Sakana Fugu no es un modelo fundacional clásico, sino un sistema de orquestación multiagente que coordina modelos externos desde una sola API; promete rendimiento de frontera y menor riesgo geopolítico, pero su soberanía real depende de hasta qué punto pueda funcionar sin los proveedores que dice sortear.
Sakana AI ha presentado Fugu como una de las apuestas más interesantes del momento en inteligencia artificial. No porque prometa ser simplemente otro gran modelo más grande, más caro y más entrenado que los anteriores, sino porque propone una arquitectura distinta: un sistema completo de orquestación multiagente accesible desde una única API compatible con OpenAI.
La compañía japonesa lo resume con una idea muy potente: “un modelo para comandarlos a todos”. Bajo esa fórmula, Fugu no actúa como un único cerebro monolítico, sino como una capa capaz de seleccionar, coordinar y combinar distintos agentes especializados para resolver tareas complejas. Su versión más ambiciosa, Fugu Ultra, promete competir con modelos de frontera como Fable y Mythos en pruebas exigentes de ingeniería, ciencia y razonamiento.
El mensaje comercial es claro. Durante los últimos años, el progreso en IA ha estado dominado por la carrera de los modelos gigantes: sistemas cada vez más grandes, más costosos y más centralizados. OpenAI, Anthropic, Google DeepMind, Meta, xAI y otros laboratorios han competido por construir el modelo más capaz. Sakana plantea otra hipótesis: la próxima frontera no será necesariamente el modelo más grande, sino el sistema que mejor coordine muchos modelos.
Esta idea no es menor. Si funciona, cambia el centro de gravedad del mercado. La ventaja ya no estaría solo en entrenar un modelo fundacional gigantesco, sino en saber orquestar inteligentemente una red de modelos y agentes especializados. En vez de apostar todo a un único sistema, Fugu intenta construir una forma de inteligencia colectiva artificial.
La promesa tiene tres capas.
La primera es técnica. Fugu selecciona y combina agentes según la tarea. Puede asignar funciones, dividir problemas, pedir verificaciones, usar modelos distintos para etapas distintas y sintetizar una respuesta final. En lugar de confiar en que un solo modelo lo haga todo bien, coordina varios especialistas.
La segunda es operativa. El usuario no tiene que gestionar directamente múltiples APIs, proveedores, modelos, claves, formatos y flujos. Fugu se ofrece como una única interfaz. Para una empresa, eso puede simplificar mucho la adopción de IA avanzada.
La tercera es geopolítica. Sakana afirma que este enfoque reduce la vulnerabilidad ante controles de exportación o restricciones de acceso. Si un modelo deja de estar disponible, el sistema podría redirigir tareas hacia otros agentes del conjunto. En teoría, la orquestación ofrece resiliencia frente a la dependencia de un único proveedor.
Ahí aparece el argumento más ambicioso de Sakana: la orquestación como camino hacia la soberanía de la IA. La compañía sostiene que organizaciones y países no pueden depender de un solo laboratorio privado para infraestructuras críticas, finanzas, ciencia, defensa o administración pública. Si el acceso a un modelo puede desaparecer de un día para otro por una decisión política o empresarial, esa dependencia se convierte en una vulnerabilidad material.
El razonamiento encaja perfectamente con el contexto actual. Las restricciones de acceso a modelos avanzados, los controles de exportación de Estados Unidos, la presión sobre aliados y competidores, y la concentración de capacidad en un puñado de laboratorios han convertido la IA en una cuestión de poder. Ya no hablamos solo de software. Hablamos de infraestructura estratégica.
Pero Fugu también exige una lectura crítica.
El punto esencial es que Sakana Fugu no debe confundirse con un modelo fundacional independiente entrenado desde cero por Sakana. Es, sobre todo, un orquestador. Su fortaleza procede precisamente de coordinar otros modelos. La compañía lo presenta como un “multi-agent system as a model”, es decir, un sistema multiagente empaquetado como si fuera un modelo accesible mediante una API única.
Este matiz cambia mucho la interpretación.
Si Fugu obtiene resultados competitivos porque utiliza en su interior modelos como GPT, Claude, Gemini, Opus u otros sistemas privados, entonces su rendimiento depende de ese ecosistema. No es una isla soberana. Es una capa inteligente sobre una red de proveedores.
