TP.HCM, 30/6/2026 — Sakana AI Fugu là hệ thống đa tác tử (multi-agent) mới của phòng thí nghiệm Nhật Bản Sakana AI, ra mắt ngày 22/6/2026. Thay vì huấn luyện một mô hình khổng lồ, Sakana AI Fugu đóng vai “nhạc trưởng” điều phối nhiều mô hình AI chuyên biệt để cùng giải các bài toán lập trình, suy luận và nghiên cứu khoa học.
Nội dung chính
Sakana AI Fugu hoạt động ra sao khi điều phối nhiều mô hình AI
Điểm khác biệt của Sakana AI Fugu nằm ở cách đóng gói: toàn bộ hệ thống được cung cấp qua một điểm truy cập API duy nhất, tương thích chuẩn OpenAI. Người dùng chỉ gọi một “mô hình”, nhưng phía sau là một bộ điều phối thông minh tự chọn công cụ phù hợp cho từng phần việc.
Trái tim của hệ thống là một mô hình “nhạc trưởng” (conductor) khoảng 7 tỷ tham số, được huấn luyện riêng để quyết định gọi mô hình nào trong một nhóm các LLM khác nhau, kể cả gọi chính bản sao của nó. Mô hình này đảm nhận bốn việc: chọn mô hình, giao việc, kiểm chứng kết quả và tổng hợp lại thành câu trả lời cuối cùng. Cách làm dựa trên hai nghiên cứu của Sakana AI công bố tại hội nghị ICLR 2026 là TRINITY và Conductor, vốn tập trung vào việc dạy AI biết phối hợp thay vì chỉ trả lời một mình.
Sakana AI giới thiệu phiên bản mạnh nhất tên Fugu Ultra, có thể tự lắp ráp và điều phối các tác tử chuyên biệt để xử lý những khối lượng công việc nặng như nghiên cứu AI, tái lập kết quả các bài báo khoa học, phân tích an ninh mạng và tra cứu sáng chế quy mô lớn. Thay vì một bộ não đơn lẻ, Fugu vận hành giống một nhóm chuyên gia có người điều phối.
Vì sao hướng đi đa tác tử của Fugu gây chú ý
Trong các bài kiểm tra của Sakana AI, Fugu Ultra được so với mô hình Mythos Preview trên sáu phép đo về lập trình, suy luận và giải bài toán khoa học. Fugu Ultra dẫn đầu ở một số bài như GPQA-D (95,5), LiveCodeBench (93,2), LiveCodeBench Pro (90,8) và TerminalBench 2.1 (82,1). Ở các phép đo còn lại, Fable 5 đứng đầu SWE-Bench Pro và Humanity’s Last Exam, GPT-5.5 dẫn đầu bài kiểm tra ngữ cảnh dài MRCRv2, còn Opus 4.8 nhỉnh hơn ở bài an ninh mạng CTI-REALM.
Ý nghĩa lớn hơn là chiến lược: thay vì đốt hàng tỷ USD huấn luyện một mô hình nền tảng mới, Fugu cho thấy việc khéo léo phối hợp những mô hình sẵn có cũng có thể đạt mức ngang ngửa hàng đầu ở nhiều tác vụ. Đây là hướng đi hợp với một phòng thí nghiệm nhỏ như Sakana AI, được lập tại Tokyo bởi nhóm cựu nghiên cứu của Google, trong đó có Llion Jones — một đồng tác giả của kiến trúc Transformer.
Với lập trình viên và doanh nghiệp Việt Nam, điểm hấp dẫn là Fugu dùng API tương thích OpenAI nên dễ thử nghiệm, đồng thời mở ra cách tiết kiệm chi phí: ghép nhiều mô hình giá rẻ cho từng phần việc thay vì luôn gọi mô hình đắt nhất. Tuy vậy, cần lưu ý rằng mỗi truy vấn của Fugu có thể kích hoạt nhiều mô hình cùng lúc, nên chi phí và độ trễ thực tế phụ thuộc vào cách cấu hình, và các con số benchmark do chính Sakana AI công bố nên vẫn cần kiểm chứng độc lập.
Bạn đọc quan tâm cách chọn và phối hợp công cụ AI có thể xem thêm cẩm nang công cụ AI 2026 và bài FrontierCode: chuẩn đánh giá code AI 2026.
Nguồn: Sakana AI, AnalyticsVidhya, Medium (6/2026).
Xem thêm: sakana.ai/fugu.
