Un nuevo enfoque para la inteligencia artificial
TOKIO. El 22 de junio de 2026, Sakana AI presentó Fugu, un servicio de orquestación multiagente que plantea una pregunta provocadora a la industria tecnológica: ¿el próximo salto en inteligencia artificial exige crear un modelo monolítico aún más grande, o puede un sistema más pequeño e inteligente lograr resultados similares con solo saber a quién consultar? Fugu, cuyo nombre proviene de la palabra japonesa para designar al pez globo, representa la apuesta de la startup de Tokio por esta última opción. Para el usuario, la plataforma se comporta como un único modelo, mientras que internamente coordina un equipo de sistemas de inteligencia artificial de vanguardia especializados para resolver tareas complejas.
Contenido
El anuncio llega en un momento decisivo para la adopción de la IA generativa en las empresas. Durante años, el progreso se ha medido en gran medida por el número de parámetros, la capacidad de cómputo dedicada al entrenamiento y la carrera por crear modelos fundacionales cada vez más grandes. OpenAI, Anthropic, Google y otras compañías han seguido esta estrategia de escalamiento con resultados notables: han producido sistemas capaces de aprobar exámenes de abogacía, escribir código sofisticado y realizar razonamientos prolongados. Sin embargo, esta concentración de capacidades en un puñado de proveedores estadounidenses ha creado nuevas vulnerabilidades. El acceso a los modelos más potentes puede cambiar de la noche a la mañana por controles a la exportación, cambios en las políticas empresariales o disputas geopolíticas, lo que deja expuestas a las empresas internacionales.
Sakana AI propone una arquitectura alternativa basada en la inteligencia colectiva. En lugar de intentar igualar a los laboratorios de vanguardia entrenando un coloso de un billón de parámetros, la empresa ha creado un coordinador compacto, que se estima tiene alrededor de 7.000 millones de parámetros y funciona como un delegador principal. Cuando un usuario envía una solicitud a través de la API de Fugu, compatible con los estándares de OpenAI, el sistema analiza la tarea y responde directamente o reúne un equipo de modelos expertos para encargarse de subtareas concretas. Después verifica sus resultados y sintetiza una respuesta unificada. Para quien desarrolla aplicaciones, la experiencia se parece a llamar a un único modelo de lenguaje de gran tamaño. Pero, internamente, todo un comité de agentes puede haber contribuido a la respuesta.
El momento elegido difícilmente podría ser más estratégico. A comienzos de junio, Anthropic revocó abruptamente el acceso público a los modelos Claude Mythos 5 y Claude Fable 5 tras una orden de control de exportaciones del Gobierno de Estados Unidos. La medida tuvo repercusiones en la comunidad de desarrolladores, en particular entre los clientes internacionales que habían creado flujos de trabajo en torno a esos sistemas. Sakana AI cita expresamente esas interrupciones como una motivación para el diseño de Fugu y presenta el servicio como una protección frente a la dependencia de un solo proveedor y como un paso hacia lo que denomina soberanía de la IA.
Fundada en 2023 por David Ha, antiguo investigador de Google Brain, y Llion Jones, coautor del influyente artículo de 2017 sobre transformadores, «Attention Is All You Need», Sakana AI ha atraído mucha atención y financiación. La información divulgada públicamente indica que grandes bancos japoneses y el fabricante de chips Nvidia respaldaron una ronda de financiación que valoró la empresa en unos 30.000 millones de yenes, lo que proporciona a la startup recursos para competir con rivales mucho mayores. Con Fugu, la empresa busca demostrar que la innovación japonesa puede desafiar el paradigma de los modelos de vanguardia, no copiándolo, sino replanteando la forma de combinar las capacidades existentes.
Dentro del motor de orquestación
Para entender Fugu, hay que mirar más allá de la sencillez de su API. Cuando llega una instrucción, el sistema la envía a un modelo central que Sakana AI describe como un director entrenado mediante aprendizaje por refuerzo. En la mayoría de los casos, este director no genera por sí mismo la respuesta final. En cambio, actúa como el encargado de una obra: analiza dinámicamente el tipo de tarea y asigna partes del trabajo a los agentes más adecuados de un grupo intercambiable. Ese grupo incluye modelos de vanguardia de terceros, de proveedores como OpenAI, Anthropic y Google, así como instancias recursivas del propio Fugu para el razonamiento anidado.
La base teórica de este comportamiento proviene de dos artículos de investigación presentados en la Conferencia Internacional sobre Representaciones de Aprendizaje de 2026: «Trinity: An Evolved LLM Coordinator» y «Learning to Orchestrate Agents in Natural Language with the Conductor». Trinity presenta un marco de computación evolutiva en el que el coordinador central crea y modifica estructuras de agentes sobre la marcha, asignándoles funciones como «pensador», «ejecutor» o «verificador» según las exigencias de la tarea. Los pensadores analizan los requisitos, los ejecutores realizan cálculos específicos y los verificadores comprueban la coherencia y precisión de los resultados.
