影片筆記：EP348 - 日本模型空降AI前段班？Sakana Fugu 評測超越 Mythos！？單一模型時代結束了？如何用多代理協調系統，讓 AI 效能翻倍成長？

一句話總結

影片探討了 AI 競爭焦點從「單一模型能力」轉向「系統架構與多代理協調」的趨勢，重點分析了 Sakana AI 的 Fugu Ultra 系統如何透過協調多個模型在基準測試中超越單一頂尖模型，但指出其在實際軟體工程任務中面臨高昂成本與延遲的問題，同時披露了 Anthropic 與 OpenAI 最新模型的洩漏資訊與能力升級。

核心重點

Sakana AI 的 Fugu Ultra 系統：

• 這是一個多代理協調系統，而非單一基礎模型。它透過「AI 經理人」機制，協調 GPT-55、Opus 48、Gemini 31 Pro 等現有模型進行分工（思想家、製造者、驗證者）。
• 在基準測試（如 SWE Bench Pro、盲棋、魔方）中表現優異，甚至超越單一頂尖模型。
• 但在實際軟體工程任務中，其時間與成本效率遠低於直接使用單一頂尖模型（如 Opus 48）。

Anthropic 的模型動態：

• Claude Sonnet 5：洩漏資訊顯示其採用新分詞器（Tokenizer），換取更高的推理與多模態能力，但可能增加 Token 消耗。
• Mythos 6：被限制的 Fable 5 架構可能已轉為訓練更強大的內部模型 Mythos 6，用於長週期推理與程式碼庫遷移，目前僅限內部使用。

OpenAI 的新功能與模型：

• 新模型（Kindle Alpha / GPT-46 或 GPT-56 Pro）：展現了強大的自主生成完整 3D 環境能力，能生成單一 HTML 檔案的完整可遊玩第一人称 3D 室內房屋。
• GPT-BDI 1 語音模型：具備即時雙向互動與語音處理能力，支援自然打斷與即時調整回應。

未來趨勢：

• AI 競爭焦點正從「撰寫提示詞」轉向「系統架構設計」與「模型協調策略」。
• 開發者需學會如何分配任務以平衡成本與效率，工程師角色可能轉變為系統協調者。

詳細大綱

一、 Sakana AI 與 Fugu Ultra 系統解析

• 公司背景：日本新創公司 Sakana AI，共同創辦人包含 Attention Is All You Need 論文作者 Llion Jones。
• 核心概念：
• 非單一超強基礎模型，而是「多代理協調系統」。
• 透過單一 API 呼叫，內部由「AI 經理人」指揮。
• 架構類似管絃樂團指揮，負責拆解任務並分派給預先串接的頂尖模型（如 GPT-55、Opus 48、Gemini 31 Pro）。
• 技術原理：
• 基於兩篇論文：一篇提出小模型扮演經理人分配角色（思想家 Thinker、製造者 Maker、驗證者 Verifier）；另一篇利用演化演算法與強化學習自動最佳化提示詞（Prompt）。
• AI 經理人透過試錯學習如何與其他 AI 溝通，保留有效方法，淘汰無效方法。
• 效能評估：
• 優勢：在基準測試中表現驚人。
• SWE Bench Pro：737 分（超越 Opus 48 的 692 分）。
• LiveCodeBench：932 分。
• 盲棋測試：連續擊敗頂尖模型與 Stockfish 引擎（2100 ELO）。
• Rubiks cube：解決 300 個謎題，其他模型零分。
• 劣勢（現實情境）：
• 協調負擔大：時間與成本高昂。
• 對比 Opus 48：Fugu 完成任務時間多 4.5 倍，成本高 5 倍。
• 案例：即時交易臺開發，Fugu 耗費 22,000 Token（$0.51），Opus 48 耗費 16,000 Token（$0.31）。若僅需前端設計，GLM 52 或 Chinchilla 52 成本僅約 $0.03。
• 案例：複製遊戲 Crossy Road，Opus 48 耗費 $37，Fugu 耗費 $7.32 但成品有操作反向、攝影機問題及缺音效。
• 應用價值：
• 展示未來 IDE 與本地環境趨勢：工程師轉變為系統協調者。
• 地緣政治避險：分散單一美國模型 API 停用的風險，透過協調器繞過限制。
• 結論：目前對單打獨鬥創業者或資深開發者而言，手動協調（如 GPT-55 處理邏輯、GLM 52 生成介面、Opus 48 規劃架構）可能更具成本效益，但需持續關注其延遲優化。

