一个模型来指挥他们所有人——一体化多代理系统 Sakana Fugu动态协调世界上最优秀的模型，以应对复杂的多步骤任务。今天，通过一个API直接将集体智慧嵌入您的工作流程中。Sakana Fugu通过动态组合和协调强大而多样的模型群，实现卓越的性能。不同于依赖领域知识来规定团队组织、角色或工作流程，Fugu学习如何动态地从模型池中组装代理，并通过非显而易见但高效的协作模式来协调它们。 01 一个API以优化的方式访问所有模型 通过一个API访问协调好的专业模型池。Fugu负责根据每个任务进行模型选择和切换，降低了API的复杂性，同时提高了成本效益。 02 在复杂任务中提供优越的性能 专为编码、推理和其他质量关键型工作流程设计，Fugu协调专家代理以应对复杂任务，得到更加强大、可靠的结果。 03 在代理选择中提供灵活性 控制哪些代理可以参与Fugu的模型池。可以排除特定的提供商或模型，以满足数据、隐私、合规或组织要求。 技术背景 基于最新研究的多代理智能协调 Sakana Fugu的基础是两篇关于学习模型编排的ICLR 2026论文：TRINITY和Conductor。它们展示了系统如何能够学习组装、路由和协调专家代理来完成每个任务，而不是依靠手动设计的工作流程。有关该系统背后理念的更深层次了解，请查阅我们的技术报告。 论文 TRINITY：进化型LLM协调器 TRINITY使用轻量级的进化协调器，在多个轮次上编排多个LLM，分配“思考者”、“执行者”或“验证者”角色，以适应性地将工作分配到编码、数学、推理和知识任务中。 通过Conductor学习以自然语言进行代理的编排 Conductor通过强化学习进行训练，以发现自然语言的协调策略，设计代理通信模式和专注提示，帮助多样化的LLM集体在具有挑战性的推理基准中超越单个工作者。 如何使用 通过API解锁多代理智能 Sakana Fugu提供两种模型——Fugu和Fugu Ultra，均可通过一个OpenAI兼容的API访问。选择符合您工作负载的模型，或在不更改集成的情况下在两者之间切换。 Fugu 平衡性能和延迟 Fugu平衡强大的性能与低延迟，是日常工作理想的默认选择。将其嵌入Codex等工具中进行编码和代码审核，或为响应灵敏的聊天服务提供动力——所有这些都通过一个端点实现。您还可以选择将特定代理从其池中排除，以满足数据、隐私和合规限制。 Fugu Ultra 性能优化 Fugu Ultra协调更深的专家代理池，以最大化在困难和高风险问题上的答案质量。早期用户依赖于它参加Kaggle竞赛、论文重现、网络安全分析，以及文献和专利调查。