ข้ามไปเนื้อหาหลัก

Sakana AI เปิดตัว Fugu Max และ Fugu Ultra v2

Sakana AI เปิดตัวโมเดล Fugu Max และ Fugu Ultra v2 ผ่าน OpenAI-compatible API เมื่อ 10 กันยายน 2026 ชูจุดเด่นลดต้นทุน 2-6 เท่า

เรียบเรียงโดย AI
Inewgen
11 Sep 2026ที่มา: MarkTechPost3 นาทีอ่าน (0 ครั้ง)
แชร์
Sakana AI เปิดตัว Fugu Max และ Fugu Ultra v2

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

ขนาดตัวอักษร
  • Sakana AI เปิดตัว Fugu Max และ Fugu Ultra v2 แล้ววันนี้ผ่านทาง API
  • Fugu Max มุ่งเน้นการเลือกโมเดลที่ประหยัดที่สุดเพื่อลดต้นทุนลง 2-6 เท่า
  • Fugu Ultra v2 เน้นการใช้เหตุผลเชิงซ้อนและการพัฒนาซอฟต์แวร์ฟูลสแตท

Sakana AI ประกาศเปิดตัวโมเดลปัญญาประดิษฐ์รุ่นใหม่ล่าสุด Fugu Max และ Fugu Ultra v2 อย่างเป็นทางการเมื่อวันที่ 10 กันยายน 2026 โดยให้บริการในรูปแบบโฮสต์ API ที่เข้ากันได้กับ OpenAI ผู้ใช้งานสามารถเรียกใช้งานได้ทันที แต่ยังไม่มีการเปิดเผยน้ำหนักโมเดล (Open Weights) ให้ดาวน์โหลดไปโฮสต์เอง และยังไม่มีให้บริการในภูมิภาคสหภาพยุโรปหรือพื้นที่ EEA

แนวคิดเบื้องหลังการพัฒนาของ Sakana AI มุ่งเน้นไปที่ความคุ้มค่าระหว่างความสามารถในการทำงานและต้นทุนที่แท้จริง เนื่องจากภาระงานจริงไม่ได้ต้องการโมเดลขนาดใหญ่หลายล้านล้านพารามิเตอร์เสมอไป ระบบที่ดีกว่าควรเลือกใช้โครงสร้างพื้นฐานที่มีราคาประหยัดที่สุดเท่าที่ยังสามารถแก้โจทย์นั้นได้

2x-6xลดต้นทุนเทียบกับโมเดลระดับท็อป

ทางทีมงาน Sakana อธิบายแนวทางนี้ผ่านหลักการ Pareto frontier ซึ่งแสดงให้เห็นว่าการเพิ่มคุณภาพมักแลกมาด้วยต้นทุนที่สูงขึ้น และการลดต้นทุนอาจทำให้คุณภาพลดลง โดยทั้ง Fugu Max และ Fugu Ultra v2 ใช้สถาปัตยกรรมการประสานงานหลัก (Core orchestration architecture) ร่วมกัน ต่างกันเพียงเป้าหมายการปรับแต่งเท่านั้น

business conference speaker presentation screen daytime

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

การปล่อยโมเดลชุดนี้สานต่อความเร็วในการพัฒนาของบริษัท หลังจาก Fugu เข้าสู่ช่วงเบต้าในเดือนเมษายน ขยายสู่ทั่วไปในเดือนมิถุนายน และเพิ่ม Fugu-Cyber รวมถึงอินเทอร์เฟซ Claude Code ในเดือนกรกฎาคม ตามรายงานทางเทคนิค Fugu ถูกออกแบบให้เป็นโมเดลภาษาที่สามารถอ่านคำสั่งและสร้างโครงสร้างเอเจนต์ (Agentic scaffold) ได้ทันทีผ่านการผสมผสานการปรับแต่งขนาดใหญ่ อัลกอริทึมวิวัฒนาการ และการเรียนรู้แบบเสริมแรง (Reinforcement learning)

ระบบดังกล่าวต่อยอดมาจากงานวิจัย 2 ฉบับในงาน ICLR 2026 ได้แก่ TRINITY ที่ใช้ตัวประสานงานน้ำหนักเบาเพื่อมอบหมายบทบาท Thinker, Worker หรือ Verifier และ Conductor ที่ฝึกฝนด้วยการเรียนรู้แบบเสริมแรงเพื่อค้นหากลยุทธ์การประสานงานด้วยภาษาธรรมชาติ

ไม่อยากพลาดข่าวใหม่?

สมัครรับสรุปข่าวสารใหม่ทางอีเมล ไม่บ่อยจนรำคาญ

โฆษณา

"Real workloads are judged on capability and cost together."

Sakana AI

สำหรับ Fugu Max ได้ขยายขอบเขตโมเดลที่สามารถประสานงานได้ โดยเพิ่มชุดโมเดลโอเพนเวทและโมเดลเฉพาะทางจำนวนมาก รวมถึงตระกูล NVIDIA Nemotron จากความร่วมมือกับ NVIDIA ทำให้ Fugu Max สามารถส่งต่องานไปยังโมเดลที่ลีนที่สุดที่สามารถแก้โจทย์นั้นได้ โดย Sakana ระบุว่า Fugu Max มีประสิทธิภาพใกล้เคียงกับโมเดลชั้นนำ แต่มีต้นทุนต่ำกว่า 2 ถึง 6 เท่า ตามเกณฑ์มาตรฐานภายในที่เรียกว่า SWEFish

การประสานงานแบบ Multi-agent orchestration กำลังกลายเป็นแนวทางสำคัญในการลดภาระการประมวลผลของโมเดลขนาดใหญ่ โดยการเลือกโมเดลขนาดเล็กหรือโมเดลเฉพาะทางมาทำงานร่วมกันผ่านระบบจัดการอัจฉริยะ ช่วยให้องค์กรประหยัดค่าใช้จ่าย API มหาศาลโดยไม่สูญเสียความแม่นยำในการแก้ปัญหาที่ซับซ้อน

ในขณะเดียวกัน Fugu Ultra v2 ถูกออกแบบมาเพื่อตอบโจทย์การใช้เหตุผลที่ซับซ้อน การวิจัยอัตโนมัติ และการพัฒนาซอฟต์แวร์ฟูลสแตท โดยมีการพัฒนาอย่างก้าวกระโดดในการใช้เหตุผลอย่างต่อเนื่องบนข้อมูลภาพและข้อมูลที่มีโครงสร้าง

ที่มา: MarkTechPost

ความคิดเห็น

แสดงความคิดเห็น
0/2000

พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้