Sakana Fugu Ultra: Ik Zag Het Stockfish Verslaan

Sakana Fugu Ultra: Ik Zag Het Stockfish Verslaan

Het detail dat me stopte was geen benchmark. Het was een schaakpartij gespeeld zonder bord.

Geen afbeelding van de stukken. Geen coördinatenraster. Gewoon een model dat de hele spelstatus in zijn hoofd hield, zet na zet, tegen een Stockfish-engine met een rating van ongeveer 2.100 ELO — het soort kracht dat bijna elke menselijke clubspeler die je ooit zult ontmoeten verslaat. En Sakana Fugu Ultra overleefde niet alleen. Het won vier partijen op rij, elke keer eindigend in schaakmat, tegen drie frontier-modellen en de engine.

Dat was het moment waarop ik besefte dat ik het hele ding verkeerd had bekeken. Ik ging de video over Sakana Fugu Ultra in met de verwachting van weer een “nieuw model verslaat GPT”-hype, het soort dat ik op het eerste gezicht heb leren negeren. Wat ik in plaats daarvan kreeg was een stilletjes radicaal argument: misschien komt de volgende sprong in AI-capaciteit niet van een groter brein. Misschien komt het van een slimmer comité.

Ik wil eerlijk zijn over wat dit bericht is, want de eerlijkheid is belangrijker dan de klik. Ik heb Fugu’s API niet zelf uitgevoerd — de toegang is beperkt, en bij de lancering is het geblokkeerd in de EU/EER terwijl Sakana aan GDPR werkt. Dus ik ga niet doen alsof ik het afgelopen dinsdag op een klantproject heb ingezet. Wat ik wel kan doen is iets nuttiger: de testresultaten die bestaan nemen, ze kruislings controleren tegen Sakana’s gepubliceerd onderzoek, en je vertellen wat ze werkelijk betekenen voor hoe je tools kiest in 2026. De cijfers hieronder komen uit de brontests en Sakana’s eigen materialen. Het oordeel is van mij.

Laat me je laten zien waarom “is het beter dan GPT-5.5?” de verkeerde vraag blijkt te zijn.

Wat is Sakana Fugu Ultra, en waarom is het geen normaal model?

Sakana Fugu Ultra is geen foundation-model — het is een multi-agent orkestratiesysteem dat een taak ontleedt, de subtaken naar verschillende gespecialiseerde LLM’s stuurt, en vervolgens hun output bekritiseert, verifieert en samenvoegt tot één antwoord. Wanneer je het aanroept via zijn enkele API-endpoint, praat je niet met één set gewichten zoals bij Opus 4.8 of GPT-5.5. Je praat met een dirigent die weet welke muzikanten hij moet inschakelen voor welk passage.

Sakana AI is een onderzoekslab in Tokio, en Fugu werd gelanceerd op 22 juni 2026. Het label “model” doet het tekort. Hier is de architectuur in eenvoudige termen: Fugu neemt je prompt, breekt het in stukken, en wijst rollen toe over een verwisselbare pool van frontier-modellen — denk aan Denker, Werker, Verificateur. Eén model maakt een plan. Een ander voert een deel ervan uit. Een derde controleert het werk. Fugu naait de resultaten samen en geeft je de afgewerkte output.

Het woord “verwisselbaar” doet hier zwaar werk. Omdat Fugu naar modellen routeert in plaats van er één te zijn, kan de pool groeien naarmate nieuwe frontier-modellen verschijnen — zonder hertraining. Dat is een oprecht andere inzet op waar AI-waarde vandaan komt. De meeste labs racen om het ene slimste brein te bouwen. Sakana wedt dat het coördineren van de breinen die we al hebben het goedkopere, snellere pad is naar meer overwinningen.

Hier is het deel dat de meeste berichtgeving verkeerd heeft, en het verandert alles: Fugu’s orkestratie is geleerd, niet hardgecodeerd. Dit is geen router gebouwd uit if/else-logica en een trefwoordmatcher. Volgens Sakana’s onderzoek is Fugu zelf een getraind taalmodel waarvan de taak is om andere LLM’s aan te roepen — en het leerde hoe ze te coördineren uit twee ICLR 2026-papers: Trinity (een geëvolueerde coördinator die de Denker/Werker/Verificateur-rollen toewijst) en The Conductor (getraind met reinforcement learning om natuurlijke-taal coördinatiestrategien te ontdekken). Het systeem leerde wat het tegen elk model moest zeggen om een diverse pool beter te laten presteren dan elke individuele werker.

