Sakana AI défie le verrouillage fournisseur avec Fugu

Sakana AI innove avec Fugu pour contrer le verrouillage des fournisseurs

La société japonaise Sakana AI a récemment introduit Fugu, un modèle novateur conçu pour orchestrer des opérations multi-agents. Ce développement vise à réduire les risques associés à la dépendance envers un seul fournisseur dans les déploiements d'entreprise. En effet, les entreprises qui s'appuient exclusivement sur des API AI monolithiques peuvent se retrouver vulnérables face à des interruptions de service. Pour répondre à cette problématique, Sakana AI a élaboré Fugu, un modèle d'orchestration de langage qui utilise une variété de modèles pour exécuter des tâches complexes en plusieurs étapes.

Les utilisateurs peuvent interagir avec cet écosystème via un point d'accès unique compatible avec OpenAI. Fugu a la capacité de traiter les requêtes en interne, en déterminant s'il doit résoudre une demande directement ou mobiliser une équipe de modèles experts pour une analyse plus approfondie. Le système prend en charge la sélection des modèles, la délégation des tâches, la vérification des résultats et la synthèse des données. Ainsi, les équipes d'ingénierie bénéficient d'une interaction simplifiée, semblable à celle avec un seul modèle, tandis qu'en arrière-plan, un réseau de spécialistes exécute les calculs requis.

Réponse aux risques géopolitiques et réglementaires

Sakana AI a conçu Fugu pour répondre aux risques géopolitiques et réglementaires liés à l'approvisionnement en AI. Les récentes restrictions à l'exportation, qui ont affecté des modèles tels que Fable et Mythos, ont illustré la fragilité de l'accès à certaines architectures essentielles en fonction des décisions politiques internationales.

Fugu se présente comme une solution de secours face à ces perturbations inattendues de la chaîne d'approvisionnement. La plateforme repose sur un pool d'agents entièrement interchangeable, permettant à Fugu de rediriger le trafic de manière dynamique autour de tout fournisseur restreint ou dégradé, assurant ainsi la continuité du service. Sakana AI affirme que cette flexibilité offre l'architecture résiliente nécessaire pour garantir la souveraineté en matière d'AI.

Les différents niveaux de déploiement de Fugu

Fugu est disponible en deux niveaux distincts pour répondre à des exigences variées de latence opérationnelle.

• Le modèle standard de Fugu est optimisé pour une faible latence, idéal pour les tâches quotidiennes. Il s'intègre parfaitement avec des outils de développement standard tels que Codex pour le codage en direct et la révision de code. Les organisations soumises à des exigences strictes en matière de gouvernance des données ou de confidentialité peuvent choisir d'exclure manuellement certains modèles du pool de routage standard de Fugu.

• Fugu Ultra est conçu pour traiter des problèmes analytiques complexes nécessitant une précision maximale. Cette version coordonne un ensemble plus large d'agents experts pour des tâches intensives telles que la reproduction d'articles académiques, les enquêtes littéraires et l'analyse de brevets.

Selon Sakana AI, Fugu Ultra rivalise avec les modèles fermés de premier plan comme Fable 5 et Mythos Preview dans des benchmarks scientifiques, d'ingénierie et de raisonnement. Grâce à sa méthode d'orchestration, les entreprises peuvent accéder à des capacités de calcul de pointe sans subir les risques de concentration des fournisseurs ou les restrictions à l'exportation associées à ces modèles fermés.

Application dans le domaine de la cybersécurité

Près de 500 utilisateurs précoces ont participé à un programme bêta prolongé pour tester le système, se concentrant sur des flux de travail computationnels longs et en plusieurs étapes. La cybersécurité, étant un domaine clé pour des modèles comme ceux utilisés dans Fugu, a vu les équipes d'ingénierie déployer Fugu Ultra pour automatiser des cycles complets d'évaluation de sécurité.

Les opérateurs humains ont émis des instructions ciblées, et le moteur d'orchestration a pris en charge l'ensemble de la phase de reconnaissance. Le modèle a réussi à effectuer des vérifications de cross-site scripting et d'injection SQL, ainsi que des examens d'authentification approfondis.