二、 Anthropic 的模型發展與審查現狀

• Claude Sonnet 5 洩漏：
• 在合作夥伴系統中出現，預示即將推出。
• 預期具備 1-2 百萬 Token 脈絡長度（Context Window）。
• 顯著提升視覺能力與對介面設計稿、架構圖的理解。
• 新分詞器（Tokenizer）權衡：
• 可能比舊模型多消耗高達 30% 的 Token。
• 代價換取更強大的推理能力與多模態理解，提高一次成功率（Zero-shot success），減少高成本的修改迴圈。
• 演示：僅憑單一提示詞生成高度詳細的 Nintendo Switch 2 SVG 圖檔。
• Fable 5 與 Mythos 6：
• Fable 5 因審查問題停用公開 API 存取。
• 停用的運算資源轉用於訓練內部模型。
• 洩漏顯示新架構 Mythos 6 已訓練完成，能力超越 Fable 5，具備高層次長週期推理、多步驟規劃及大規模程式碼庫遷移能力。
• 目前僅限內部使用，用於生成合成資料或加速訓練。

三、 OpenAI 的新模型與語音升級

• 新模型洩漏（Kindle Alpha / GPT-56 Pro）：
• 版本號爭議：來源稱 GPT-46 或 GPT-56 Pro。
• 能力展示：生成完整可遊玩的第一人稱 3D 室內房屋（連貫平面圖、詳細房間、流暢移動系統）。
• 技術亮點：單一 700KB HTML 檔案完成，耗時約 40 分鐘運算，無偷懶、無佔位符，展現目標導向的自主執行能力。
• GPT-BDI 1 語音模型：
• 知識截止日期更新至 2025 年 8 月。
• 即時雙向互動：支援自然打斷，模型能即時調整回應。
• 演示：即時聆聽並計算冗長故事中的食物數量，準確捕捉細節。
• 影響：推動本地代理作業系統從終端機打字轉向持續即時的語音對話。

四、 總結與未來趨勢

• 競爭核心轉移：從「寫出最好的提示詞」轉向「系統架構設計」。
• 關鍵能力：
• 決定任務分配給哪個模型。
• 管理代幣經濟（Token Economy）與成本。
• 選擇合適的模型組合（如便宜快速的 Chinchilla 52 用於簡單介面，複雜的 Fugu 協調器用於多步驟推理）。
• 防止自主代理在無監督下導致成本失控。

工具 / 模型 / 名詞整理

• 公司/組織：
• Sakana AI（日本新創公司）
• Anthropic
• OpenAI
• Apple Podcast
• FBIGThreads（社群平台）
• 模型/產品：
• Fugu Ultra：Sakana AI 推出的多代理協調系統。
• Fable 5：Anthropic 被限制的模型架構。
• Mythos / Mythos 6：Anthropic 內部訓練的新一代模型架構。
• Claude Sonnet 5：Anthropic 洩漏的中階主力模型。
• Opus 48：Anthropic 的高階架構規劃模型。
• GPT-55：Sakana 系統中調用的模型之一。
• GPT-46：OpenAI 新模型的洩漏名稱之一。
• GPT-56 Pro：OpenAI 新模型的洩漏名稱之二。
• Kindle Alpha：OpenAI 新模型的內部代號。
• GPT-BDI 1：OpenAI 推出的語音模型。
• GPT-4 Omni：提及的舊版語音助理模型。
• GLM 52：用於生成便宜前端介面的模型。
• Chinchilla 52：用於簡單介面的便宜快速模型。
• Gemini 31 Pro：Sakana 系統中調用的模型之一。
• 測試/基準：
• SWE Bench Pro：軟體工程任務黃金標準測試。
• LiveCodeBench：程式碼測試基準。
• Stockfish：國際象棋引擎（提及 2100 ELO 等級）。
• 其他專有名詞：
• Attention Is All You Need：傳奇論文。
• React 元件：前端開發框架元件。
• SVG 圖檔：向量圖形格式。
• Nintendo Switch 2：遊戲主機。
• Crossy Road：遊戲名稱。
• GDPR：歐盟數據保護法規。
• IDE：整合開發環境。
• Tokenizer：分詞器。
• Context Window：脈絡長度。
• Zero-shot success：一次成功率。

操作流程整理

Sakana Fugu 系統運作流程：

• 使用者透過單一 API 呼叫提交任務。
• 內部「AI 經理人」接收任務，並拆解為子任務。
• 經理人根據子任務性質，分派給預先串接的頂尖模型（如 GPT-55、Opus 48、Gemini 31 Pro）。
• 模型分工扮演不同角色：思想家（Thinker）、製造者（Maker）、驗證者（Verifier）。
• 經理人透過試錯學習如何與其他 AI 溝通，保留有效方法，淘汰無效方法。

Claude Sonnet 5 新分詞器應用流程：

• 使用新分詞器處理輸入，可能增加 Token 消耗（高達 30%）。
• 換取更高的推理能力與多模態理解。
• 提高一次成功率（Zero-shot success），減少高成本的修改迴圈。
• 演示：僅憑單一提示詞生成高度詳細的 Nintendo Switch 2 SVG 圖檔。

