Fugu Ultra Modell-Übersicht

Fugu Ultra ist die leistungsorientierte Variante von Sakana Fugu, einem LLM-Orchestrierungs-Systems von Sakana AI. Fugu Ultra ist selbst kein Frontier-Modell sondern eher ein kleines LLM mit rund 7 Mrd. Parameter, das einen Pool externer Modelle als Agenten ansteuert, Aufgaben delegiert, Ergebnisse verifiziert und zusammenführt. Je nach Schwierigkeit routet der Orchestrierungs-Agent zwischen einem und drei Sub-Agenten, was die Qualität erhöhen, aber sich auch spürbar auf Kosten und Latenz auswirkt. Laut Sakana AI selbst liegt das System auf Augenhöhe mit Fable 5, Mythos Preview, Opus 4.8 und Gemini 3.1 Pro. Auf subjektiver Basis berichteten aber bereits am Tag der Veröffentlichung viele User, dass sie vom Output nicht überzeugt bzw. enttäuscht waren. Für schnellere, günstigere Anfragen wurde ein Schwestermodell Fugu (ohne Ultra) veröffentlicht.

Blog API Dokumentation Technical Report Website

Features & Modalitäten

Nicht verfügbar

QuellenangabenFinetuning

Verfügbar

ReasoningToolsMultimodalitätWebsucheStrukturierte Ausgaben

Input:TextBild

Output:Text

Details zum Modell

1 Mio. Token

5,00 $

30,00 $

7 Mrd.

Kosten berechnen Geschwindigkeit testen

Fugu Ultra Benchmark Scores

Stärken

TopWissen & Sprache

TopProgrammierung

TopLogik & Schlussfolgerung

Fugu Ultra Benchmark Übersicht

Fugu Ultra Performance im Vergleich zu anderen KI-Modellen

Benchmark	Fugu Ultra	GLM 5.2	Claude Sonnet 5	Muse Glimmer 30B	Muse Spark 1.2	Qwen 3.8 Max	DeepSeek V4 Flash
GPQA DiamondWissen & Sprache	95,5 %	91,2 %	—	83,5 %	90,4 %	92,6 %	90,8 %
Humanity's Last ExamWissen & Sprache	50 %	40,5 %	43,2 %	22 %	43,9 %	43,6 %	36,8 %
MRCR v2Logik & Schlussfolgerung	93,6 %	—	—	—	—	92,9 %	—
SWE-bench ProProgrammierung	73,7 %	62,1 %	63,2 %	51,2 %	—	67,7 %	—
Terminal-Bench 2.1Programmierung	82,1 %	82,7 %	80,4 %	51,7 %	82,9 %	86,6 %	82,7 %

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Fugu Ultra	95,5 %
GPT-5.6 Sol	94,6 %
Claude Opus 4.8	93,6 %
Kimi K3	93,5 %
Claude Opus 5	93,43 %
Claude Fable 5	93,18 %
Grok 4.5	93,1 %
GPT-5.6 Terra	92,9 %
Gemini 3.6 Flash	92,8 %
Qwen 3.8 Max	92,6 %
GPT-5.6 Luna	92,3 %
GLM-5.2	91,2 %
DeepSeek V4 Flash 0731	90,8 %
Muse Spark 1.2	90,4 %
DeepSeek-V4-Pro (Preview)	90,1 %
Inkling-Small	89,5 %
DeepSeek V4 Flash	88,1 %
Inkling	87,2 %
Gemini 3.5 Flash-Lite	83,8 %
Muse Glimmer 30B	83,5 %

Vergleich von LLMs im Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 5	56,3 %
Muse Spark 1.1	52,2 %
Fugu Ultra	50 %
Claude Opus 4.8	49,8 %
GPT-5.6 Sol	47,2 %
Muse Spark 1.2	43,93 %
Qwen 3.8 Max	43,6 %
Kimi K3	43,5 %
Claude Sonnet 5	43,2 %
GPT-5.6 Terra	41,8 %
GLM-5.2	40,5 %
Grok 4.5	40,3 %
Gemini 3.5 Flash	40,2 %
Gemini 3.6 Flash	38,3 %
DeepSeek-V4-Pro (Preview)	37,7 %
DeepSeek V4 Flash 0731	36,8 %
Inkling-Small	31,6 %
Inkling	29,7 %
Muse Glimmer 30B	22 %
Gemini 3.5 Flash-Lite	17,5 %

