早上看了个新闻，日本一家 AI 公司发布了一个新模型，号称对标目前人类最强的 Fable 5。 

但看完他们的技术文档后我发现，着实有点扯。 

这家名叫 Sakana AI 的公司发布了名为 Sakana Fugu 系列编排器模型，某种程度上说，这个 Fugu 都不能称之为模型，而是一个分发器。

因为这个 Fugu 本身并不是大模型基座，而是根据不同任务类型去调用其他模型能力。

比如，用户发出一个编程任务，Fugu 去调用 Claude Opus 4.8，用户发出一个数学任务，Fugu 去调用 GPT-5.5。 

当然，实际的执行过程肯定比我说的更复杂，但大概逻辑其实就是这样。 

所以，Fugu 自己其实并不生产模型能力，他们只是模型的搬运工。 

在这种技术架构和逻辑下，他们还跟包括 Opus 4.8 和 GPT-5.5 在内的模型做了一些跑分测试。 

从结果看，Fugu Ultra 的结果都超过 Opus 4.8。 

另外，Fugu Ultra 在工程、科学和推理测试中，性能接近或超越了目前最强的 Fable 5 和 Mythos Preview。 

看到这我在想，这家公司还真有点拿面子当里子用。 

明明调用的是别人的能力，结果还说自己的模型在各项比拼中超过了别人。 

当然，不能说他们毫无用处，毕竟卖水的还是要做点包装和加工。在我看来，Fugu 的核心能力其实就是任务分类和调度能力。 

现在各家模型能力号称都很强，但确实各有所长，没有一个全能模型可以胜任所有任务。 

因此，Fugu 算是捕捉到了这个需求，所以才做了这么一个产品。 

他们会识别和判断用户提出的任务类型，然后对任务进行拆解，比如科研类、代码类、推理类，也会对是否需要调用多模态能力做判断。 

接下来就是根据细分后的任务调用不同的工作模型，这些工作模型其实就是现在一些主流的模型，比如 Claude 和 GPT、Gemini 这些。 

即便是在同一个任务内部，也可以根据任务拆解去调用不同模型的能力。 

这种集众家之所长的模式，让 Fugu 在测评中取得了这样的成绩。本质上，它扮演了一个调度者的角色。 

价格方面，Fugu Ultra 的每百万 token 输入价格是 5 美元，输出价格是 30 美元，如果上下文超过 272k，价格还会贵一点。

目前使用方式也是通过 API 调用，有专门的 API Key 和开发文档。 

今天我之所以跟你们聊这个案例，其实是想说一个问题，就是 AI 发展到今天，接下来的竞争可能会发生转向。 

过去是比模型能力，未来会比应用能力。 

在接下来的一段时间，模型能力进化的上限可能不会像之前那么高，所以很多基于用户场景的需求会逐渐得到落地。 

Fugu 就是一个典型的例子，他们有点像当年的 Hao123，自己本身只起到一个中转调度作用。 

但是这种统一入口的方式，的确解决了很多人的场景化需求。 

我自己现在使用 Agent 其实就有这样的问题，不同场景下的需求是交给不同 Agent 去做的，每个 Agent 用的也是不同的模型。 

虽然中转站现在能解决一个 API Key 搞定所有模型的问题，但是依旧还是得各配各的。 

但 Fugu 的好处就是实现了内部路由，其实一定程度上是产生用户价值的。 

不过，我觉得作为一个卖水的，不确定性就在于被他们调用的模型厂商是否长期支持。 

你想啊，入口被你拿走了，自己反而成了供应商，这显然不符合模型厂商的利益。 

有一种可能，就是假设 Fugu 到一定规模后，大概率会受到打压，到时候模式就不成立了。 

我觉得，这个例子对于做产品的读者或许会有所启发。 

做产品从来不是新发明技术，而是把技术跟场景、用户、需求、产品定位组合在一起。

虽然我不看好 Fugu 的长期发展，但是这个思路是值得借鉴的，发现问题、识别需求、回归场景、给出方案。 

有时候，做产品最难的不是把产品做出来，而是识别到那个需求信号。 

AI 时代就这么迅速来了，但是我反而觉得产品经理的含金量提升了。

那些需要识别、洞察、判断、决策的场景，依旧少不了优秀产品经理的参与。

如果具备这些能力的产品经理能和 AI 结合，那将是生产力爆棚的。 

最后，我查了下 Fugu 这个词是什么意思，原来是河豚。 

看来，小日子是想一鱼通吃。 

本文来自微信公众号 “唐韧”（ID：RyanTang007），作者：唐韧