En er zit een wild detail verborgen. Fugu kan zichzelf recursief aanroepen — zijn eigen eerdere output lezen, beslissen of zijn eerste coördinatiepoging tekortschoot, en een correctieve workflow starten. De diepte van die recursie wordt een afstembare rekenas op het moment van inferentie. Je kunt meer denktijd besteden door dieper te gaan, zonder iets opnieuw te trainen. Dat is een nieuw soort test-time scaling, en het is het soort idee dat achteraf voor de hand ligt en dat bijna niemand als eerste heeft geleverd.

Dus wanneer je ziet dat Fugu een frontier-model “verslaat” op een benchmark, houd dat resultaat dan tegen het licht. Natuurlijk doet een systeem dat ontleedt, delegeert en verifieert het goed op taken die zorgvuldige probleemoplossing belonen. Dat is letterlijk waarvoor het gebouwd is. De interessante vraag is niet of het wint — het is waar het wint, en wat het je kost om daar te komen.

Die kostenvraag is waar het verhaal ongemakkelijk wordt.

De trader-desk test: waar het geld werkelijk naartoe gaat

Ik wil beginnen met de minst dramatische test, want die is de eerlijkste. De opdracht: bouw een “live trader desk” — een front-end plus back-end, het soort multi-component app dat echte mensen daadwerkelijk bouwen. Vier systemen kregen dezelfde prompt. Hier is wat ze gebruikten, zoals gerapporteerd in de bron:

Lees die tabel langzaam, want er zitten twee verhalen in.

Het eerste verhaal is wat Sakana wil dat je ziet: Fugu produceerde de best uitziende, meest complete UI. Als “maak het indrukwekkend in één keer” de opdracht is, leverde Fugu. De orkestratie betaalde zich uit in afwerking — meerdere modellen die elkaar kruislings controleren vangen meestal de gaten op die een enkele doorgang achterlaat.

Het tweede verhaal is wat er toe doet voor je budget. Fugu kostte $0,51 — ongeveer 17x wat Chinchilla 5.2 rekende voor een werkende versie van hetzelfde. Het verbrandde ook de meeste tokens. Dat is geen bug. Dat is de architectuur. Elke keer dat Fugu een taak ontleedt, routeert en het resultaat verifieert, maakt het meer modelaanroepen dan een enkel model zou doen. Coördinatie heeft overhead, en je betaalt ervoor in tokens, euro’s en latentie.

Hier is waar ik uitkom, en dat is niet waar de marketing me wil hebben: voor een eenvoudige build is die premium moeilijk te rechtvaardigen. Chinchilla 5.2 gaf je een functionele trader desk voor drie cent. Als je het mooi nodig hebt, splitste Opus 4.8 het verschil bij $0,31 met een schoon resultaat. Fugu’s extra 64 cent boven Chinchilla koopt je afwerking — en bij veel interne tools beoordeelt niemand de afwerking.

Maar “veel interne tools” is niet elke opdracht. De trader-desk test beloont efficiëntie, dus de efficiënte tools zien er slim uit. Verander de taak naar een die coördinatie beloont, en het beeld draait hard om.

De Crossy Road test: wanneer sneller en goedkoper slechter oplevert

Dit is de test die het hele ding voor mij herkadreerde, en het heeft niets te maken met welk systeem “slimmer” is.

De taak: bouw een 3D Crossy-Road-achtig spel. Dezelfde opdracht, head to head — Fugu Ultra tegen Opus 4.8. Hier zijn de gerapporteerde cijfers, en ik presenteer ze precies zoals de bron ze rapporteerde, niet als getallen die ik zelf heb geverifieerd:

Fugu was ruwweg 3,5x sneller, gebruikte ongeveer 10x minder tokens, en kostte ongeveer 5x minder. Stop en laat dat bezinken, want het gaat in tegen het trader-desk resultaat dat je net las. Hier was het georkestreerde systeem het zuinige.