OpenAI 新模型 3D 生成流程：

• 輸入生成指令。
• 模型自主生成完整可遊玩的第一人稱 3D 室內房屋。
• 輸出單一 700KB HTML 檔案，包含連貫平面圖、詳細房間、流暢移動系統。
• 耗時約 40 分鐘運算，無偷懶、無佔位符。

GPT-BDI 1 語音互動流程：

• 知識截止日期更新至 2025 年 8 月。
• 進行即時雙向互動，支援自然打斷。
• 模型能即時調整回應。
• 演示：即時聆聽並計算冗長故事中的食物數量，準確捕捉細節。

值得注意的限制或風險

Sakana Fugu 的成本與效率問題：

• 在實際軟體工程任務中，時間與成本效率遠低於直接使用單一頂尖模型（如 Opus 48）。
• 協調負擔大：Fugu 完成任務時間多 4.5 倍，成本高 5 倍。
• 案例：即時交易臺開發，Fugu 耗費 22,000 Token（$0.51），Opus 48 耗費 16,000 Token（$0.31）。
• 案例：複製遊戲 Crossy Road，Opus 48 耗費 $37，Fugu 耗費 $7.32 但成品有操作反向、攝影機問題及缺音效。

Claude Sonnet 5 的 Token 消耗：

• 新分詞器可能比舊模型多消耗高達 30% 的 Token。

Mythos 6 的可用性：

• 目前僅限內部使用，用於生成合成資料或加速訓練，尚未公開。

OpenAI 新模型的技術挑戰：

• 生成完整 3D 環境需耗時約 40 分鐘運算，且為單一 700KB HTML 檔案，技術實現難度極高。

自主代理的成本失控風險：

• 若無監督，自主代理可能導致成本失控，需管理代幣經濟（Token Economy）與成本。

逐字稿辨識疑點

• Fugu Ultra 官方宣稱超越的模型：逐字稿提及超越 "Fable 5" 和 "Mythos"，後續又提到超越 "Opus 48"。需查證 "Fable 5" 是否為 Anthropic 模型名稱之聽寫錯誤（通常為 Claude 系列），或是否為 Sakana 內部特定模型名稱。
• Opus 48：逐字稿多次提及 "Opus 48" 與 "Claude Opus 48"。需查證 Anthropic 是否已發布此版本號，或是否為聽寫錯誤（常見為 Opus 1 或特定內部版本）。
• GPT-55：逐字稿提及 "GPT-55Opus 48" 及單獨的 "GPT-55"。需查證 OpenAI 是否發布此版本，或是否為 "GPT-4o" 或 "GPT-5" 的聽寫錯誤。
• Gemini 31 Pro：逐字稿提及 "Gemini 31 Pro"。需查證 Google 是否發布此版本，或是否為 "Gemini 1.5 Pro" 或 "Gemini Ultra" 的聽寫錯誤。
• GLM 52：逐字稿提及 "GLM 52"。需查證是否為特定模型名稱，或是否為聽寫錯誤。
• Chinchilla 52：逐字稿提及 "Chinchilla 52"。需查證是否為特定模型名稱，或是否為聽寫錯誤（Chinchilla 通常指代論文或特定參數量模型）。
• GPT-46 / GPT-56 Pro：逐字稿提及 "GPT-46" 與 "GPT-56 Pro"。需查證 OpenAI 是否發布此版本號，或是否為 "GPT-4" 系列或 "GPT-5" 系列的聽寫錯誤。
• GPT-BDI 1：逐字稿提及此語音模型名稱。需查證 OpenAI 是否發布此名稱，或是否為 "GPT-4o" 語音功能的特定代號或聽寫錯誤。
• Sakana AI 共同創辦人 Llion Jones：逐字稿稱其為 "Attention Is All You Need" 作者之一。需查證 Llion Jones 是否確實為該論文作者（該論文主要作者為 Ashish Vaswani 等，需確認 Llion Jones 的具體貢獻或是否為聽寫錯誤）。
• Fugu Ultra 的 "Fugu"：逐字稿中系統名稱為 "Fugu Ultra"，但後文有時僅稱 "Fugu" 或 "Sakana Fugu"。需確認正式產品名稱是否包含 "Ultra"。
• 基準測試分數：SWE Bench Pro 737 分、LiveCodeBench 932 分等具體數值，需查證是否為官方發布數據或影片中的口誤。
• 成本數據：Fugu 開發交易臺成本 $0.51、Opus 48 成本 $0.31；Crossy Road 遊戲 Opus 48 成本 $37、Fugu 成本 $7.32 等具體金額，需查證是否為影片中的