टोकियो-आधारित Sakana AI ने Fugu लाँच केली आहे, ही एक प्रणाली आहे जी एकाच वेळी अनेक मॉडेल्सचे डायनॅमिकरित्या समन्वय साधून फ्रंटियर AI मॉडेलचे कार्यप्रदर्शन देते. एक विशाल न्यूरल नेटवर्क बनवण्याऐवजी, फुगु हे स्वतः एक भाषा मॉडेल आहे जे स्वॅप करण्यायोग्य "एजंट पूल" मधून इतर LLM ला कॉल करण्यासाठी प्रशिक्षित आहे, प्रत्येक कार्यासाठी विशेष मॉडेल्सची एक टीम एकत्रित करते आणि एकल OpenAI-सुसंगत API द्वारे त्यांचे आउटपुट संश्लेषित करते.

DECODER, MarkTechPost आणि MIT Sloan मॅनेजमेंट रिव्ह्यू द्वारे कव्हर केलेले लॉन्च, AI कार्यप्रदर्शनातील पुढील झेप कच्च्या प्रमाणात कमी आणि आधीपासून अस्तित्त्वात असलेल्या मॉडेल्सच्या स्मार्ट समन्वयातून अधिक येऊ शकते हे एक पैज दर्शवते. For more context on this story, see our ongoing latest AI developments.

त्या सर्वांना आज्ञा देण्यासाठी एक मॉडेल

वापरकर्त्यासाठी, Fugu एकाच मॉडेलसारखे वागते. हुड अंतर्गत, ते एकतर स्वतःहून विनंती हाताळते किंवा विशिष्ट मॉडेल्सची टीम एकत्र आणते, निवड, प्रतिनिधी मंडळ, तपासणी आणि अंतर्गत संश्लेषण व्यवस्थापित करते. Sakana AI म्हणते की हा दृष्टीकोन त्याच्या ALE-एजंट सारख्या पूर्वीच्या कामावर आधारित आहे, ज्याने ऑर्केस्ट्रेशन तंत्राचा वापर करून कोडिंग स्पर्धेत 1,000 मानवी तज्ञांपैकी 21 व्या स्थानावर ठेवले आहे.

कंपनी दोन व्हेरियंट जारी करत आहे. बेस फुगु मॉडेल कोडिंग, कोड पुनरावलोकन आणि चॅटबॉट वापर प्रकरणांमध्ये कमी विलंबता आणि ठोस दैनंदिन कार्यप्रदर्शन लक्ष्य करते आणि गोपनीयतेसाठी किंवा अनुपालनासाठी संघांना विशिष्ट एजंट्सना पूलमधून वगळू देते. फुगु अल्ट्रा हे वैज्ञानिक पेपर्सचे पुनरुत्पादन, सायबरसुरक्षा विश्लेषण आणि पेटंट आणि साहित्य शोध यासारख्या जटिल, बहु-चरण समस्यांवर जास्तीत जास्त उत्तर गुणवत्तेसाठी तयार केले आहे.

बेंचमार्क दावे जे डोके फिरवतात

Sakana AI ने प्रकाशित केलेल्या बेंचमार्क निकालांनुसार, Fugu Ultra कोडिंग, तर्क आणि विज्ञान बेंचमार्कच्या श्रेणीमध्ये अँथ्रोपिकच्या फेबल 5 आणि मिथॉस पूर्वावलोकनाच्या बरोबरीने कामगिरी करते. विशेष म्हणजे, कोणतेही अँथ्रोपिक मॉडेल फुगुच्या एजंट पूलमध्ये नाही कारण ते सार्वजनिकरित्या उपलब्ध नाहीत, याचा अर्थ फुगुने इतर मॉडेल्सचा वापर करून तुलनात्मक स्कोअर गाठला.

प्रकाशित झालेले आकडे धक्कादायक आहेत. SWE-Bench Pro वर, Fugu Ultra ने 73.7, Opus 4.8 च्या पुढे 69.2 वर, Gemini 3.1 Pro ने 54.2 वर, आणि GPT 5.5 ने 58.6 वर स्कोअर केला. टर्मिनलबेंच 2.1 वर त्याने Opus 4.8 च्या 82.1 विरुद्ध 80.2 गुण मिळवले. LiveCodeBench वर ते GPT 5.5 च्या 85.3 च्या विरुद्ध 93.2 वर पोहोचले, आणि Humanity's Last Exam वर ते Opus 4.8 च्या 49.8 आणि GPT 5.5 च्या 41.4 वर टॉप करून 50.0 वर पोहोचले.