En toch produceerde het het slechtere spel. Fugu’s Crossy Road-kloon had omgekeerde stuurbesturing — druk rechts, ga links. De camera vocht tegen de speler. Er was geen geluid. Het spel was onaf. Opus 4.8 besteedde vijf keer het geld en bijna vier keer de wandkloktijd, en gaf iets terug dat meer gepolijst en functioneler was — hoewel nog steeds licht buggy.

Dus wie won? Dat is de verkeerde vraag, en dat is het hele punt. Als je vijftig spelconcepten aan het prototypen bent om degene te vinden die het waard is om te bouwen, is Fugu’s profiel duidelijk correct — je wilt snelheid en goedkoopheid, en je repareert de camera op het ene idee dat overleeft. Als je het spel levert waar spelers daadwerkelijk voor gaan betalen, is Opus 4.8’s afwerking elke extra dollar waard.

Merk op wat er net gebeurde over twee tests. Bij de trader desk was Fugu de dure optie. Bij Crossy Road was Fugu de goedkope optie. Hetzelfde systeem. De variabele was niet Fugu — het was de taak. Orkestratie-overhead is een vaste belasting die enorm rendeert bij sommige opdrachten en je leegbloedt bij andere, en je kunt niet weten welke zonder de taak te matchen met de architectuur.

Dat is de vaardigheid die nog niemand onderwijst: een taak lezen en voorspellen welke vorm van systeem erbij past. Laat me je de vuistregel geven die ik zou gebruiken.

Moet je Fugu Ultra gebruiken of gewoon een frontier-model kiezen?

Gebruik Fugu Ultra wanneer de taak multi-component is, veel detail vereist, en baat heeft bij verificatie — UI-builds, simulaties, alles waar kruiscontrole fouten vangt die een enkele doorgang mist. Grijp naar een enkel frontier-model zoals Opus 4.8 of GPT-5.5 wanneer je voorspelbare snelheid, lage kosten en een strakke feedbackloop nodig hebt. De beslissende factor is niet capaciteit. Het is of ontleding-en-verificatie zijn overhead terugverdient op deze specifieke opdracht.

Hier is de beslissing die ik daadwerkelijk zou doorlopen, in volgorde:

1. Is dit een eenmalig indrukwekkend artefact of een strakke iteratielus? Eenmalige afwerking begunstigt Fugu’s verifieer-en-synthese-lus. Snelle iteratie begunstigt een enkel model — je wilt geen orkestratielatentie tussen elke toetsaanslag van feedback.
2. Hoe langetermijn is de taak? Deze is belangrijk. De gerapporteerde resultaten tonen dat Fugu soms achterloopt bij breed, langetermijn werk — dingen zoals Sweep Bench Pro — precies omdat orkestratieoverhead en coördinatiefaalpunten zich over vele stappen opstapelen. Meer bewegende delen betekent meer plekken om te breken.
3. Wat is je kostenplafond, en je kwaliteitsvloer? Als je een hard budget hebt en een vergevende kwaliteitslat, wint een enkel efficiënt model bijna altijd. Als afwerking niet onderhandelbaar is en budget flexibel, verdienen Fugu’s extra aanroepen hun kost.
4. Moet het in de EU draaien? Bij lancering is Fugu niet beschikbaar in de EU/EER terwijl Sakana aan GDPR werkt. Als je stack of gebruikers daar leven, is de beslissing voor je gemaakt.

Op pure benchmarks rapporteert de bron dat Fugu goed scoort in engineering, wetenschappelijk redeneren, codering en agentische taken — en vaak Mythos 5 overtreft op specifieke benchmarks zoals Live Code Bench en BBQ Evil, precies het soort dat zorgvuldige ontleding en verificatie beloont. Maar het schiet tekort ten opzichte van echte frontier-modellen zoals Fable 5 op rommeligre, real-world taken. De benchmarkoverwinningen zijn echt en ze zijn deels een artefact van waar orkestratie voor gebouwd is om goed in te zijn. Beide dingen zijn waar.