Un ingénieur en cybersécurité participant a confirmé que le modèle respectait strictement ses paramètres opérationnels, évitant toute action destructrice contre l'infrastructure cible. Fugu a conclu l'engagement automatisé en générant un rapport de vulnérabilité clair, complet avec des preuves vérifiables et des étapes précises de retest pour les équipes de remédiation humaines.

Cette mise en œuvre a démontré que le routage multi-agents maintient des frontières de conformité strictes tout en exécutant des séquences complexes de tests de pénétration.

Les équipes de développement logiciel ont également intégré Fugu Ultra dans leurs pipelines de révision de code principaux pour comparer les taux de détection de défauts avec des outils monolithiques établis. Le moteur d'orchestration a systématiquement surpassé les modèles de référence dans l'identification des défauts logiques et des vulnérabilités de sécurité au sein de bases de code d'entreprise complexes.

« Pour la révision de code, Fugu Ultra est nettement meilleur que GPT-5.5. Il fournit des réponses complètes et trouve les bugs que d'autres manquent », a rapporté un ingénieur logiciel impliqué dans le déploiement bêta. « Là où d'autres outils signalent environ trois problèmes, Fugu a mis en évidence plus de vingt. C'est devenu le modèle que j'utilise pour toutes mes révisions. »

Recherche automatisée et stabilité de persona

Les unités de science des données ont déployé le système dans un mode de recherche presque entièrement automatisé. Fugu Ultra a réussi à explorer des hypothèses mathématiques, exécuter des exécutions de code expérimentales, interpréter des états d'échec et réviser ses propres approches pour maintenir le progrès sur de longues périodes avec un minimum d'intervention humaine. Cette capacité répond directement aux limitations opérationnelles des modèles à appel unique qui nécessitent des incitations humaines constantes pour se remettre d'erreurs logiques.

La direction d'une entreprise de plateforme non nommée a identifié la stabilité de persona à long terme comme un avantage principal lors de ces sessions prolongées. Les architectures monolithiques conventionnelles souffrent souvent de dégradation du contexte et de dérive d'identité lors du traitement d'histoires conversationnelles étendues.

« La qualité de la sortie brute est comparable à celle des meilleurs modèles de pointe, mais Fugu a montré une stabilité de persona exceptionnellement forte au cours de longues sessions, maintenant son identité là où d'autres modèles dérivent », a déclaré l'exécutif. « Pour les produits d'agent, cela peut avoir plus d'importance que les scores de benchmark bruts. »

Validation de benchmark étendue

Sakana AI a construit la logique de routage interne sur la base de recherches approfondies sur l'orchestration des modèles appris. La base technique du produit découle des résultats publiés dans les documents de l'entreprise, en particulier les cadres Trinity et Conductor.

Ces fondations académiques permettent à Fugu de traiter les demandes en comprenant précisément quand une tâche nécessite une délégation par rapport à une résolution directe. Le modèle de langage interne dicte les protocoles de communication entre les agents individuels et structure la synthèse finale de leurs sorties computationnelles séparées.

Les tests de validation contre des concurrents AI de pointe ont couvert des disciplines complexes et ouvertes allant de la prévision de séries temporelles financières à la conception mécanique. Fugu a également démontré une grande compétence dans des tests de logique physique de niche et des tâches d'interprétation visuelle, y compris la résolution du Rubik's Cube et l'analyse de l'écriture japonaise. La capacité à exceller à la fois dans la modélisation financière quantitative et dans le traitement d'images qualitatives confirme l'efficacité de l'approche d'orchestration multi-agents.

Sakana AI a conçu le système pour évoluer de manière organique à mesure que le marché plus large des matériels et logiciels AI mûrit. Étant donné que le produit repose entièrement sur une logique d'orchestration apprise plutôt que sur des ensembles de règles opérationnelles fixes, il bénéficie automatiquement des innovations tierces. Sakana AI prévoit d'élargir continuellement le pool d'agents experts disponibles.

L'équipe d'ingénierie intégrera des outils open-source nouvellement publiés et des modèles propriétaires de Sakana AI dans le pool de routage dès qu'ils seront disponibles. Les modèles standard Fugu et Fugu Ultra sont disponibles pour les clients d'entreprise dès aujourd'hui.