Sakana เปิด Fugu Max ที่ $2/$6 และ Fugu Ultra v2 — แต่กราฟของตัวเองวาง Gemini 3.8 Flash ไว้ที่ราคาปี 2027 ซึ่งวันนี้ยังถูกกว่า Fugu Max

Sakana AI ประกาศเมื่อ 11 ก.ย. 2026 สองรุ่นใหม่ของ Fugu ซึ่งเป็นระบบที่เรียกใช้ผ่าน API เดียวเหมือนเป็นโมเดลตัวเดียว แต่ข้างในเป็นตัวประสานงานที่แจกงานให้โมเดลหลายตัว รุ่นแรกคือ Fugu Max ที่ Sakana วางไว้ให้ “ได้คำตอบดีที่สุดในต้นทุนต่ำที่สุด” โดยขยาย pool ให้มีโมเดล open-weight และโมเดลเฉพาะทางมากขึ้น รวมถึงตระกูล NVIDIA Nemotron ราคา $2 ต่อ 1M input และ $6 ต่อ 1M output อีกรุ่นคือ Fugu Ultra v2 ที่ไล่เพดานความสามารถ โดยราคายังเท่า v1.1 ทั้งสองรุ่นเปิดใช้วันนี้ผ่าน API ที่เข้ากันได้กับ OpenAI

เราอ่านกราฟ benchmark ที่ Sakana ปล่อยเองทีละช่อง แล้วเอาไปเทียบกับหน้าราคาของคู่แข่ง ทั้งสองรุ่นมีของจริงให้ดู แต่ข้อความโปรโมตกับตัวเลขในกราฟพูดไม่ตรงกันอยู่สามจุด คือ ส่วนต่างที่เรียกว่า “ชนะ” ของ Fugu Max, ราคาของคู่แข่งที่ใกล้ที่สุด และคู่เทียบที่ Ultra v2 เลือกยกมาพูด

Fugu Max: ชนะ 6 จาก 10 แต่สี่ช่องห่างกันไม่ถึงครึ่งจุด

กราฟของ Fugu Max วางคะแนนเทียบกับ ราคา output ต่อ 1M โทเคน ของโมเดลเดี่ยว 7 ตัว คือ Gemini 3.8 Flash, Kimi K3, GLM-5.3, Qwen3.8-max, DeepSeek V4 Pro, Sonnet 5 และ GPT 5.6 Terra ข้อความประกาศบอกว่า Fugu Max ได้ “best overall score” ใน 6 benchmark ซึ่งตรงกับกราฟ แต่ถ้าดูส่วนต่างจะเห็นภาพอีกแบบ

Benchmark	Fugu Max	ตัวที่ดีที่สุดรองลงมา	ส่วนต่าง
Terminal Bench 2.1	89.5	Gemini 3.8 Flash 89.4	+0.1
SWEFish (benchmark ภายในของ Sakana)	62.5	GLM-5.3 / Gemini 3.8 Flash 62.3	+0.2
AA-LCR	83.0	Kimi K3 82.7	+0.3
GDP.pdf	26.0	GPT 5.6 Terra 25.6	+0.4
GPQA-D	95.5	Gemini 3.8 Flash 95.0	+0.5
AutomationBench (public set)	49.5	Kimi K3 46.7	+2.8

อีกสี่ benchmark ในกราฟเดียวกัน Fugu Max แพ้โมเดลเดี่ยว ได้แก่ HLE (text) ที่ได้ 44.7 ต่อ Kimi K3 46.9 และ Gemini 3.8 Flash 46.8, DeepSWE ที่ได้ 70.8 ต่อ Gemini 3.8 Flash 73.7, Chartography ที่ได้ 37.0 ต่อ Gemini 3.8 Flash 40.9 และ CharXiv Reasoning (w/o tool) ที่ได้ 88.1 ต่อ Qwen3.8-max 88.4

สรุปคือมีแค่ AutomationBench ที่ Fugu Max นำชัดเจน ห้าช่องที่เหลือห่างกันระดับที่รันซ้ำแล้วอาจสลับอันดับได้ และหนึ่งในนั้น (SWEFish) เป็นชุดทดสอบที่ Sakana สร้างเองจากงานเขียนโค้ดภายในบริษัท

ราคาของคู่แข่งที่ใกล้ที่สุดในกราฟ ไม่ใช่ราคาวันนี้

คู่แข่งที่โผล่ใกล้ Fugu Max แทบทุกช่องคือ Gemini 3.8 Flash ในกราฟ Terminal Bench 2.1 Sakana ติดป้ายไว้ว่า “input price: $1.5” และวางจุดไว้ที่ราคา output ประมาณ $7.5 ซึ่งแพงกว่า Fugu Max