Nog een eerlijk voorbehoud dat ik niet zal begraven: de meeste koppen-benchmark-claims zijn Sakana’s eigen cijfers. Zelf-gerapporteerde benchmarks van het bedrijf dat het product verkoopt zijn marketing totdat onafhankelijke beoordelaars ze reproduceren. Ik zeg niet dat ze fout zijn — ik zeg dat de bewijslast bij Sakana ligt, en op dit moment is die slechts gedeeltelijk voldaan. De externe testresultaten hierboven (trader desk, Crossy Road) zijn betrouwbaarder precies omdat ze niet door Sakana zijn uitgevoerd.

Als de hele multi-model, ensemble-richting je interesseert, heb ik de vroege versie van dit patroon getraceerd in mijn analyse van open-source AI-ensembles, en ik behandelde Fugu’s lancering in context naast de andere juni-releases in mijn AI-modeloverzicht voor juni 2026. Dit bericht is de diepe duik in Fugu alleen; dat overzicht is de bredere kaart.

Nu — de tests waar Fugu me oprecht indruk maakte, en waar de orkestratieachitectuur stopt een afweging te zijn en een voordeel begint te worden.

Waar orkestratie werkelijk schittert: simulaties, terrein en een bord dat het niet kan zien

Drie resultaten brachten me van scepticus naar “oké, dit is echt.”

De zwart-gat-simulatie. De opdracht was een surrealistische zwart-gat-sim — codenaam “Singularity.” Fugu produceerde een gedetailleerde, goed gerenderde visualisatie die GLM MiniMax en Chinchilla 2.7 Code overtrof op visuele nauwkeurigheid. Dit is precies het soort taak waar orkestratie moet winnen: het correct renderen van een fysisch getinte scène omvat meerdere deelproblemen — de geometrie, de belichting, de vervormingsfysica, de surreële styling — en een systeem dat elk naar een capabel model kan routeren en het composiet kan verifiëren heeft een structureel voordeel over een enkel model dat probeert alles tegelijk vast te houden.

De vluchtsimulator. Zelfde verhaal, ander domein. Fugu genereerde een semi-nauwkeurige oneindige-terrein vluchtsim die GLM 5.2 en MiniMax overtrof, die beiden beperkte resultaten leverden. “Oneindig terrein” is een ontledingsprobleem in vermomming — terreingeneratie, de vliegfysica, de camera, de renderloop — en ontleding is Fugu’s thuisbasis.

En dan het schaken. Ik kom steeds terug op dit ene omdat het de schoonste demonstratie is van wat “toestand behouden door coördinatie” je werkelijk oplevert. Blindschaken, eenmalig, geen visueel bord — het systeem moet de hele positie bijhouden in het werkgeheugen gedurende het hele spel. Fugu won vier opeenvolgende partijen tegen drie frontier-modellen en een Stockfish-engine rond 2.100 ELO, en beëindigde elke partij met schaakmat. Het hield de spelstatus en zetnauwkeurigheid beter vast dan tegenstanders die op papier capabeler zijn.

Waarom gebeurt dat? Omdat een verificateur in de lus de blunder vangt voordat deze wordt gepleegd. Een enkel model dat blindschaakt heeft één kans om het bord correct bij te houden bij elke zet. Een georkestreerd systeem kan één component een zet laten voorstellen en een ander de resulterende positie laten controleren tegen de zetgeschiedenis. Dat is geen magie — het is dezelfde ontleed-en-verifieer-lus, toegepast op een probleem waar één misstap het spel verliest. De hele bestaansreden van de architectuur is om de fout te vangen die de solist zou maken.

Als je tot hier hebt gelezen, hier is de verschuiving die ik wil dat je meeneemt: jarenlang vroegen we “welk model is het slimst?” De nuttigere vraag van 2026 is “welke vorm van systeem past bij deze opdracht?” En “een orkestrator die over vele modellen routeert” is nu een echt, verzendbaar antwoord op die vraag — geen onderzoekscuriositeit.

Wat ik verkeerd had over waar de volgende sprong vandaan komt

Tijd voor eerlijk praten, want een toolreview die alleen functies opsomt is een specificatieblad, en dat kun je overal krijgen.