Conductor amplía este enfoque al utilizar aprendizaje profundo por refuerzo para entrenar al coordinador en el arte de delegar mediante lenguaje natural. Tras un entrenamiento exhaustivo, el pequeño modelo central aprende cuándo delegar y cuándo responder directamente, cómo deben comunicarse los agentes entre sí y cómo combinar resultados distintos en un producto final coherente. El resultado no es un flujo de trabajo predeterminado, sino un sistema adaptable que descubre estrategias de coordinación a través de la experiencia. Esta diferencia es importante porque permite a Fugu abordar tipos de tareas novedosos que sus diseñadores quizá no hayan previsto expresamente, en lugar de limitarse a procedimientos rígidos.
Desde el punto de vista de la ingeniería, uno de los aspectos más interesantes de Fugu es su capacidad recursiva. El orquestador puede volver a asignarse subtareas a sí mismo y crear cadenas de razonamiento de varios niveles para problemas que requieren un análisis prolongado. Esto significa que el coordinador de 7.000 millones de parámetros puede gestionar flujos de trabajo de complejidad arbitraria sin poseer por sí mismo el conocimiento enciclopédico almacenado en los cientos de miles de millones de parámetros de los modelos fundacionales de vanguardia. Compensa su menor tamaño con una inteligencia organizativa superior, un concepto que cuestiona la idea predominante de que cuanto más grande, mejor.
Pruebas de referencia y pruebas beta
Sakana AI ha acompañado el lanzamiento de Fugu con una serie de afirmaciones ambiciosas sobre su rendimiento. En SWE-Bench Pro, una prueba de referencia muy respetada que evalúa la capacidad de un sistema de IA para localizar y corregir errores en repositorios de software reales, Fugu Ultra obtuvo, según se informa, 73,7 puntos. De acuerdo con las evaluaciones publicadas por la empresa, esa puntuación lo sitúa por delante de Claude 4.8 Opus, con 69,2, y GPT-5.5, con 58,6. Entre las demás puntuaciones comunicadas figuran 95,5 en GPQA-Diamond, una prueba de preguntas y respuestas de nivel de posgrado diseñada para resistir las búsquedas sencillas en la web; 93,2 en LiveCodeBench; 82,1 en TerminalBench 2.1, que evalúa capacidades de administración de sistemas; y 50,0 en Humanity's Last Exam, una prueba de razonamiento especialmente difícil.
La verificación independiente de estas cifras sigue siendo limitada, y la industria de la IA tiene un largo historial de resultados en pruebas de referencia difíciles de reproducir en entornos de producción. Las condiciones de las pruebas, las técnicas de formulación de instrucciones y el número de intentos permitidos pueden influir en las puntuaciones. Aun así, la variedad de disciplinas abarcadas en los informes de la empresa sugiere que el enfoque de orquestación es, como mínimo, competitivo frente a los modelos monolíticos de vanguardia y, en algunos ámbitos, incluso superior.
Quizá resulte más revelador que las pruebas de referencia el comentario de casi 500 participantes de la beta que utilizaron Fugu durante un periodo prolongado de pruebas centrado en flujos de trabajo complejos y extensos. En desarrollo de software, los participantes afirmaron que Fugu Ultra es excepcionalmente minucioso al revisar código. Un ingeniero que participó en la beta dijo a Sakana AI que, mientras los modelos básicos suelen señalar unos tres problemas en una base de código determinada, Fugu detectó más de veinte y ofreció explicaciones detalladas y pasos para corregirlos.
Para revisar código, Fugu Ultra es mejor que GPT-5.5. Ofrece respuestas exhaustivas y encuentra errores que otros pasan por alto. Se ha convertido en el modelo al que confío todas mis revisiones.
Además de tareas de programación, equipos de ciberseguridad utilizaron Fugu Ultra para automatizar ciclos completos de pruebas de penetración. Un operador humano definía el alcance y el motor de orquestación llevaba a cabo el reconocimiento, buscaba vulnerabilidades de XSS e inyección SQL, revisaba los mecanismos de autenticación y elaboraba un informe final con pruebas y procedimientos exactos para repetir las pruebas. Los participantes de la beta confirmaron que el sistema respetaba estrictamente sus parámetros operativos y evitaba acciones destructivas sin dejar de ser minucioso. Directivos de empresas también destacaron la estabilidad de su personalidad: señalaron que Fugu mantenía una identidad y un enfoque coherentes durante sesiones prolongadas, mientras que otros modelos solían sufrir una degradación del contexto.