แต่หน้าราคา Gemini API ของ Google ตอนนี้เขียนว่า Gemini 3.8 Flash ราคา $0.75 input / $3.75 output (รวม thinking tokens) ไปจนถึง 31 ธ.ค. 2026 แล้วจะขึ้นเป็น $1.50 / $7.50 ตั้งแต่ 1 ม.ค. 2027 แปลว่ากราฟใช้ราคาปีหน้า ถ้าคิดด้วยราคาที่นักพัฒนาจ่ายจริงวันนี้ Gemini 3.8 Flash ถูกกว่า Fugu Max ราว 62% ฝั่ง input และ 37% ฝั่ง output และยังชนะ Fugu Max ใน HLE, DeepSWE และ Chartography ตามกราฟของ Sakana เอง

ประโยคในประกาศที่ว่าราคา output ของ Fugu Max “ถูกกว่า 40–60%” นั้นจริงเมื่อเทียบกับตัวที่ระบุชื่อไว้ คือ Sonnet 5 ($10), GPT 5.6 Terra ($12) และ Kimi K3 ($15) ตามตำแหน่งในกราฟ แต่ประโยคนี้ไม่ได้ยก Gemini 3.8 Flash มาเทียบ

อีกเรื่องที่นักพัฒนาควรรู้: แกนราคาในกราฟเป็นราคา ต่อโทเคน ไม่ใช่ ต้นทุนต่อหนึ่งงาน เอกสาร API บน console.sakana.ai เขียนไว้ในส่วนของ Fugu Ultra และ Fugu Cyber ว่า “orchestration tokens” ที่ใช้ภายในจะแยกอยู่ในฟิลด์ orchestration_input_tokens / orchestration_output_tokens และ “จะถูกนับรวมในราคาสุดท้ายของคำขอ” ในเรตเดียวกับโทเคนปกติ ส่วนของ Fugu Max เอกสารยังไม่ได้เขียนว่าคิดแบบเดียวกันหรือไม่ ใครจะคำนวณต้นทุนจึงควรดูฟิลด์ usage จากงานจริงของตัวเอง แทนการคูณจากราคาป้าย

ภาพประกอบ pool ของ Fugu Max ในประกาศก็เขียนกำกับไว้ว่า “Closed & open models” และมี Sakana Namazu (LLM เฉพาะภาษาญี่ปุ่นของ Sakana) กับ Fugu Max เองอยู่ในวง แปลว่าข้างในไม่ได้มีแต่โมเดลเปิดอย่างเดียวตามที่ข้อความเน้น และ Sakana ยังไม่เปิดเผยรายชื่อโมเดลใน pool

Fugu Ultra v2: ชนะจริงหลายช่อง แต่ประกาศเลือกยกคู่เทียบที่อ่อนกว่า

กราฟแท่งของ Ultra v2 เทียบกับ Opus 5, Fable 5, GPT 5.6 Sol, Kimi K3, Fable 5.1 และ GPT 6 Astra ใน 8 benchmark Sakana ระบุว่า training cutoff ของ Ultra v2 คือ 28 ส.ค. 2026 และใน pool ไม่มี Fable 5, Fable 5.1 หรือ GPT-6 Astra

• ช่องที่ชนะชัด: DeepSWE 74.3 (Astra 73.0, GPT 5.6 Sol 72.7), GDP.pdf 34.3 (GPT 5.6 Sol 30.7), SWEFish 71.8 (Astra 69.8)
• Chartography 48.3: ประกาศเขียนว่าชนะ Opus 5 (27.3) และ Fable 5 (29.5) แต่ในกราฟเดียวกัน Fable 5.1 ได้ 46.2 และ GPT 5.6 Sol ได้ 45.0 ส่วนต่างกับคู่ที่ใกล้ที่สุดจริงจึงอยู่ที่ 2.1 จุด ไม่ใช่ 19–21 จุดตามที่อ่านจากข้อความ
• Toolathon 80.6: เสมอกับ Opus 5 ที่ 80.6
• ช่องที่แพ้: HLE (text) 56.3 ต่อ Fable 5.1 59.1, ProgramBench 81.0 ต่อ Astra 85.4, Fable 5.1 82.7 และ Opus 5 82.3 (ได้อันดับสี่), GPQAD 95.5 ต่อ Astra 96.0 ช่องนี้ Ultra v2 ยังได้ต่ำกว่า Ultra v1.1 (95.6) ด้วย

ที่ควรสังเกตคือ GPT 6 Astra ไม่มีแท่ง ใน GDP.pdf, Chartography และ Toolathon ซึ่งเป็นสามในห้าช่องที่ Ultra v2 ชนะหรือเสมอ ถ้านับเฉพาะห้าช่องที่มี Astra ร่วมเทียบ ผลคือ Ultra v2 ชนะ 3 (HLE, SWEFish, DeepSWE) แพ้ 2 (ProgramBench, GPQAD)

