1. 接入系統：

• 獲取標準 OpenAI 格式 API。
• 修改程式碼中的 Base URL 與 模型名稱。
• 替換 API Key（刪除原有 Key 與 Gemini API Key，更新為魚フグ API Key）。

1. 執行請求：

• 發送請求至 Fugu API。
• Fugu 內部進行動態編排，選擇最佳模型執行。
• 若品質不足，啟動自我修正工作流。
• 返回結果給開發者。

值得注意的限制或風險

1. 延遲性（Latency）：因後台需協調多個模型，回應速度可能慢於直接呼叫單一模型，可能不適合即時 UI 回應。
2. 適用範圍限制：完全依賴 Google Workspace 生態系者，或僅需單一模型進行最低成本文字處理者，可能不適合。
3. 技術不確定性：部分技術名詞（如「最期的推論」、「集合値」）及機構名稱（如「Enebiidia」、「Inkiter」）在逐字稿中辨識不清，實際技術細節與投資背景需進一步確認。
4. 遷移複雜度：雖宣稱僅需修改一行程式碼，但實際遷移涉及 SDK 切換、Key 替換及訊息結構格式調整（從 Gemini 的「用戶-模型」轉為 OpenAI 的「系統-用戶-助手」），對多代理者設計者仍需整理提示詞。

逐字稿辨識疑點

以下為逐字稿中出現的疑似錯字、聽寫錯誤或語意不明之處，僅列出原文，未做更正版：

1. エネビディア：投資方名單中出現，語意不明，疑為機構名稱聽寫錯誤。
2. インキテル：CIA 投資部門名稱，語意不明，疑為機構名稱聽寫錯誤。
3. デイビット派：創業者之一，「派」字疑為聽寫錯誤或特定譯名。
4. ライオン・ジョーンズ：創業者之二，疑為人名聽寫錯誤。
5. 集合地：描述設計思想時使用，語意不明，疑為「集合智慧」或類似概念的聽寫錯誤。
6. 最期的推論：技術名詞，語意不明，疑為「最終」或「測試」等字的聽寫錯誤。
7. 集合値：描述分數來源時使用，語意不明，疑為「集合智慧」或「集合價值」等概念的聽寫錯誤。
8. AI サイエンスティ V2：產品/技術名稱，「サイエンスティ」疑為「サイエンティスト」(Scientist) 的聽寫錯誤。
9. キドン：步驟2中提到的刪除對象，語意不明，疑為特定 Key 名稱或模型的聽寫錯誤。
10. プレーン汎用化：提示詞整理重點之一，語意不明，疑為「Prompt 通用化」或類似概念的聽寫錯誤。
11. 自己決定の異常：提示詞整理重點之一，語意不明，疑為「自我決定」或「自我修正」等概念的聽寫錯誤。

可延伸追問

1. 投資機構確認：「Enebiidia」與「Inkiter」具體指代哪些投資機構？是否為 NVIDIA、IVP 或其他機構的誤聽？
2. 技術細節澄清：「最期的推論」與「集合値」具體指什麼技術概念？是否為「Final Reasoning」或「Ensemble Value」等術語的誤譯？
3. 成本結構：Fugu Mini 與 Fugu Ultra 的具體定價策略為何？目前閉鎖測試期間的 API 費用結構是否公開？
4. 效能基準：ICLR 2026 採納的「トリニティ」與「コンダクター」技術具體論文內容為何？如何在基準測試中超越現有模型？
5. 遷移兼容性：對於非 OpenAI 格式（如 Anthropic 或 Google）的現有程式碼，遷移至 Fugu 的具體代碼修改範例為何？