L'11 settembre 2026 Sakana AI, il laboratorio giapponese fondato da ex ricercatori di Google, ha rilasciato due nuovi modelli: Fugu Ultra v2 e Fugu Max. Il titolo che gira in questi giorni è che Fugu Ultra v2 batte GPT-6 Astra. La realtà è più interessante e più sfumata, e la spiego con i numeri ufficiali alla mano.
Prima però una cosa che va capita subito, perché cambia tutto: Fugu non è un modello nel senso classico. È un modello addestrato a smistare ogni compito verso un insieme di altri modelli (aperti e specializzati) e, quando serve, a chiamare copie di se stesso. Sakana lo chiama "multi-agent system as a model". Tu lo interroghi come un'API qualsiasi, dietro lavora un'orchestra.
Ho seguito Fugu dalla beta di aprile e ho un debole per l'idea, perché è la stessa che applico quando costruisco automazioni per i clienti: non usare il modello più costoso per leggere un PDF. Vediamo cosa cambia con questa versione.
Due modelli, una sola architettura
Fugu Max e Fugu Ultra v2 sono la stessa architettura di orchestrazione ottimizzata per due obiettivi opposti:
- Fugu Max risponde alla domanda: qual è il miglior risultato possibile al costo più basso? Usa il modello più leggero in grado di risolvere il compito.
- Fugu Ultra v2 risponde alla domanda: qual è la capacità massima raggiungibile su compiti complessi e multi-step? Qui la priorità è la qualità.
Entrambi si chiamano tramite un'API compatibile con OpenAI. Chi già usa Fugu passa a Max o Ultra v2 cambiando un parametro, senza migrazione.
Prezzi ufficiali
Questi sono i listini pubblicati da Sakana e dai provider che li rivendono, per milione di token:
- Fugu Max: 2 $ in input, 6 $ in output. Sakana dichiara che il prezzo in output è del 40-60% più basso di Sonnet 5, GPT 5.6 Terra e Kimi K3.
- Fugu Ultra v2: 5 $ in input, 30 $ in output. Lettura dalla cache a 0,50 $. Ricerca web integrata a 10 $ ogni mille chiamate.
- Contesto: 1 milione di token per entrambi, con output massimo di 128.000 token. Sopra i 272.000 token di prompt il prezzo sale.
Un dettaglio che vale una lettura attenta: i token consumati dall'orchestrazione interna vengono fatturati come normali token di input e output. Quindi il prezzo a listino è il prezzo per token, non il prezzo per richiesta. Su un compito complesso Fugu può chiamare più modelli e più volte se stesso, e ogni passaggio conta. Torno su questo punto tra poco perché è il limite principale.
Per confronto, GPT-6 Astra via API costa 10 $ in input e 50 $ in output, come ho riportato nell'articolo sui limiti dei piani GPT-6 Astra. Fugu Ultra v2 costa quindi la metà a listino, ma con la variabile dell'orchestrazione.
Cosa dicono i benchmark
Fugu Ultra v2
Secondo i dati pubblicati da Sakana, Fugu Ultra v2 ottiene il punteggio migliore o pari al migliore su cinque benchmark su otto: GDP.pdf, Chartography, SWEFish, DeepSWE e Toolathon. Ed è nei primi due su sette benchmark su otto.
- Chartography (ragionamento visivo su grafici e dati): 48,3 contro 27,3 di Opus 5 e 29,5 di Fable 5.
- DeepSWE (ingegneria del software reale): 74,3, sopra modelli che costano da tre a cinque volte di più per token. Per confronto, nel mio pezzo su DeepSeek V4.1 Flash avevo raccontato come anche il modello cinese batta Opus 5 proprio su DeepSWE.
- SWEFish è il benchmark interno di Sakana sui propri casi di coding: qui è primo, ma è un test fatto in casa e va pesato come tale.
Il punto che nessuno sta sottolineando: Sakana dichiara esplicitamente che Fable 5, Fable 5.1 e GPT-6 Astra NON sono nel pool di modelli che Fugu Ultra v2 orchestra. Il cutoff di addestramento è il 28 agosto 2026. Quindi i risultati arrivano da modelli aperti e specializzati, senza appoggiarsi ai tre modelli chiusi più forti sul mercato. È questa la vera notizia, non il singolo punteggio.
