AI模型指南
Sakana AI Fugu 完整指南：多智能体编排系统接入教程
Sakana AI 于 2026 年 6 月 22 日正式发布 Fugu（河豚）与 Fugu Ultra，官方定位是「以单一基础模型形式呈现的多智能体编排系统」。本指南带你深入了解 Fugu 的技术背景与核心设计，并手把手教你通过 OpenClaw Launch 接入 Fugu，2分钟部署 AI 助手到 Telegram、Discord 或 WhatsApp — 无需代码，无需管理服务器。
Sakana AI 与 Fugu 是什么？
Sakana AI 是一家位于东京的 AI 实验室，由 David Ha 和 Llion Jones（Transformer 论文作者之一）共同创立。该实验室以探索自然启发式的 AI 系统架构著称，其名称「Sakana」（日语"鱼"）正体现了其对群体智能与涌现行为的研究方向。
Fugu（河豚） 于 2026 年 6 月 22 日发布，是 Sakana AI 推出的一套多智能体编排系统，官方标语为 "One Model to Command Them All"。Fugu 的核心理念是：
- 动态任务路由 — 把输入任务动态路由到一个可替换的前沿 LLM 池中，由最适合的模型完成各子任务
- 单一 OpenAI 兼容 API — 通过单一 API 访问整个编排层，调用方无需感知底层模型切换
- 不托管权重 — Fugu 本身不持有任何模型权重，它是编排层，而非独立模型
- 学习式编排 — 技术基于 ICLR 2026 论文 TRINITY 与 Conductor，使用学习到的编排策略而非固定规则
Fugu 与 Fugu Ultra 的区别
Sakana AI 同日发布了两个版本：
- Fugu — 面向通用的多智能体编排场景，适合日常对话与任务处理
- Fugu Ultra — 更高层级版本，面向复杂的多步骤任务，包括 AI 研究、网络安全分析、大规模专利调查等。官方称其表现接近顶级前沿模型
两者均提供 OpenAI 兼容 API，接入方式相同。具体的端点与模型 ID 请以 Sakana AI 官方文档为准。
注：本文不引用任何跑分数字或非官方性能对比，具体能力评估请参考 官方技术报告。
Fugu 的技术基础
Fugu 的核心技术来自两篇 ICLR 2026 论文：
- TRINITY — 研究如何通过学习策略，将复杂任务分解并动态分配给最适合的模型
- Conductor — 研究多模型编排中的协调机制，使整个系统能以单一接口对外提供服务
这种「编排而非权重」的设计让 Fugu 可以随时替换底层 LLM 池中的模型，理论上可以始终调用当前最优的前沿模型，而调用方只需对接一个不变的 API。
如何用 OpenClaw Launch 接入 Fugu
由于 Fugu 提供 OpenAI 兼容 API，可以通过 OpenClaw Launch 的自定义 provider 功能接入，2 分钟内部署一个 AI 助手到 Telegram、Discord 或 WhatsApp — 无需编程，无需管理服务器。
第1步：注册 OpenClaw Launch
访问 openclawlaunch.com，用 Google、GitHub 或邮箱注册账号。注册免费，首月 $3 特惠。
第2步：配置 Fugu 自定义 Provider
在 OpenClaw Launch 的模型配置页面，选择「自定义 Provider」，填写以下信息：
- base_url — Fugu 的 API endpoint（以 Sakana AI 官方文档为准）
- api_key — 你在 Sakana AI 获取的 API key
- model ID — Fugu 或 Fugu Ultra 的模型 ID（以官方文档为准）
由于 Fugu 遵循 OpenAI 兼容 API 规范，配置完成后即可直接使用，无需额外适配。
第3步：连接聊天平台
选择你想部署到的平台：
- Telegram — 最推荐，个人助手首选，全球用户基础广
- Discord — 适合社区、团队协作机器人
- WhatsApp — 通过网页网关接入，适合已有 WhatsApp 用户群的场景
按照页面提示填写 Bot Token 或扫码连接即可。
第4步：一键部署
点击「部署」按钮，OpenClaw Launch 自动为你创建独立的 Docker 容器，配置好 Fugu 模型和聊天平台连接。整个过程通常不到 2 分钟。
部署完成后，你就可以在 Telegram、Discord 或 WhatsApp 上与 Fugu 多智能体编排系统对话了。
Fugu 最佳使用场景
Fugu 的多智能体编排设计使其特别适合以下场景：
1. 复杂多步骤研究任务
需要跨多个维度收集、分析和综合信息的研究任务 — Fugu 的动态路由可以将各子任务分配给最擅长的模型，最终综合输出。Fugu Ultra 尤其适合深度 AI 研究、大规模专利调查等场景。
2. 网络安全分析
网络安全分析涉及多类子任务（漏洞识别、代码审查、威胁情报综合），Fugu Ultra 官方列出此为核心适用场景之一。通过 OpenClaw 接入后，可将其部署为团队内部的安全分析助手。
3. 需要自动选择最优模型的通用助手
如果你需要一个能根据不同问题类型自动调用最合适模型的「全能助手」，而不想手动管理多个模型，Fugu 的编排层设计正是为此而生。对于日常问答、任务规划、内容创作等多样化场景，Fugu 会在后台动态选择最合适的底层模型。
4. 企业内部知识助手
将企业文档、FAQ、操作手册接入后，Fugu 可作为智能问答入口部署到 Telegram 或 Discord，员工可直接在常用沟通工具中获取准确答案。
常见问题（FAQ）
Fugu 是独立的 AI 模型还是编排系统？
Fugu 本身不是独立模型，它不持有任何模型权重。它是一个多智能体编排系统，将输入任务动态路由到后台的一个可替换 LLM 池中，由最适合的模型处理各子任务，最终通过单一 OpenAI 兼容 API 返回结果。这是 Fugu 与传统单一模型的根本区别。
Fugu 和 Fugu Ultra 如何选择？
Fugu 适合通用的日常对话与任务处理；Fugu Ultra 面向复杂多步骤任务，如深度研究、网络安全分析、大规模专利调查等。如果你的场景以日常问答为主，Fugu 已足够；如果需要处理高复杂度的专业任务，选择 Fugu Ultra。具体端点与模型 ID 请参考 Sakana AI 官方文档。
接入 Fugu 需要多少费用？
OpenClaw Launch 托管服务：首月 $3 特惠，Lite 计划 $6/月，Pro 计划 $20/月，支持支付宝和微信支付。Fugu API 的调用费用请参考 Sakana AI 官方定价。更多 模型与定价 信息请查看对应页面。
Fugu 与 OpenClaw 上其他模型相比有什么优势？
Fugu 的差异化在于编排层设计 — 它可以根据任务动态调用最优模型，而非固定使用单一模型。对于需要处理多类任务、希望减少手动选模型负担的用户，Fugu 是有价值的选择。对于专注于中文对话或特定能力的场景，DeepSeek、Kimi 或 GLM 5.2 可能更直接。通过 OpenClaw 可以随时切换。
开始使用 Fugu
准备好接入 Sakana AI Fugu 多智能体编排系统了吗？访问 OpenClaw Launch，通过自定义 Provider 配置 Fugu，2 分钟内部署到 Telegram、Discord 或 WhatsApp。
首月 $3 特惠，Lite 计划 $6/月，Pro 计划 $20/月，支持支付宝和微信支付。
更多模型选择请查看 模型对比页面；或对比其他模型：DeepSeek 部署指南、Kimi 使用指南、GLM 5.2 部署教程、Groq 极速推理指南。