Carlos Santana lo ha resumido con acierto al advertir que Fugu no es “un único modelo independiente entrenado por la compañía”, sino un orquestador preparado para coordinar varios modelos diferentes, incluso a sí mismo. Su crítica apunta al núcleo del debate: si el acceso a esos modelos se corta, Fugu podría perder parte importante de su capacidad.
Dicho de otro modo: Fugu puede reducir la dependencia de un solo proveedor, pero no elimina necesariamente la dependencia de proveedores externos.
La diferencia es importante. No es lo mismo soberanía que diversificación. La diversificación reduce riesgo. La soberanía implica control propio. Fugu parece ofrecer más bien una arquitectura de resiliencia: si un modelo falla, limita su acceso o empeora sus condiciones, el sistema puede buscar alternativas. Pero si todo el rendimiento de frontera depende de modelos privados de terceros, la soberanía sigue siendo parcial.
Aun así, la propuesta es relevante. En la práctica, muchas empresas no necesitan soberanía absoluta. Necesitan continuidad, flexibilidad, coste razonable, rendimiento alto y capacidad de cambiar de proveedor sin rehacer toda su infraestructura. Para ellas, un orquestador como Fugu puede tener mucho sentido.
El mercado de la IA está entrando en una fase nueva. La primera etapa estuvo dominada por el asombro ante los chatbots. La segunda, por la integración en productos. La tercera empieza a girar alrededor de agentes, flujos de trabajo, herramientas conectadas y sistemas compuestos. En esa etapa, la pregunta ya no es solo qué modelo responde mejor, sino qué arquitectura resuelve mejor tareas complejas.
Fugu encaja precisamente ahí. Su valor no está solo en responder preguntas, sino en coordinar procesos. Puede dividir un problema de programación, pedir a un agente que proponga una solución, a otro que la critique, a otro que escriba pruebas, a otro que revise seguridad y a otro que sintetice el resultado. Ese enfoque se parece más a un equipo de trabajo que a un chatbot individual.
Sakana afirma que Fugu se apoya en investigaciones sobre coordinación aprendida de agentes, como TRINITY y Conductor. La idea central es que el sistema no dependa únicamente de flujos diseñados manualmente, sino que aprenda estrategias de coordinación en lenguaje natural. Eso significa que puede descubrir patrones de colaboración no obvios entre modelos: cuándo conviene deliberar, cuándo verificar, cuándo dividir una tarea y cuándo sintetizar.
Este planteamiento tiene mucho potencial en áreas de alta complejidad: programación, matemáticas, razonamiento científico, ciberseguridad, investigación documental, análisis de patentes o reproducción de artículos académicos. En esos dominios, un único modelo puede cometer errores convincentes. Un sistema multiagente puede introducir mecanismos de contraste, revisión y especialización.
Pero también tiene costes.
La orquestación suele ser más cara y más lenta que una llamada directa a un modelo. Cada tarea puede implicar varias consultas, varios agentes, varias rondas de verificación y una síntesis final. Eso mejora la calidad en problemas difíciles, pero puede ser excesivo para tareas simples. Por eso Sakana diferencia entre Fugu, orientado a equilibrio entre rendimiento y latencia, y Fugu Ultra, optimizado para máxima calidad en problemas exigentes.
Este punto será decisivo para su adopción empresarial. Las compañías no solo miran benchmarks. Miran coste, latencia, estabilidad, trazabilidad, privacidad, cumplimiento normativo y control. Un sistema que coordina múltiples modelos puede ofrecer mejores respuestas, pero también introduce más capas de complejidad. ¿Qué modelo vio cada dato? ¿Dónde se procesó la información? ¿Qué proveedor intervino? ¿Cómo se audita una respuesta? ¿Qué ocurre si un agente externo cambia su política?
Sakana intenta responder a parte de esas dudas ofreciendo control sobre qué agentes pueden participar en el pool. Según la compañía, los usuarios podrán excluir determinados proveedores o modelos para cumplir requisitos de privacidad, datos o regulación. Esto es importante, pero no resuelve todos los interrogantes. La gobernanza de un sistema multiagente será más compleja que la de un modelo único.