Dos niveles, una sola API
Sakana AI comercializa Fugu en dos niveles de servicio distintos, ambos accesibles mediante un único punto de acceso API compatible con los estándares de OpenAI. El modelo estándar de Fugu está optimizado para tareas de producción de baja latencia, como chatbots interactivos, asistencia en programación en tiempo real y herramientas de revisión de código como Codex. Equilibra rendimiento y velocidad, por lo que resulta adecuado para aplicaciones en las que los usuarios esperan respuestas casi inmediatas. Para las organizaciones sujetas a normas estrictas de gobernanza de datos o privacidad, el nivel estándar permite excluir manualmente determinados agentes subyacentes del grupo de enrutamiento. Esta función permite a los equipos de cumplimiento impedir que los datos sensibles lleguen a ciertos proveedores externos sin renunciar por completo al marco de orquestación.
Fugu Ultra ocupa el nivel prémium. Está diseñado para ofrecer la máxima calidad de respuesta en tareas complejas y exigentes que requieren un razonamiento profundo en múltiples pasos. Entre ellas figuran la reproducción de artículos académicos, las investigaciones sobre patentes, los flujos de trabajo avanzados de ciencia de datos y las auditorías de seguridad exhaustivas. Ultra coordina un grupo más amplio y fijo de agentes expertos, por lo que no permite excluir agentes. La contrapartida es una latencia mayor y un consumo más elevado de tokens, pero Sakana AI sostiene que las mejoras en precisión justifican el costo en aplicaciones de importancia crítica. El identificador actual del modelo para este nivel es fugu-ultra-20260615.
Los precios reflejan las diferencias entre los dos productos. Fugu Ultra cuesta 5 dólares por cada millón de tokens de entrada y 30 dólares por cada millón de tokens de salida; las tarifas se duplican para contextos de más de 272.000 tokens. Los planes de suscripción cuestan entre 20 y 200 dólares al mes, y Sakana AI ofrece a quienes se suscriban antes de finales de julio de 2026 un segundo mes gratis en el nivel que elijan. El uso de tokens y los costos asociados se comunican para cada solicitud, lo que permite a los equipos de finanzas e ingeniería controlar el gasto en tiempo real. Cabe destacar que el servicio no está disponible actualmente en la Unión Europea ni en el Espacio Económico Europeo mientras la empresa adapta sus operaciones al Reglamento General de Protección de Datos. Esta limitación reduce el alcance global de la plataforma en su lanzamiento.
La geopolítica del enrutamiento de modelos
La propuesta comercial de Fugu va más allá de su arquitectura técnica y se adentra en la gestión de riesgos geopolíticos. La cadena de suministro moderna de la IA está muy concentrada. Un pequeño número de empresas estadounidenses controla el acceso a los modelos fundacionales más capaces, y sus decisiones están cada vez más sujetas a la supervisión de los gobiernos. Cuando Estados Unidos impuso controles a la exportación de los modelos Fable y Mythos de Anthropic en junio de 2026, el episodio sirvió de advertencia para las empresas fuera de Estados Unidos que habían construido flujos de trabajo esenciales en torno a un solo proveedor. De un día para otro, perdieron el acceso y los equipos de compras no tenían una alternativa inmediata.
Sakana AI presenta Fugu como una protección frente a este escenario. La empresa sostiene que, como el orquestador puede redirigir dinámicamente las solicitudes para evitar proveedores no disponibles o restringidos, los clientes ganan resiliencia sin sacrificar capacidades. Si los modelos de Anthropic dejan de estar accesibles, Fugu traslada la carga de trabajo a OpenAI, Google o alternativas disponibles abiertamente. Si aparece un modelo nuevo que destaca en una tarea concreta, Sakana AI afirma que puede incorporarlo al grupo sin obligar a los clientes a reescribir sus aplicaciones para adaptarlas a una nueva API. Esta arquitectura intercambiable representa una forma más concreta de soberanía de la IA que muchos de los debates políticos abstractos que circulan actualmente en el sector tecnológico.
Para las empresas e instituciones gubernamentales japonesas, esta propuesta tiene un atractivo especial. Japón ha convertido la capacidad nacional en IA en una prioridad estratégica, y depender por completo de las plataformas estadounidenses de vanguardia plantea riesgos económicos y de seguridad nacional. Un proveedor con sede en Tokio que ofrezca asistencia local, opciones regionales para el tratamiento de datos y una filosofía técnica alternativa brinda una propuesta convincente a los compradores que buscan diversificar sus carteras tecnológicas. La base de inversionistas de Sakana AI, que incluye grandes instituciones financieras japonesas, refuerza este posicionamiento.
