影片筆記：便宜模型组合打败 Fable 5？Fugu 和 Fusion 的编排秘密

一句話總結

影片解析了 Sakana AI 的 Fugu 與 OpenRouter 的 Fusion 兩種多模型編排方案，指出在地緣政治風險（如出口管制）與單一模型依賴的背景下，通過「學習式協調」與「結構化合成」的分工協作，低成本模型組合能在工程與深度研究任務上超越單一閉源巨獸（如 Fable 5），成為新的性能擴展與風險對沖路線。

核心重點

市場痛點與背景：

• 美國政府對 Anthropic 的 Fable 5 和 Mythos 5 實施出口管制，暴露了企業將身家性命綁定在單一閉源模型上的風險。
• 市場需求從追求單一超級大腦轉向「模型團隊」與風險對沖（AI 主權）。

Fugu (Sakana AI)：學習式協調

• 架構：基於僅 0.6B 參數的輕量級協調器，採用進化策略（sep-CMA-ES）與強化學習組合。
• 機制：動態調度其他大模型，進行角色分配（Thinker/Worker/Verifier）。
• 表現：在代碼審查、論文復現等工程任務（SWE Bench Pro 等）中，Fugu Ultra 表現接近或超越 Fable 5，且在找 Bug 數量上超越 GPT-5.5。

Fusion (OpenRouter)：結構化合成

• 架構：服務端管道結構，模仿人類團隊開會流程。
• 流程：

並行分發：同時派發問題給 1-8 個模型（配備聯網搜索）。

判官分析：分析共識、矛盾與盲點。

合成：由「大哥」模型（如 Opus 4.8）基於報告撰寫最終答案。

• 表現：在 Perplexity 的 DRACO 基準測試（深度研究）中，Fusion 得分 64.7，僅略低於 Fable 5 的 65.3。即使同一模型自我組合，經此流程也能提升 6.7 個百分點。

戰略意義：

• 模型編排正在成為新的性能擴展路線，本質是對單一廠商依賴的風險對沖。
• 未來 API 將轉向調用「編排網絡」而非單一模型。
• 多模型編排思維框架強調：模型多樣性、智能協調機制、高質量合成（判官角色）。

詳細大綱

I. 引言與背景

• 講者：為什麼叫QQ。
• 現象級產品：Sakana AI 發佈 Fugu，OpenRouter 發佈 Fusion。
• 市場痛點：
• 美國政府對 Anthropic 的 Fable 5 和 Mythos 5 實施出口管制。
• 企業意識到單一閉源模型依賴的風險。
• 需求轉變：從單一超級大腦轉向「模型團隊」與風險對沖。

II. 方案一：Sakana AI 的 Fugu (學習式協調)

• 公司背景：
• 日本 AI 公司，創始人包含 Llion Jones（《Attention is All You Need》主要作者，Transformer 架構提出者之一，業界稱「Transformer 八子」）。
• 核心架構：
• 輕量級協調器：參數量僅 0.6B，作為協調器而非單體模型。
• 動態調度：根據任務類型（代碼、驗證等）調度其他大模型。
• 表現：在代碼審查、論文復現等任務上，Fugu Ultra 表現接近或超越 Fable 5。
• 技術底層 (基於 ICLR 2026 論文 Trinity 與 Conductor)：
• 角色分配：將任務分給 Thinker（思考者）、Worker（工作者）、Verifier（驗證者）。
• 訓練方法：
• 不使用單純的強化學習（RL），因高維度與預算限制易陷入局部最優。
• 採用 進化策略，具體為 sep-CMA-ES（可分離的協方差矩陣自適應進化策略）。
• 利用「塊-epsilon-可分離性」數學特性，在龐大搜索空間中高效找出最優協調策略。
• 產品訓練：包含大規模微調、進化算法與強化學習的組合。
• 用戶反饋：在代碼審查中找出的 bug 數量遠超 GPT-5.5。

III. 方案二：OpenRouter 的 Fusion (結構化合成)

• 核心思路：工程化路線，服務端管道，模仿人類團隊開會流程。
• 執行流程 (三步走)：

並行分發：同時派發問題給 1-8 個不同模型，每個模型配備聯網搜索工具。

判官分析：

• 使用判官模型分析所有答案。
• 目標：找共識（高置信度）、找矛盾（爭議點）、找盲點（被忽略處）。

合成：由「大哥」模型（如 Opus 4.8）基於詳細分析報告撰寫最終答案。

• 效果驗證：
• 使用 Perplexity 的 DRACO 基準測試（專注深度研究、學術報告、財務分析）。
• Fusion 預算面板得分 64.7 分。
• Fable 5 單獨得分 65.3 分。
• 註：DRACO 不考長期自治任務，Fable 5 在該類任務可能有優勢。
• 即使 Opus 4.8 自己與自己組合，經此流程分數也能提升 6.7 個百分點，證明提升來自「判官+合成」機制。

IV. 兩種方案的第一性原理對比

• Fugu (黑盒/學習式)：
• 基於進化算法與學習式協調。
• 適合長期、多步、複雜任務（如論文復現），容錯率較高。
• Fusion (白盒/規則式)：
• 基於「多視角綜合」的工程學派。
• 適合深度研究報告、資料對比分析，在 DRACO 基準表現出色且成本控制極好。
• 共同結論：在深度研究、代碼驗證、多步驟問題上，模型編排是新的性能擴展路線。

V. 戰略意義與架構思維框架

• 地緣政治與風險對沖：
• Anthropic 因合規壓力臨時關閉模型，證明單一依賴的風險。
• 多模型編排將依賴變為「隨時插拔的代理池」，實現真正的 AI 主權。
• 多模型編排思維框架 (工程師/產品經理適用)：