Ten eerste, ik had het verkeerd over de vorm van vooruitgang. Ik nam aan dat de volgende capabiliteitsprong zou komen van een groter enkel model — meer parameters, meer training, een dikker brein. Fugu’s resultaten suggereren dat een betekenisvol deel van de vooruitgang op korte termijn zal komen van coördinatie in plaats daarvan: meer uit de modellen halen die we al hebben door intelligent tussen hen te routeren en de output te verifiëren. Dat is een bescheidener, minder glamoureuze vorm van vooruitgang. Het haalt geen flitsende “nieuw model”-kop. Ik denk dat het om precies die reden onderschat is geweest.

Ten tweede, de kostenas is nu net zo belangrijk als de capaciteitsas, en de meeste berichtgeving negeert het nog steeds. Iedereen benchmarkt intelligentie. Bijna niemand benchmarkt euro’s-per-afgeronde-taak. De trader-desk en Crossy Road-tabellen zijn de duidelijkste illustratie die ik heb gezien dat “beste” nu een budgetafhankelijk woord is. Wanneer ik teams adviseer, is de eerste vraag niet langer “welk model is het slimst” — het is “wat is je tolerantie voor kosten versus afwerking op deze opdracht.” De meeste dagen neem ik het goedkopere resultaat en repareer ik de camera zelf.

Ten derde — en dit is de beperking waar Sakana niet mee voorop zal lopen — orkestratieoverhead is een echte, terugkerende belasting. Meer modelaanroepen betekenen hogere latentie, hogere kosten en meer faalpunten. Elke sprong tussen modellen is een plek waar de workflow context kan verliezen of verkeerd kan routeren. Bij langetermijntaken stapelen die faalpunten zich op, wat precies is waarom Fugu achterblijft op de breedste benchmarks. Een orkestrator is slechts zo betrouwbaar als zijn zwakste overdracht, en hij heeft meer overdrachten dan een enkel model. Dat is geen fout om weg te patchen — het is de inherente kost van het ontwerp.

Als het orkestratiepatroon je nieuwsgierig heeft gemaakt naar het zelf draaien van zo’n systeem, heb ik er een paar door hun paces gehaald — zie mijn hands-on met de OpenAI Symphony agent-orkestrator, die hetzelfde coördineer-vele-modellen probleem aanpakt vanuit de coding-harness hoek. En als je overweegt om een multi-agent orkestratielaag in je eigen stack te bouwen — uitzoeken waar het zijn overhead verdient versus waar een enkel model de verstandigere keuze is — dat is precies het soort architectuurbeslissing dat ik aanneem via mijn Fiverr. Het eerlijke antwoord is meestal “gebruik orkestratie voor de 20% van taken die het echt nodig hebben, en een snel enkel model voor de rest,” en die verdeling goed krijgen is het meeste van de waarde.

Dus waar past Fugu werkelijk? Laat me dat concreet maken.

Wat te verwachten als je Fugu Ultra vandaag adopteert

Ik ga geen precisie uitvinden die ik niet heb. Maar de gerapporteerde tests, gelezen tegen de architectuur, wijzen op een consistente vorm waar je omheen kunt plannen.

Verwacht dat Fugu wint bij multi-component, hoog-detail, eenmalige artefacten — de gepolijste UI-build, de gerenderde simulatie, de meerdelige generatie waar verificatie vangt wat een enkele doorgang mist. De trader-desk UI, de zwart-gat-sim, de vluchtsim, het blindschaken delen allemaal dat DNA: meerdere deelproblemen die baat hebben bij opsplitsing, oplossing en controle.

Verwacht dat Fugu achterblijft bij langetermijn, open-einde, of kostengevoelig werk — brede agentische taken waar overhead zich opstapelt, en elke opdracht waar een goedkoper enkel model je 90% van de weg brengt voor een fractie van de uitgave. Chinchilla 5.2’s trader desk van drie cent is het waarschuwende verhaal: als je de afwerking niet nodig hebt, betaal je een forse premie ervoor.

Verwacht meer te betalen en langer te wachten dan bij GPT-5.5 of Opus 4.8 voor vergelijkbare taken, als regel. Dat is de structurele kost van coördinatie, en die zal niet volledig verdwijnen — hoewel Sakana’s recursieve-diepte idee suggereert dat ze ten minste een knop hebben om bewust rekenkracht tegen kwaliteit af te wegen in plaats van blind.