Sin embargo, es razonable mantener el escepticismo. El grupo de agentes de Fugu sigue dependiendo en gran medida de los mismos gigantes estadounidenses que pretende sortear. El sistema no puede ofrecer resultados de vanguardia si se interrumpe por completo el acceso mediante API a GPT, Claude y Gemini. Para lograr una verdadera independencia se necesitaría un ecosistema sólido de modelos nacionales o disponibles abiertamente que pudiera igualar a esos sistemas, y ese ecosistema aún no existe a gran escala. Los críticos también señalan que Fugu es un servicio comercial propietario, no un marco abierto, lo que significa que los clientes cambian la dependencia de un proveedor por la de otro, aunque con un modelo de negocio diferente.
Qué significa el lanzamiento para el desarrollo de la IA
Si las afirmaciones sobre el rendimiento de Fugu resisten un escrutinio externo sostenido, las consecuencias para la investigación en inteligencia artificial podrían ser importantes. Durante buena parte de la última década, el sector ha seguido una hipótesis de escalamiento: más parámetros, más datos y más capacidad de cómputo producen mejores resultados. Esta filosofía ha generado sistemas realmente impresionantes, pero también ha creado barreras de entrada tan altas que solo las empresas y los gobiernos más ricos pueden participar. Entrenar un modelo fundacional de vanguardia cuesta cientos de millones de dólares y requiere hardware especializado que también está sujeto a restricciones de exportación.
Fugu apunta a una vía distinta. Sugiere que un modelo relativamente pequeño, entrenado específicamente para coordinar en lugar de acumular conocimientos enciclopédicos, puede superar lo que cabría esperar de su tamaño si utiliza los recursos existentes de forma inteligente. Esto desplaza la competencia desde la capacidad de entrenamiento bruta hacia la creatividad arquitectónica y la eficiencia de la orquestación. También democratiza el acceso a una IA de alto rendimiento, en el sentido de que, en teoría, organizaciones con presupuestos mucho menores que los necesarios para entrenar desde cero modelos de la categoría de GPT pueden crear un sistema de enrutamiento bien diseñado.
La comunidad investigadora lleva mucho tiempo explorando los sistemas multiagente y las mezclas de expertos, pero Fugu es una de las primeras implementaciones comerciales destacadas que se presenta como una alternativa directa a los modelos monolíticos de vanguardia. Su éxito o fracaso probablemente influirá en si el capital de riesgo y la financiación corporativa para investigación empiezan a dirigirse a las tecnologías de orquestación y coordinación, en lugar de concentrarse exclusivamente en ampliar los modelos fundacionales. Los comentarios recibidos durante la beta ya sugieren que ciertos flujos de trabajo empresariales, en particular los que abarcan largos periodos, como la revisión de código y las auditorías de seguridad, podrían beneficiarse más de sistemas distribuidos que de modelos a los que se recurre en una sola llamada.
Por supuesto, este enfoque también tiene inconvenientes. Los complejos pasos de razonamiento multiagente pueden añadir latencia, lo que hace que Fugu no sea adecuado para aplicaciones que requieren respuestas en milisegundos. Las tareas de alta intensidad también consumen cuotas de cómputo considerables, y la opacidad de la lógica de enrutamiento impide que los usuarios sepan siempre qué modelo subyacente procesó sus datos, lo que complica el cumplimiento normativo en sectores regulados. Sakana AI reconoce estas limitaciones, pero sostiene que las ventajas superan los costos en una amplia gama de tareas analíticas y de ingeniería.
Puntos clave
- Sakana AI lanzó Fugu, un servicio de orquestación multiagente que distribuye tareas entre un grupo intercambiable de modelos de IA de vanguardia a través de una única API compatible con los estándares de OpenAI.
- El sistema se basa en un modelo coordinador compacto, de unos 7.000 millones de parámetros, en lugar de un enorme modelo fundacional monolítico, y utiliza investigaciones presentadas por Sakana AI en los artículos Trinity y Conductor.
- Fugu Ultra afirma obtener puntuaciones competitivas en pruebas de referencia como SWE-Bench Pro, GPQA-Diamond y LiveCodeBench, frente a sistemas líderes como GPT-5.5 y Claude Opus 4.8.
- Hay dos niveles disponibles: Fugu estándar, para tareas de producción de baja latencia y con controles de cumplimiento que permiten excluir agentes manualmente, y Fugu Ultra, para razonamiento complejo con un grupo fijo y más amplio de agentes.
- El lanzamiento está dirigido a empresas que buscan protegerse frente a la dependencia de proveedores y las interrupciones causadas por controles a la exportación, aunque el servicio sigue dependiendo de las API de modelos estadounidenses de vanguardia.
- Fugu está disponible en todo el mundo excepto en la UE y el EEE, donde está pendiente el cumplimiento del RGPD. El precio de Ultra comienza en 5 dólares por cada millón de tokens de entrada y 30 dólares por cada millón de tokens de salida.
