Снижение зависимости от поставщика с помощью многоагентных моделей Sakana AI Fugu.

Стратегия бизнеса в сфере ИИ

Снижение зависимости от поставщика с помощью многоагентных моделей Sakana AI Fugu.

Компания Sakana AI запустила Fugu для координации работы нескольких агентов и снижения рисков зависимости от одного поставщика в корпоративных развертываниях.

Предприятия сталкиваются с операционными уязвимостями, когда полностью полагаются на монолитные API-интерфейсы ИИ. Японская компания Sakana AI разработала Fugu в ответ на эти риски концентрации, создав модель оркестровки, которая использует пул различных моделей для выполнения многоэтапных задач.

Пользователи получают доступ к этой экосистеме через единую точку доступа, совместимую с OpenAI. Fugu обрабатывает запросы внутри системы, решая, следует ли обрабатывать запрос напрямую или собрать скоординированную группу экспертов для более глубокого анализа. Система обрабатывает выбор, делегирование, проверку и синтез моделей внутри себя. Инженерные группы взаимодействуют с тем, что выглядит как одна модель, в то время как фоновая система специалистов выполняет фактические вычисления.

Sakana AI нацелена на снижение геополитических и регуляторных рисков, связанных с использованием ИИ в качестве источника данных. Недавние меры экспортного контроля, затрагивающие антропоморфные модели, такие как Fable и Mythos, показали, что доступ к определенным базовым архитектурам может исчезнуть в зависимости от решений внешней политики.

Fugu служит средством защиты от внезапных сбоев в цепочке поставок. Платформа основана на полностью заменяемом пуле агентов. Fugu динамически перенаправляет трафик в обход любого ограниченного или ухудшенного поставщика для поддержания непрерывности обслуживания. Sakana AI заявляет, что эта возможность обеспечивает отказоустойчивую архитектуру, необходимую для суверенитета ИИ.

уровни развертывания Fugu

Доступны два уровня, позволяющие удовлетворить различные требования к задержке в работе.

Стандартная модель Fugu отдает приоритет низкой задержке для повседневных задач, интегрируясь со стандартными инструментами разработчиков, такими как Codex, для программирования в реальном времени и проверки кода. Организации, подпадающие под строгие требования по управлению данными или конфиденциальности, могут вручную исключить определенные базовые модели из стандартного пула маршрутизации Fugu.

Fugu Ultra ориентирован на сложные многоэтапные аналитические задачи, требующие максимальной точности. Вариант Ultra координирует работу более широкого круга экспертов для решения ресурсоемких задач, таких как воспроизведение научных статей, изучение литературы и анализ патентов.

По данным Sakana AI, Fugu Ultra демонстрирует конкурентоспособные результаты по сравнению с ведущими закрытыми моделями, такими как Fable 5 и Mythos Preview, в научных, инженерных и логических тестах:

Метод оркестровки гарантирует компаниям доступ к высокопроизводительным вычислительным мощностям без риска концентрации поставщиков или проблем с экспортным контролем, присущих закрытым моделям.

Внедрение в кибербезопасность

В ходе расширенной бета-программы, ориентированной на длительные многоэтапные вычислительные процессы, систему протестировали почти 500 первых пользователей. Учитывая важность кибербезопасности для таких моделей, как Claude Mythos, инженерные группы развернули Fugu Ultra для автоматизации полных циклов оценки безопасности.

Операторы-люди отдали одну ограниченную по объему инструкцию, и система оркестрации выполнила весь этап разведки. Модель успешно провела проверки на межсайтовый скриптинг и SQL-инъекции, а также тщательную проверку аутентификации.

Участвующий инженер по кибербезопасности подтвердил, что модель строго оставалась в рамках своих рабочих параметров и избежала инициирования разрушительных действий против целевой инфраструктуры. Компания Fugu завершила автоматизированное взаимодействие, сгенерировав чистый отчет об уязвимости с подтверждающими доказательствами и точными шагами повторного тестирования для групп специалистов по устранению уязвимостей.

Реализация продемонстрировала, что маршрутизация с участием нескольких агентов обеспечивает строгие границы соответствия требованиям при выполнении сложных последовательностей тестирования на проникновение.