Vergleich von LLMs im Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Gemini 3.1 Pro	2.887 %
DeepSeek-V4-Pro (Preview)	93,5 %
Fugu Ultra	93,2 %
DeepSeek V4 Flash	91,6 %
Kimi K2.6	89,6 %
Claude Opus 5	89,03 %
DeepSeek-v3.2 Speciale	88,7 %
GPT-5.6 Terra	85,93 %
Kimi K2.5 (Thinking)	85 %
GLM-4.7	84,9 %
Qwen3.5-397B-A17B	83,6 %
DeepSeek-v3.2 Thinking	83,3 %
Kimi K2 Thinking	83,1 %
MiniMax-M2	83 %
GPT-5.6 Sol	82,6 %
Nemotron 3 Super	81,19 %
MiniMax M2.1	81 %
Muse Spark	80 %
Gemma 4 31B	80 %
Gemini 3.1 Flash-Lite	72 %

Vergleich von LLMs im Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark LiveCodeBench Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Fugu Ultra	90,8 %

Vergleich von LLMs im Benchmark LiveCodeBench Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MRCR v2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Fugu Ultra	93,6 %
Qwen 3.8 Max	92,9 %
Gemini 3.6 Flash	91,8 %
GPT-5.6 Sol	91,5 %
GPT-5.6 Terra	89,6 %
Gemini 3.5 Flash	77,3 %
Gemini 3.5 Flash-Lite	72,2 %
Gemma 4 31B	66,4 %
Muse Spark 1.1	54,1 %
GPT-5.6 Luna	41,3 %

Vergleich von LLMs im Benchmark MRCR v2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5	80 %
Claude Opus 5	79,2 %
Fugu Ultra	73,7 %
Claude Opus 4.8	69,2 %
Qwen 3.8 Max	67,7 %
Grok 4.5	64,7 %
GPT-5.6 Sol	64,6 %
GPT-5.6 Terra	63,4 %
Claude Sonnet 5	63,2 %
GPT-5.6 Luna	62,7 %
GLM-5.2	62,1 %
Muse Spark 1.1	61,5 %
Laguna S 2.1	59,4 %
MiniMax-M3	59 %
Gemini 3.6 Flash	58,7 %
Inkling-Small	55,9 %
Gemini 3.5 Flash	55,1 %
Inkling	54,3 %
Gemini 3.5 Flash-Lite	54,2 %
Muse Glimmer 30B	51,2 %

Vergleich von LLMs im Benchmark SWE-bench Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.6 Sol	88,8 %
Kimi K3	88,3 %
GPT-5.6 Terra	87,4 %
Qwen 3.8 Max	86,6 %
GPT-5.6 Luna	84,7 %
Claude Opus 5	84,64 %
Claude Fable 5	84,3 %
Grok 4.5	83,3 %
Muse Spark 1.2	82,9 %
DeepSeek V4 Flash 0731	82,7 %
GLM-5.2	82,7 %
Fugu Ultra	82,1 %
Claude Sonnet 5	80,4 %
Muse Spark 1.1	80 %
Gemini 3.6 Flash	78 %
Laguna S 2.1	70,2 %
Inkling-Small	64,7 %
Inkling	63,8 %
Gemini 3.5 Flash-Lite	54 %
Muse Glimmer 30B	51,7 %

Vergleich von LLMs im Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Orchestrator LLM
Input Kontextlänge	1 Mio.
Output Kontextlänge	1 Mio.
Tokenizer	unbekannt

Besonderheiten

Gelernte Orchestrierung	Entscheidet selbst, ob eine Anfrage direkt beantwortet oder an mehrere Spezialmodelle delegiert wird.
Rekursiver Agenten-Pool	1-3 Agenten
Integrierte Web-Suche	Built-in web_search-Tool
Steuerbares Reasoning-Budget	high, xhigh, max
API-Kompatibilität	OpenAI-kompatibel

Vorteile & Nachteile

Vorteile

Frontier-Niveau ohne eigenes Frontier-Modell
Statt ein riesiges Modell zu trainieren, orchestriert ein ~7B-Modell fremde Spitzenmodelle. Sakana AI gibt an, dass das System über Fugu-Ultra in Benchmarks wie GPQA-Diamond und LiveCodeBench v6 auf Augenhöhe mit Fable 5, Opus 4.8 und Gemini 3.1 Pro steht.
Sehr großes multimodales Kontextfenster
1 Mio. Token Kontext und Bild-Eingabe (Vision) decken lange Dokumente, Codebases und multimodale Aufgaben ab.
KI-Agenten out-of-the-Box
Tool-Calls, integrierte Web-Suche, strukturierte JSON-Ausgabe und steuerbares Reasoning sind ohne eigene Orchestrierungs-Logik nutzbar.

Nachteile

Teuer, besonders bei langem Kontext
Mit $5,00 / $30,00 pro 1 Mio. Input-/Output-Token liegt Ultra deutlich über dem günstigeren Schwestermodell Fugu; ab >272K Token verdoppeln sich die Preise sogar auf $10,00 / $45,00.
Intransparenter Agenten-Pool
Sakana legt nicht offen, welche Fremdmodelle Fugu im Hintergrund ansteuert. Das erschwert Reproduzierbarkeit, Datenschutz-Bewertung und schafft eine Abhängigkeit von Drittanbieter-Modellen.
Latenz und Variabilität durch Delegation
Das extra Routen an Sub-Agenten und mehrere zugehörige Verifikationsschritte kosten sehr viel Zeit. Ultra ist explizit auf Qualität statt Geschwindigkeit ausgelegt, die interaktive Nutzung macht deswegen eher weniger Spaß.
Bislang keine unabhängigen Tests
Nahezu alle Benchmark-Zahlen stammen vom Entwickler selbst und sind bislang kaum unabhängig verifiziert. Das Feedback der AI-Community war eher gemischt.

Vergleiche Fugu Ultra mit anderen LLMs

Vergleiche Fugu Ultra mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Intelligence-Index ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
Sakana AI	Fugu Ultra	Proprietär	–	1 Mio.	1 Mio.	5,00 $	30,00 $	21.06.2026
Meta AI	Muse Glimmer 30B	Apache 2.0	35,1	131,07k	131,07k	0,35 $	1,50 $	10.08.2026
Meta AI	Muse Spark 1.2	Proprietär	54,1	1,05 Mio.	1,05 Mio.	1,25 $	4,25 $	05.08.2026
Alibaba	Qwen 3.8 Max	Proprietär	–	1 Mio.	128k	2,00 $	6,00 $	02.08.2026
DeepSeek AI	DeepSeek V4 Flash	MIT	49,9	1 Mio.	384k	0,14 $	0,28 $	31.07.2026
Thinking Machines Lab	Inkling Small	Apache 2.0	40	1 Mio.	1 Mio.	0,50 $	1,20 $	30.07.2026
Anthropic	Claude Opus 5	Proprietär	61	1 Mio.	128k	5,00 $	25,00 $	24.07.2026
Google DeepMind	Gemini 3.5 Flash Lite	Proprietär	36,5	1 Mio.	65,54k	0,30 $	2,50 $	21.07.2026
Google DeepMind	Gemini 3.6 Flash	Proprietär	50,1	1 Mio.	64k	1,50 $	7,50 $	21.07.2026
Poolside	Laguna S 2.1	Open Model License	–	1,05 Mio.	131,07k	0,10 $	0,20 $	20.07.2026

‌
Alle Modelle vergleichen

Fugu Ultra ausprobieren

Du musst kein Entwickler sein: Fugu Ultra ist auch direkt in Sakana Chat nutzbar.

Sakana Chat

Nein

20,00 $

Opt-out möglich

Sakana Chat öffnen

Provider & APIs

Du kannst Sakana AI Fugu Ultra über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.

Häufige Fragen zu Fugu Ultra

Kann ich Fugu Ultra kostenlos nutzen?

Nein, für Fugu Ultra benötigst du in Sakana Chat ein kostenpflichtiges Abo oder Zugang über die API.

Ist Fugu Ultra Open Source?

Nein, Fugu Ultra ist proprietär. Es gibt keine offenen Gewichte, die Nutzung läuft über Apps oder die API von Sakana AI.

Welche Eingabeformate versteht Fugu Ultra?

Fugu Ultra verarbeitet folgende Eingabeformate: Text, Bild.

Was kostet Fugu Ultra über die API?

Über die API kostet Fugu Ultra 5,00 $ pro 1 Mio. Input-Token und 30,00 $ pro 1 Mio. Output-Token. Bei Reasoning-Modellen kommen Thinking-Tokens hinzu, die als Output abgerechnet werden.

Wie groß ist das Kontextfenster von Fugu Ultra?

Fugu Ultra verarbeitet bis zu 1 Mio. Token in einer Anfrage.

Fugu Ultra

Fugu Ultra Modell-Übersicht

Features & Modalitäten

Features & Modalitäten

Details zum Modell

API-Preise einordnen

Fugu Ultra Benchmark Scores

Stärken

Fugu Ultra Benchmark Übersicht

Wissen & Sprache

Logik & Schlussfolgerung

Programmierung

So liest du die Übersicht

Fugu Ultra Performance im Vergleich zu anderen KI-Modellen

So liest du die Tabelle

Ergebnisse in Benchmarks

So liest du die Charts

Benchmarks & Performance

Technologie & Daten

Technische Spezifikationen

Besonderheiten

Vorteile & Nachteile

Vorteile

Nachteile

Vergleiche Fugu Ultra mit anderen LLMs

Fugu Ultra ausprobieren

Provider & APIs

Häufige Fragen zu Fugu Ultra

Stärken

Fugu Ultra Benchmark Übersicht

Wissen & Sprache

Logik & Schlussfolgerung

Programmierung

So liest du die Übersicht

Fugu Ultra Performance im Vergleich zu anderen KI-Modellen

So liest du die Tabelle

Ergebnisse in Benchmarks

So liest du die Charts