En verwacht dat dit verbetert. Fugu lanceerde op 22 juni 2026; het is vroeg. De pool is verwisselbaar, dus het erft elk nieuw frontier-model gratis. De coördinatie is geleerd, dus voortgezette training kan het aanscherpen. Het proof-of-concept is al overtuigend. De vraag is of Sakana de overheadkloof snel genoeg kan dichten om orkestratie de standaard te maken in plaats van de specialistenkeuze.

Voorlopig is mijn aanbeveling onglamoureus en, denk ik, correct: Fugu Ultra is een specialistisch gereedschap, geen dagelijkse chauffeur. Voor algemeen applicatiewerk geven GPT-5.5 en Opus 4.8 je momenteel een betere kosten-snelheid-kwaliteitsbalans. Houd Fugu in je gereedschapskist voor de specifieke hoog-detail, multi-component opdrachten waar ontleed-en-verifieer zijn kost verdient — en let op de overheadtrend, want als die daalt, verandert de hele berekening.

Kom nog één keer terug bij die blindschaakpartij. Een systeem dat het bord niet kon zien won toch — niet omdat het de slimste speler aan tafel was, maar omdat het een teamgenoot had die zijn werk controleerde voor elke zet. Dat is de echte les van Fugu Ultra, en die is groter dan één product. Het volgende tijdperk van AI wordt misschien niet gewonnen door het slimste model. Het wordt misschien gewonnen door het best gecoördineerde team van gewone.

Dus de vraag die ik je zou meegeven is niet “is Fugu beter dan GPT-5.5?” Het is dit: van de opdrachten op je bord deze week, welke los je op met een solist die eigenlijk een comité nodig hebben?

Veelgestelde Vragen

Is Sakana Fugu Ultra een foundation-model of een orkestrator?

Fugu Ultra is een orkestrator, geen foundation-model. Het ontleedt een taak, routeert subtaken naar een verwisselbare pool van frontier-LLM’s, en verifieert en synthetiseert vervolgens hun output via een enkele API. In tegenstelling tot Opus 4.8 of GPT-5.5 genereert het geen antwoorden uit eigen gewichten — het coördineert andere modellen. Zie de architectuuranalyse hierboven voor het volledige beeld.

Is Fugu Ultra goedkoper dan Opus 4.8 of GPT-5.5?

Dat hangt volledig af van de taak. Bij een Crossy Road-build kostte Fugu naar verluidt ongeveer 5x minder dan Opus 4.8; bij een trader-desk build was het het duurste van vier systemen met $0,51. Orkestratieoverhead is een vaste belasting die bij sommige opdrachten rendeert en je bij andere leegbloedt. Het besliskader hierboven legt uit hoe je kunt voorspellen welke.

Op welke benchmarks presteert Fugu Ultra goed?

Fugu scoort naar verluidt goed op engineering, wetenschappelijk redeneren, codering en agentische benchmarks, en overtreft vaak Mythos 5 op taken zoals Live Code Bench en BBQ Evil die ontleding en verificatie belonen. Het blijft achter op langetermijnbenchmarks zoals Sweep Bench Pro, waar orkestratieoverhead zich opstapelt.

Waar is Sakana Fugu Ultra beschikbaar?

Fugu Ultra is toegankelijk via een API-provider en werd gelanceerd op 22 juni 2026. Bij lancering is het niet beschikbaar in de EU/EER terwijl Sakana AI aan GDPR-compliance werkt. Als je gebruikers of stack in Europa leven, kan die beperking de vraag voor je beantwoorden.

Heeft Fugu Ultra echt Stockfish verslagen bij blindschaken?

Volgens de brontests, ja — Fugu won vier opeenvolgende blindpartijen (geen visueel bord) tegen drie frontier-modellen en een Stockfish-engine met een rating van ongeveer 2.100 ELO, en beëindigde elke partij met schaakmat. De waarschijnlijke reden is het verifieer-in-de-lus ontwerp, dat de positie-bijhoudingsfout vangt die een enkel model zou begaan.

Laten We Samenwerken

Wil je AI-systemen bouwen, workflows automatiseren of je technische infrastructuur opschalen? Ik help je graag.

• Fiverr (maatwerk builds & integraties): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (bedrijfsoplossingen): ramlit.com
• ColorPark (design & branding): colorpark.io
• xCyberSecurity (beveiligingsdiensten): xcybersecurity.io