Команды разработчиков программного обеспечения также интегрировали Fugu Ultra в свои основные конвейеры проверки кода, чтобы сравнить показатели обнаружения дефектов с показателями существующих монолитных инструментов. Механизм оркестровки неизменно превосходил базовые модели в выявлении логических ошибок и уязвимостей безопасности в сложных корпоративных кодовых базах.

«Для проверки кода Fugu Ultra значительно превосходит GPT-5.5. Он дает исчерпывающие ответы и находит ошибки, которые другие инструменты пропускают», — сообщил инженер-программист, участвовавший в бета-тестировании. «В то время как другие инструменты указывают примерно на три проблемы, Fugu выявил более двадцати. Он стал образцом, по которому я провожу все свои проверки».

Автоматизированные исследования и стабильность профилей пользователей

Подразделения, занимающиеся анализом данных, развернули систему в практически полностью автоматизированном режиме исследования. Fugu Ultra успешно проверяла математические гипотезы, выполняла экспериментальные запуски кода, интерпретировала состояния сбоев и пересматривала собственные подходы для поддержания прогресса в течение длительных периодов времени с минимальным вмешательством человека. Эта возможность напрямую решает операционные ограничения моделей с одним вызовом, которые требуют постоянного вмешательства человека для восстановления после логических ошибок.

Руководство неназванной компании, занимающейся корпоративными платформами, определило долговременную стабильность персон как основное преимущество во время таких продолжительных сессий. Традиционные монолитные архитектуры часто страдают от ухудшения контекста и смещения идентичности при обработке обширной истории разговоров.

«Качество исходных данных сопоставимо с лучшими моделями, но Fugu продемонстрировал необычайно высокую стабильность личности в течение длительных сессий, сохраняя свою индивидуальность там, где другие модели меняются», — заявил руководитель. «Для агентских продуктов это может иметь большее значение, чем исходные результаты тестов».

Расширенная проверка эталонных показателей

Компания Sakana AI разработала внутреннюю логику маршрутизации на основе обширных исследований в области оркестровки с использованием моделей машинного обучения. Техническая основа продукта базируется на результатах исследований, опубликованных в докладах компании на конференции ICLR 2026, в частности, на фреймворках Trinity и Conductor.

Эти академические основы позволяют Fugu обрабатывать запросы, точно понимая, когда задача требует делегирования, а когда — прямого решения. Внутренняя языковая модель определяет протоколы связи между отдельными агентами и структурирует окончательный синтез их отдельных вычислительных результатов.

Проверочное тестирование в сравнении с передовыми конкурентами в области ИИ охватывало сложные, открытые дисциплины, от прогнозирования финансовых временных рядов до механического проектирования. Fugu также продемонстрировал высокую компетентность в узкоспециализированных тестах физической логики и задачах визуальной интерпретации, включая решение кубика Рубика и анализ японского почерка. Способность преуспевать как в количественном финансовом моделировании, так и в качественной обработке изображений подтверждает эффективность подхода, основанного на координации работы нескольких агентов.

Компания Sakana AI разработала систему с учетом органического масштабирования по мере развития более широкого рынка аппаратного и программного обеспечения для ИИ. Поскольку продукт полностью основан на обученной логике оркестровки, а не на фиксированных наборах правил работы, он автоматически получает выгоду от инноваций сторонних разработчиков. Sakana AI планирует постоянно расширять доступный пул экспертов-агентов.

Команда разработчиков будет внедрять в маршрутизацию новые инструменты с открытым исходным кодом и собственные модели искусственного интеллекта Sakana по мере их появления. Стандартная модель Fugu и модель Fugu Ultra уже доступны корпоративным клиентам.

См. также: SAP и Google Cloud развертывают архитектуру агентской коммерции

Хотите узнать больше об искусственном интеллекте и больших данных от лидеров отрасли? Посетите выставку AI & Big Data Expo, которая пройдет в Амстердаме, Калифорнии и Лондоне. Это масштабное мероприятие является частью TechEx и проводится одновременно с другими ведущими технологическими выставками, включая Cyber Security & Cloud Expo. Для получения дополнительной информации нажмите здесь.

AI News — это проект TechForge Media. Здесь вы можете ознакомиться с другими предстоящими мероприятиями и вебинарами, посвященными корпоративным технологиям.

Источник: www.artificialintelligence-news.com