必須有模型多樣性：避免相同模型拼湊浪費算力，需不同知識結構與推理風格。

需要智能的協調機制：避免手寫 if-else，學習 Fusion 的結構化提取或 Fugu 的小模型調度。

高質量的合成是靈魂：必須有「判官」角色審視中間結果，複雜問題需分解解決。

VI. 未來展望

• 單體超級模型時代可能結束，API 將轉向調用「編排網絡」。
• 隨開源模型（如 DeepSeek V4）變強，預算模型的組合能力將提升。
• 供應鏈多元化成為科技公司戰略必需，多模型編排是在不確定性下保持靈活性。

工具 / 模型 / 名詞整理

• Sakana AI：日本 AI 公司，發佈 Fugu。
• Fugu / Fugu Ultra：Sakana AI 發佈的多模型編排模型/產品。
• OpenRouter：推出 Fusion API 的公司。
• Fusion：OpenRouter 推出的多模型編排方案。
• Anthropic：模型廠商。
• Fable 5：Anthropic 的模型（受出口管制影響）。
• Mythos 5：Anthropic 的模型（受出口管制影響）。
• Llion Jones：《Attention is All You Need》主要作者。
• Attention is All You Need：提出 Transformer 架構的著名論文。
• Transformer：架構名稱。
• Perplexity：公司名稱。
• DRACO：Perplexity 的基準測試名稱（考深度研究）。
• SWE Bench Pro：Sakana 使用的工程類任務基準。
• Terminal Bench：Sakana 使用的工程類任務基準。
• LiveCodeBench：Sakana 使用的工程類任務基準。
• ICLR 2026：會議名稱（文中提及 Trinity 與 Conductor 論文發表於此）。
• Trinity：Sakana AI 的研究論文名稱。
• Conductor：Sakana AI 的研究論文名稱。
• Thinker：Fugu 中的角色（思考者）。
• Worker：Fugu 中的角色（工作者）。
• Verifier：Fugu 中的角色（驗證者）。
• RL (強化學習)：訓練方法。
• sep-CMA-ES：進化策略算法（可分離的協方差矩陣自適應進化策略）。
• GPT-5.5：被比較對象。
• Opus 4.8：Fusion 中使用的「大哥」模型。
• DeepSeek V4：提及的開源模型。

操作流程整理

Fugu (Sakana AI) 流程

輸入任務：接收代碼、驗證或論文復現等任務。

輕量級協調器處理：0.6B 參數協調器根據任務類型進行動態調度。

角色分配：將子任務分配給 Thinker（思考者）、Worker（工作者）、Verifier（驗證者）等模型。

進化策略優化：利用 sep-CMA-ES 算法在搜索空間中尋找最優協調策略（結合大規模微調與強化學習）。

輸出結果：生成最終答案或代碼，在找 Bug 數量上表現優異。

Fusion (OpenRouter) 流程

並行分發：將問題同時派發給 1-8 個不同模型，每個模型配備聯網搜索工具。

判官分析：

• 使用判官模型分析所有模型的答案。
• 識別共識（高置信度內容）、矛盾（爭議點）與盲點（被忽略處）。

合成：由「大哥」模型（如 Opus 4.8）基於判官的分析報告撰寫最終答案。

值得注意的限制或風險

基準測試局限性：DRACO 基準測試不考長期自治任務，Fable 5 在該類任務中可能仍具優勢。

單一依賴風險：若協調器或關鍵模型（如 Opus 4.8）出現問題或受管制，編排網絡可能中斷。

成本與複雜度：雖然 Fusion 成本控制極佳，但多模型調用與判官分析仍比單一模型調用複雜。

模型多樣性要求：若使用相同模型拼湊，可能浪費算力，需確保不同模型具有不同的知識結構與推理風格。

逐字稿辨識疑點

• Fable 5：逐字稿中多次提及此名稱，通常 Anthropic 知名模型為 Claude 系列（如 Opus, Sonnet 等），此處「Fable 5」可能為聽寫錯誤或特定內部/新模型名稱，需查證。
• Mythos 5：同上，與 Fable 5 並列提及，需查證是否為真實存在的模型名稱。
• GPT-5.5：逐字稿中提及「比 GPT-5.5 多了好幾倍」，目前市場常見版本為 GPT-4/4o 等，「5.5」版本是否存在或為口誤，需查證。
• Opus 4.8：逐字稿中提及「Opus 4.8」，通常 Anthropic 的 Opus 模型版本號格式可能不同（如僅稱 Opus），此處「4.8」版本號需查證是否準確。
• ICLR 2026：逐字稿提及「ICLR 2026 論文」，若當前時間未到 2026 年或該會議尚未發表此論文，可能為口誤（如 ICLR 2024/2025）或預測性描述，需查證。
• Llion Jones：逐字稿稱其為《Attention is All You Need》主要作者之一及「Transformer 八子」之一。需查證該稱謂與事實是否完全吻合（通常該論文作者眾多，「八子」非標準業界通用稱謂，可能為講者特定說法）。
• Fugu Ultra：Fugu 產品是否有「Ultra」版本，需查證。

可延伸追問

Fable 5 與 Mythos 5 的具體規格與現狀：這兩款模型是否真實存在？其性能與 Claude 系列相比如何？

sep-CMA-ES 的具體實現細節：該進化策略如何在實際的 LLM 協調中應用？其計算成本與訓練週期如何？

Fusion 的成本效益分析：在 DRACO 基準測試中，Fusion 的具體成本是多少？與單獨使用 Opus 4.8 相比，成本節省比例為何？

多模型編排的標準化：目前 Fugu 與 Fusion 的架構差異較大，未來是否會有統一的編排標準或協議？

地緣政治對 AI 供應鏈的影響：出口管制如何具體影響多模型編排的部署與選擇？企業應如何構建「AI 主權」？