La otra gran cuestión son los benchmarks. Sakana sostiene que Fugu Ultra se sitúa al nivel de Fable y Mythos en pruebas rigurosas de ingeniería, ciencia y razonamiento. Es una afirmación llamativa, pero conviene leerla con prudencia. Los resultados publicados por la propia compañía deben ser contrastados por evaluaciones independientes, usos reales y pruebas de producción. En IA, los benchmarks orientan, pero no sustituyen la experiencia práctica.
Además, cuando un sistema se compara con modelos de frontera pero utiliza otros modelos de frontera como parte de su arquitectura, la comparación no es exactamente equivalente. No estamos ante una carrera entre dos cerebros aislados. Estamos ante una capa de coordinación que puede extraer rendimiento adicional de sistemas ya muy potentes. Eso no le resta mérito, pero cambia la naturaleza del logro.
Fugu no demuestra necesariamente que Sakana haya entrenado un modelo mejor que los gigantes estadounidenses. Demuestra, si sus resultados se sostienen, que una buena orquestación puede superar o igualar a modelos individuales en determinadas tareas. Esa diferencia es clave.
Desde el punto de vista estratégico, la idea es muy poderosa. No todos los países ni todas las empresas podrán entrenar modelos del tamaño de los de OpenAI, Anthropic o Google. Pero sí podrían construir capas de orquestación, especialización, evaluación y control sobre una combinación de modelos propios, abiertos y comerciales. Esa vía podría abrir un camino intermedio entre dependencia total y soberanía absoluta.
Para Japón, el movimiento tiene una dimensión especial. Sakana AI se ha posicionado como uno de los laboratorios más interesantes del país, con una visión inspirada en sistemas colectivos, evolución, inteligencia distribuida y enfoques no monolíticos. En un mundo dominado por gigantes estadounidenses y chinos, una arquitectura basada en orquestación permite competir de otra manera. No hace falta tener el modelo más grande si se puede construir el sistema que mejor aprovecha muchos modelos.
Europa debería observar este enfoque con atención. El debate europeo sobre soberanía de IA suele oscilar entre dos extremos: construir modelos propios comparables a los de Estados Unidos o resignarse a usar tecnología extranjera. La orquestación ofrece una tercera vía: combinar modelos abiertos, europeos, comerciales y especializados bajo una capa de control propia. No elimina la necesidad de infraestructura, datos y talento, pero puede mejorar la resiliencia.
La clave será no confundir el envoltorio con la independencia real. Un orquestador puede ser muy útil, pero si toda su potencia depende de proveedores externos cerrados, la soberanía será limitada. Para que el enfoque sea verdaderamente soberano, debería poder incorporar modelos locales, modelos abiertos, modelos auditables y modelos desplegados en infraestructuras controladas por la organización o el país.
La arquitectura multiagente también plantea una pregunta filosófica sobre el futuro de la inteligencia artificial. Durante años hemos imaginado la IA como una entidad única: un gran modelo universal capaz de hacerlo todo. Fugu propone una imagen distinta: inteligencia como coordinación. No un cerebro gigante, sino una red de especialistas. No una voz única, sino una deliberación organizada. No un modelo total, sino una ecología de modelos.
Esa visión se parece más a cómo trabajan las organizaciones humanas. Un hospital no depende de un único médico universal. Una redacción no depende de un único periodista total. Una empresa no funciona con una sola persona que lo sabe todo. Los sistemas complejos se basan en división de tareas, especialización, revisión, coordinación y responsabilidad distribuida. La IA podría evolucionar en la misma dirección.
El problema es que las organizaciones humanas también fallan por mala coordinación. Los equipos se contradicen, duplican esfuerzos, ocultan errores, trasladan responsabilidades y generan burocracia. Los sistemas multiagente pueden sufrir problemas parecidos: respuestas inconsistentes, bucles innecesarios, conflictos entre agentes, costes elevados o síntesis final deficiente. Orquestar bien no es trivial.
Por eso Fugu será interesante no solo por sus resultados, sino por su comportamiento. ¿Sabe cuándo usar pocos agentes y cuándo desplegar muchos? ¿Detecta incertidumbre? ¿Pide verificación cuando hace falta? ¿Evita sobreactuar en tareas simples? ¿Explica qué ha hecho? ¿Permite auditar el proceso? ¿Mantiene consistencia en producción? Estas preguntas importan más que un titular comparativo con Fable o Mythos.
La dimensión comercial también será relevante. Sakana ofrece Fugu mediante una API compatible con OpenAI, lo que facilita la integración. Esta decisión es inteligente: reduce fricción para desarrolladores y empresas que ya utilizan clientes, herramientas o flujos basados en ese estándar de facto. En un mercado saturado de APIs, la compatibilidad puede acelerar adopción.
Pero la competencia será dura. OpenRouter, Together, Fireworks, Microsoft, Google, Amazon, LangChain, LlamaIndex y otros actores también se mueven hacia capas de enrutamiento, agentes, evaluación y selección de modelos. La orquestación se está convirtiendo en un campo de batalla. Fugu no compite solo con modelos. Compite con plataformas de acceso, frameworks de agentes, nubes empresariales y sistemas internos de grandes compañías.
La diferencia de Sakana está en presentar la orquestación no como una herramienta auxiliar, sino como el producto central. No se trata de que el usuario construya su propio router o su propio grafo de agentes. Sakana empaqueta esa inteligencia coordinadora y la vende como si fuera un modelo. Esa es la innovación conceptual más interesante.
El riesgo es que el mercado no entienda bien qué compra. Si los usuarios creen que Fugu Ultra es un modelo fundacional autónomo comparable directamente a Fable o Mythos, pueden llevarse una impresión equivocada. Si entienden que es una capa de coordinación que utiliza modelos subyacentes, podrán valorar mejor sus ventajas y límites.
La comunicación de Sakana juega deliberadamente con esa ambigüedad. Habla de “modelos Fugu” y de “Fugu Ultra”, pero al mismo tiempo explica que coordina un pool de agentes. Esa ambigüedad puede ser útil comercialmente, pero también puede generar críticas. La transparencia será clave: qué modelos utiliza, bajo qué condiciones, qué datos se comparten, qué pasa si un proveedor desaparece y qué rendimiento mantiene sin determinados modelos.
En el fondo, Fugu refleja una verdad cada vez más evidente: la IA de frontera ya no será solo una cuestión de entrenamiento. Será una cuestión de arquitectura. Los modelos seguirán siendo fundamentales, pero el valor se desplazará también hacia quien sepa combinarlos, evaluarlos, controlarlos y adaptarlos a tareas concretas.
La frase “más allá de modelos más grandes” resume bien el momento. Durante la primera etapa de la IA generativa, el mercado premiaba el tamaño, los parámetros, los datos y el cómputo. Ahora empieza a valorar la eficiencia, la especialización, el coste, la latencia, la gobernanza y la resiliencia. Un sistema que logra rendimiento de frontera sin entrenar desde cero un modelo gigantesco puede ser muy atractivo.
Pero no conviene exagerar. La orquestación no sustituye mágicamente a los modelos potentes. Los necesita. Un director de orquesta no produce música sin músicos. Fugu puede coordinar muy bien, pero su calidad dependerá de los agentes disponibles. Si esos agentes son excelentes, el resultado puede ser extraordinario. Si se restringen, encarecen o desaparecen, el sistema tendrá que adaptarse. Y ahí se verá su verdadera robustez.
La mejor forma de entender Fugu no es como una amenaza directa a OpenAI, Anthropic o Google, sino como una señal de maduración del ecosistema. La IA empieza a parecerse menos a una competición de modelos aislados y más a una industria de capas: modelos, agentes, orquestadores, evaluadores, memorias, herramientas, permisos, datos y plataformas. Cada capa capturará una parte del valor.
Sakana quiere capturar la capa de coordinación. Y lo hace con una narrativa poderosa: rendimiento, simplicidad y resiliencia geopolítica. La propuesta es atractiva. También es discutible. Su éxito dependerá de si Fugu demuestra en producción que puede ofrecer calidad superior, costes razonables, control empresarial y continuidad real cuando cambian las condiciones de acceso a los modelos subyacentes.
El anuncio marca un punto de inflexión porque obliga a mirar más allá del modelo único. La pregunta ya no será solo “qué IA es mejor”, sino “qué sistema sabe usar mejor todas las IA disponibles”. Esa pregunta puede definir la próxima fase de la industria.
Sakana Fugu llega con ambición, buenos argumentos y una promesa provocadora. Pero su mayor valor quizá no sea haber creado un sustituto soberano de los modelos de frontera, sino haber puesto sobre la mesa una idea que puede orientar los próximos años: la inteligencia artificial no será necesariamente monolítica. Será orquestada.
