Fugu-Ultra
PulseAugur coverage of Fugu-Ultra — every cluster mentioning Fugu-Ultra across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Sakana AI 发布 Fugu-Ultra v1.1，超越 "Fable 5"
Sakana AI 发布了 Fugu-Ultra v1.1，这是一个先进的多智能体系统，可作为单一基础模型运行。据报道，新版本在性能上超越了“Fable 5”。此外，Fugu-Ultra v1.1 还包含一个兼容“Claude Code”的端点。
-
Sakana AI 发布 Fugu Ultra v1.1 支持 Claude Code
Sakana AI 发布了 Fugu Ultra v1.1，这是其 AI 模型路由器的更新版本，与 v1.0 相比性能提升了 7.9 分。新版本现在包含一个 Claude Code 端点。然而，欧盟用户仍无法访问 Fugu Ultra。
-
Bluesky 的 Fugu-Ultra v1.1 声称性能提升，超越 Fable 5
Bluesky 的 AI 部门发布了 Fugu-Ultra v1.1，这是一款交互式 Web 应用程序。据报道，通过动态编排前沿模型，此次更新将性能提高了 7.9 个点。该团队声称，尽管 Fugu-Ultra v1.1 的代理池中不包含 Fable 5，但它在复杂的编码和推理任务上的表现已优于 Fable 5。
-
The Conductor LLM 为最佳通信拓扑训练代理
研究人员开发了“The Conductor”，一个拥有70亿参数的模型，旨在优化多代理LLM系统的通信拓扑和指令。该模型将在即将发布的ICLR 2026论文中详细介绍，它利用递归自应用来处理复杂查询。The Conductor在与现有多个代理的基线模型相比时，表现出了卓越的性能，在模型调用次数更少的情况下取得了可比的结果，并且现已集成到Sakana的Fugu-Ultra产品中。
-
Sakana AI 推出 Fugu，一个协调 AI 模型的多代理系统
Sakana AI 推出了 Sakana Fugu，一个充当其他 AI 模型项目经理的多代理系统。Fugu 将请求路由给专门的 AI 代理进行规划、执行、验证和综合，提供两个版本：Fugu 用于日常任务，Fugu Ultra 用于复杂的多步操作。在测试中，Fugu Ultra 在 AI 研究实验、金融交易模拟甚至盲棋比赛中都表现出色，在某些任务中超越了其他模型。
-
Sakana AI 发布 Fugu Ultra，性能比肩前沿模型
Sakana AI 推出了 Fugu Ultra，这是一款旨在性能比肩 Fable 和 Mythos 的新模型，同时规避了出口管制风险。该模型是可通过单一 API 访问的多智能体编排系统的一部分。初步比较显示，Fugu Ultra 在生成程序化地形方面表现与现有前沿模型相当。
-
Sakana AI 发布 Fugu，一款挑战顶级模型的 LLM 编排器
Sakana AI 推出了 Fugu，一个新颖的多代理编排系统，旨在将任务路由到各种大型语言模型池中。该系统旨在提供与 Anthropic 的 Fable 和 Mythos 等领先模型相当的性能，同时减轻对任何单一 AI 提供商的依赖。Fugu 在单个 API 后面运行，内部管理模型选择、委托和合成，其中 Fugu Ultra 等变体针对复杂任务的最大质量进行了优化。
-
Sakana Fugu和GLM-5.2声称达到Fable 5/Mythos性能，开源 · 跟踪2个来源
AI领域正在经历快速发展，涌现出多个新模型。Sakana Fugu发布了Fugu Ultra，据称该模型通过聚合多个AI系统，性能可媲美Anthropic的Fable 5和Mythos。同时，中国的GLM-5.2也发布了声称可媲美这些先进模型性能的说法，Sakana Fugu和GLM-5.2都公开了他们的模型。
-
Sakana AI推出Fugu编排系统，挑战前沿模型
Sakana AI推出了Sakana Fugu，一个多智能体编排系统，旨在动态组合各种AI模型以完成复杂任务。该系统旨在提供一种有弹性的替代方案，以应对依赖单一、大型前沿模型的风险，这些模型可能受到出口管制。Sakana AI的“Fugu Ultra”模型展示了与Fable和Mythos等成熟模型相当的性能，展示了编排智能体池在AI主权方面的潜力。
-
Sakana AI 的 Fugu-Ultra 智能体自主优化机器学习训练和文本重建
Sakana AI 开发了 Fugu-Ultra，这是一种能够自主改进机器学习训练配方的 AI 智能体。在一项实验中，Fugu-Ultra 在一台 H100 GPU 上迭代编辑了训练代码，并在 14 小时内运行了 123 次实验，取得了比三个前沿模型更好的平均每比特字节 (BPB) 分数。在另一项独立测试中，Fugu-Ultra 在重建古典日语文本的阅读顺序方面表现出卓越的性能，其 NED 分数达到 0.80，而其他模型的得分均低于 …