वास्तविक-जागतिक चाचणी मिश्र चित्र रंगवते

बेंचमार्कपेक्षा सुरुवातीच्या हँड्स-ऑन पुनरावलोकने कमी उत्साही आहेत. एआय संशोधक एथन मोलिक यांनी X वर लिहिले की फुगु अल्ट्रा "विश्वसनीयपणे हळू" आहे, त्याच्या नेहमीच्या कोडिंग चाचण्यांना 30 मिनिटे लागतात आणि परिणाम "उत्तम" होते परंतु सराव मध्ये फेबलपेक्षा कमी होते. दुसऱ्या वापरकर्त्याने $20 प्लॅनवर संपूर्ण पाच-तासांचा कोटा एकाच प्रॉम्प्टने फुंकल्याची नोंद केली, तर हॅकर न्यूजवरील विकसकांनी तक्रार केली की $200-प्रति-महिना योजना वापरण्यायोग्य वेळेच्या आठवड्यात तीन तासांपेक्षा कमी उत्पन्न देते.

कोड पुनरावलोकने एक उज्ज्वल स्पॉट म्हणून उदयास आली, जी ओपस 4.8 किंवा GPT 5.5 गुणवत्तेत अंदाजे जुळतात. एका हेड-टू-हेड चाचणीने फुगु अल्ट्राने 22 मिनिटांत कोडिंग कार्य $7.32 मध्ये पूर्ण केल्याचे दाखवले, Opus 4.8 च्या 79 मिनिटे आणि $37.85 पेक्षा खूपच जलद आणि स्वस्त, जरी पुनरावलोकनकर्त्याने Opus च्या आउटपुटला प्राधान्य दिले.

टोकियोमध्ये 2023 मध्ये स्थापन झालेल्या आणि Nvidia द्वारे समर्थित Sakana AI ने विद्यमान मॉडेल्समधून अधिक कार्यप्रदर्शन पिळण्यासाठी उत्क्रांतीवादी अल्गोरिदम आणि सामूहिक-बुद्धिमत्ता कल्पनांचा वापर करून निसर्ग-प्रेरित AI संशोधनावर आपली ओळख निर्माण केली आहे. फुगुने ते तत्त्वज्ञान व्यावसायिक बाजारपेठेपर्यंत विस्तारित केले आणि ऑर्केस्ट्रेशनला उत्पादनात रूपांतरित केले. द्विभाषिक साइट आणि वैयक्तिक विकासक आणि एंटरप्राइझ कार्यसंघ या दोघांना उद्देशून किंमतीसह, यूएस प्रदात्यांवर अति-निर्भरतेबद्दल चिंतित असलेल्या जपानी प्रेक्षकांसाठी कंपनी देखील सिस्टमची स्थापना करत आहे.

विक्रेता लॉक-इन विरुद्ध बचाव

कच्च्या कामगिरीच्या पलीकडे, Sakana AI कोणत्याही एकल AI प्रदात्यावर अवलंबून राहण्यापासून संरक्षण म्हणून Fugu ला पिच करत आहे. कंपनीने अलीकडील यूएस निर्यात नियंत्रणांकडे लक्ष वेधले ज्याने अँथ्रोपिकच्या फेबल आणि मिथॉस मॉडेल्सला परदेशी बाजारपेठेतून खेचले याचा पुरावा म्हणून की शीर्ष प्रणालींमध्ये प्रवेश रात्रभर नाहीसा होऊ शकतो.

"एखाद्या संस्थेसाठी किंवा राष्ट्रासाठी, गंभीर पायाभूत सुविधा, वित्त किंवा प्रशासनासाठी एकाच कंपनीच्या API वर अवलंबून राहणे ही एक भौतिक असुरक्षा आहे," सकाना एआयने आपल्या घोषणेमध्ये लिहिले. फुगुचा मॉडेल पूल पूर्णपणे बदलण्यायोग्य असल्यामुळे, जर एखादा प्रदाता अंधारात असेल तर सिस्टम इतर मॉडेल्सवर राउट करू शकते.

विश्लेषक सावध करतात की हे खरे सार्वभौमत्व सारखे नाही. फुगुचे कार्यप्रदर्शन त्याच्या पूलमध्ये कोणते मॉडेल बसतात यावर अवलंबून असते आणि एकाच वेळी प्रवेश प्रतिबंधित करणारे अनेक शीर्ष प्रदाते अजूनही त्याचे पर्याय कमी करतात. ऑर्केस्ट्रेशन लेयर टोकन वापर आणि किंमत किती वाढवते हे देखील कंपनीने अद्याप उघड केलेले नाही. तरीही, फ्रंटियर मॉडेल्स भौगोलिक-राजकीय मालमत्ता बनत असताना आणि एकल-विक्रेता लॉक-इन जोखमीच्या प्रमाणात वाढत असताना, फुगु एका एआय उद्योगाचे पूर्वावलोकन देते जेथे क्षमता तेवढी समन्वय महत्त्वाची असू शकते.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →