บริษัท Sakana AI จากญี่ปุ่นเพิ่งเปิดตัวโมเดลใหม่สองตัวคือ Fugu Max และ Fugu Ultra v2 เมื่อวันที่ 11 กันยายน 2026 — และจุดที่น่าสนใจไม่ใช่แค่คะแนน แต่เป็น วิธีคิด ที่ต่างจากค่ายอื่นอย่างสิ้นเชิง
เกิดอะไรขึ้น
แทนที่จะสร้างโมเดลใหญ่ตัวเดียวแล้วเทรนให้เก่งทุกอย่าง Sakana อธิบาย Fugu ว่าเป็น "ระบบหลายเอเจนต์ ที่ส่งมอบในรูปโมเดลเดียว" (a Multi-Agent System, Delivered as One Model) พูดง่าย ๆ คือ Fugu ทำตัวเหมือน วาทยกร ที่คอยสั่งวงออร์เคสตรา — มันไม่ได้ตอบเองคนเดียว แต่คอยประสานและกระจายงานให้กลุ่มโมเดลหลายตัวช่วยกันคิด แล้วรวมคำตอบออกมา
ผลลัพธ์คือคะแนน benchmark ที่สูงน่าตกใจ บนชุดทดสอบ Chartography (การอ่านกราฟและตีความข้อมูลภาพ) Fugu Ultra v2 ทำได้ 48.3 คะแนน เทียบกับ Opus 5 ที่ได้ 27.3 และ Fable 5 ที่ได้ 29.5 ส่วนงานเขียนโค้ดจริง DeepSWE ทำได้ 74.3 คะแนน
สิ่งที่ทำให้ข่าวนี้พูดถึงกันมาก คือ Sakana ยืนยันว่า Fugu Ultra v2 ทำคะแนนเหล่านี้ได้ โดยไม่มีโมเดลเรือธงอย่าง Fable 5, Fable 5.1 หรือ GPT-6-Astra อยู่ในทีมเอเจนต์เลย — เท่ากับบอกว่า "การจัดวงเก่ง" อาจสำคัญไม่แพ้ "การมีนักดนตรีเก่งที่สุด"
ทำไมถึงน่าสนใจ
ที่ผ่านมาการแข่งขัน AI มักวัดกันที่ ขนาดโมเดล และ งบเทรน มหาศาล แต่แนวทาง orchestration แบบนี้ชี้ให้เห็นอีกทาง — เอาโมเดลที่มีอยู่หลายตัว (รวมถึงตัวเล็ก ๆ ที่ถูกกว่า) มาจัดทีมให้ทำงานร่วมกันอย่างชาญฉลาด ก็อาจได้ผลลัพธ์ระดับเรือธงได้
Fugu Ultra v2 รองรับ context ยาวถึง 1,000,000 โทเคน และคิดราคา input 5 ดอลลาร์ / output 30 ดอลลาร์ ต่อล้านโทเคน ซึ่งอยู่ในระดับที่แข่งขันได้เมื่อเทียบกับความสามารถ
เทรนด์ "หลายโมเดลทำงานร่วมกัน" (multi-model orchestration) กำลังกลายเป็นเรื่องปกติของปี 2026 — แทนที่จะยึดติดกับ AI ยี่ห้อเดียว การผสมหลายตัวให้เหมาะกับแต่ละงานเริ่มเป็นวิธีที่ทั้งคุ้มและได้ผลดีกว่า
ข้อควรระวัง
คะแนน benchmark เป็นตัวเลขจากผู้พัฒนาเอง การใช้งานจริงยังต้องรอการทดสอบอิสระ และแนวทาง orchestration ก็มีความซับซ้อนเบื้องหลังที่ต้องจัดการ — ไม่ใช่ว่าจะเหมาะกับทุกงานเสมอไป