Fugu Max
Fugu Max ottiene il miglior punteggio complessivo su sei benchmark, tra cui Terminal Bench 2.1, GPQAD, AA-LCR, GDP.pdf, AutomationBench e SWEFish, e allarga la frontiera costo-prestazioni su sette benchmark su dieci. Tradotto: prestazioni vicine ai modelli di punta a un costo da due a sei volte inferiore, secondo Sakana.
Batte davvero GPT-6 Astra?
Dipende da cosa si intende. Sui benchmark che Sakana ha scelto di pubblicare, Fugu Ultra v2 è davanti o alla pari sulla maggioranza. Ma sono benchmark selezionati dal produttore, uno è interno, e mancano confronti diretti su ragionamento puro e su compiti da terminale lunghi, dove Astra è forte come ho spiegato nel confronto tra Astra e Fable 5.1.
La lettura corretta secondo me: Fugu Ultra v2 dimostra che un'orchestrazione di modelli aperti può stare al livello dei modelli chiusi di frontiera su coding agentico, documenti e dati visivi, a metà prezzo a listino. Non dimostra di essere il modello migliore in assoluto, e Sakana stessa non lo dice.
I limiti che vedo da sviluppatore
- Latenza. Sul provider principale la latenza mediana è di circa 13 secondi e il throughput di 42 token al secondo. Per un chatbot in tempo reale è troppo. Per un agente che lavora in background va benissimo.
- Disponibilità. Nei tre giorni dopo il rilascio la disponibilità effettiva su OpenRouter è stata sotto il 90%: il servizio rispondeva, ma una richiesta su dieci tornava con errore o vuota. È normale per un lancio, ma va messo in conto con un retry.
- Costo reale variabile. Con i token di orchestrazione fatturati come token normali, il conto finale su un compito difficile può superare quello di un modello singolo più caro. Va misurato sul proprio carico, non sul listino.
- Un solo provider. Oggi Fugu Ultra v2 è servito solo da Sakana. La promessa di indipendenza dal vendor vale per i modelli orchestrati, non per l'orchestratore.
- Dati. Sakana è giapponese e i modelli nel pool sono aperti, ma dove girano e cosa succede ai prompt va letto nelle condizioni prima di mandarci dati dei clienti.
Quando lo userei e quando no
Fugu Max è il candidato ideale per il tipo di lavoro che faccio più spesso: estrazione dati da documenti, classificazione, generazione di testi strutturati, agenti n8n che girano di notte. Costa poco, il contesto da 1 milione copre interi archivi e la latenza non conta. Lo metterei in test al posto di Sonnet 5 sui flussi dove oggi pago di più di quanto serva.
Fugu Ultra v2 lo proverei su due cose precise: analisi di report con grafici (il punteggio su Chartography è il doppio di Opus 5) e task di sviluppo lunghi dove un agente deve leggere un repository intero. Non lo userei per un assistente conversazionale né per nulla che debba rispondere in meno di dieci secondi.
Per chi vuole provarlo senza cambiare codice: è disponibile via OpenRouter con la stessa API che uso per far girare Claude Code con modelli alternativi. Cambia il nome del modello e basta.
Leggi anche
- GPT-6 Astra vs Claude Fable 5.1: quale scegliere e quando
- GPT-6 Astra: limiti Plus, Pro sospeso, conviene l'API?
- DeepSeek V4.1 Flash: benchmark, prezzi e cosa cambia davvero
- Nvidia compra Hugging Face: cosa cambia se usi Ollama
- Come risparmiare token con Claude: guida Fable 5
Conclusione
Fugu Ultra v2 e Fugu Max non sono "il modello che batte Astra". Sono la prova che l'orchestrazione di modelli aperti è arrivata al livello della frontiera chiusa su una fetta importante di compiti reali, a un prezzo che per Max è davvero basso. Se hai flussi AI che pagano il modello di punta per compiti che non lo richiedono, questo è il momento di misurare.
Se vuoi capire quali dei tuoi processi possono passare a un modello più economico senza perdere qualità, scrivimi: rispondo io e ti dico dove taglierei i costi e dove no.