รายละเอียดฝั่ง API ที่กระทบโค้ดที่รันอยู่

• Model ID: fugu-max ชี้ไป fugu-max-v1.0 ส่วน alias fugu-ultra ตอนนี้ชี้ไป fugu-ultra-v2.0 แล้ว ใครเรียกผ่าน alias จะได้ v2 อัตโนมัติ ถ้าต้องการผลคงที่ให้ pin fugu-ultra-v1.1 หรือ fugu-ultra-v1.0 ซึ่งยังเรียกได้
• Reasoning effort: หน้า get-started ระบุว่า fugu-ultra-v1.1 รองรับสามระดับ คือ high, xhigh และ max แต่ fugu-ultra (v2.0) กับ fugu-max รองรับแค่ high กับ xhigh ถ้าส่ง max ไป ระบบยังรับค่า แต่จะแมปเป็น xhigh
• ราคา: Fugu Max คิด $2 / $6, cached input $0.25 และ web search/fetch $0.007 ต่อครั้ง ส่วน Fugu Ultra (v2.0) คิด $5 / $30 และ $10 / $45 เมื่อ context เกิน 272K เท่ากับ v1.1
• รูปแบบ API: รองรับ Responses (Sakana แนะนำตัวนี้), Chat Completions และ Anthropic Messages
• พื้นที่ให้บริการ: ยังไม่เปิดใน EU/EEA

มุมมอง AI Curator

โจทย์ที่ Sakana พูดถึงนั้นถูกต้อง การเรียกโมเดลหลายล้านล้านพารามิเตอร์มาทำงานค้นข้อมูลธรรมดาเป็นการเผาเงิน และชั้น routing ที่ส่งงานไปหาโมเดลที่เล็กที่สุดซึ่งยังทำงานนั้นได้ก็มีมูลค่าจริง ปัญหาคือคู่แข่งของ Fugu Max ไม่ได้มีแค่ “โมเดล frontier แพง ๆ” ในปีนี้ Google เองก็ขาย Flash ที่ทำคะแนนใกล้ Fugu Max แทบทุกช่อง ในราคาโปรโมชันที่ถูกกว่าไปจนสิ้นปี ถ้า orchestration ชนะโมเดลเดี่ยวราคาใกล้กันได้แค่ 0.1–0.5 จุด ความคุ้มค่าจะไปตัดสินกันที่ต้นทุนต่อหนึ่งงาน ไม่ใช่ราคาป้าย และตัวเลขต้นทุนต่อหนึ่งงานนั้น Sakana ยังไม่ได้เผยแพร่

ส่วน Ultra v2 เป็นหลักฐานที่ดีขึ้นว่าทีมโมเดลที่จัดดี ๆ สู้โมเดลเดี่ยวที่ใหม่กว่าได้ ทั้งที่ไม่มี Fable 5.1 หรือ Astra อยู่ใน pool แต่วิธีนำเสนอยังเป็นแบบเดิมที่เราเห็นมาตั้งแต่ Fugu รุ่นแรก คือหยิบคู่เทียบที่อ่อนกว่ามาใส่ในข้อความ ส่วนคู่ที่ใกล้ที่สุดปล่อยไว้ในกราฟ ตัวเลขทั้งหมดยังเป็นผลที่ Sakana รายงานเอง

สำหรับทีมไทย จุดขายเรื่องไม่ผูกกับผู้ให้บริการเจ้าเดียว (vendor-agnostic) มีน้ำหนักจริง เพราะช่วงหลังเราเห็นโมเดลถูกปลดระวางหรือปรับราคาแทบทุกสัปดาห์ แต่ถ้าจะลอง Fugu Max ให้ทำสามอย่าง คือ วัดกับงานของตัวเองเทียบกับ Gemini 3.8 Flash ในราคาวันนี้, เก็บค่าในฟิลด์ usage ทุกคำขอเพื่อหาต้นทุนจริงต่องาน และ pin model ID แบบมีเวอร์ชันเสมอ เพราะ Sakana เพิ่งแสดงให้เห็นว่า alias เปลี่ยนปลายทางได้ในวันเดียว

แหล่งข่าว

• Introducing Fugu Max and Fugu Ultra v2: Orchestrating the Pareto Frontier — Sakana AI (11 ก.ย. 2026)
• Sakana Fugu — หน้าผลิตภัณฑ์และราคา
• Sakana Fugu Console — Models (model ID และฟิลด์ orchestration tokens)
• Gemini Developer API pricing — Google AI for Developers