Sakana Fugu Ultra: Model AI Frontier Baru yang Lahir dari Cara Pikir yang Beda

Tanggal 22 Juni 2026, ada satu rilisan AI yang menurut gw layak banget kalian tau—bukan cuma karena performanya, tapi karena dia ngebuktiin sesuatu yang menantang asumsi lama soal "gimana caranya bikin AI yang kuat."

Namanya Sakana Fugu (dan versi flagship-nya, Fugu Ultra), buatan Sakana AI, startup asal Tokyo. Dan ceritanya menarik dari banyak sisi. Yuk gw bahas.

Asumsi Lama: "Mau AI Lebih Kuat? Bikin Model Lebih Gede"

Selama bertahun-tahun, kemajuan AI itu identik sama satu hal: bikin model yang lebih besar. Lebih banyak parameter, lebih banyak data, lebih banyak biaya komputasi. Mau model yang lebih pinter? Train yang lebih raksasa. Begitu terus polanya.

Pendekatan ini berhasil—tapi mahal banget, dan cuma segelintir perusahaan di dunia yang sanggup main di level itu. Dan ada masalah lain: model raksasa tunggal nggak selalu jago di semua hal. Tiap masalah dunia nyata sering butuh kombinasi keahlian yang beda-beda.

Nah, Sakana datang dengan ide yang beda: gimana kalau kita nggak bikin model lebih gede, tapi bikin "koordinator" yang lebih pinter?

Apa Itu Sakana Fugu?

Fugu itu sistem orkestrasi multi-agent yang nyamar jadi satu model.

Maksudnya gini: dari sisi kalian, kalian cuma ngomong ke satu "AI" lewat satu API—persis kayak ngomong ke ChatGPT atau Claude. Tapi di balik layar, Fugu nggak selalu ngerjain sendiri. Dia mutusin: buat pertanyaan ini, mending gw jawab langsung, atau mending gw panggil "tim" model-model ahli buat ngerjain bareng, terus gw gabungin hasilnya jadi satu jawaban yang utuh?

Semua kerumitan "tim" itu nggak pernah keliatan sama kalian. Dari luar, dia tetap kayak satu model biasa.

Analogi yang Gampang

Bayangin model AI biasa itu kayak satu orang yang pinter banget. Dia hebat, tapi tetap satu kepala dengan keahlian terbatas.

Fugu itu lebih kayak seorang manajer proyek yang berpengalaman. Dia sendiri mungkin bukan ahli di segala bidang—tapi dia tau persis: "masalah ini bagian desainnya lempar ke si A, bagian datanya ke si B, bagian tulisannya ke si C." Terus dia ngumpulin semua hasilnya, ngecek, dan ngerangkum jadi satu output yang nyambung.

Yang bikin tambah menarik: Fugu sendiri itu sebenarnya sebuah model bahasa yang dilatih khusus buat jago jadi "manajer" ini—tau cara mendelegasikan, cara komunikasi antar-model, dan cara ngegabungin hasil. Bahkan dia bisa manggil dirinya sendiri secara berulang kalau perlu.

Yang Bikin Ini Beda dari Sekadar "Pakai Banyak Model"

Mungkin kalian mikir: "Lah, gw juga bisa kali manggil beberapa model terus gabungin sendiri?" Bisa—tapi itu ribet banget, dan kalian harus nulis aturan manual buat tiap skenario. Fugu beda karena dia belajar cara ngorkestrasi, bukan ngikutin aturan kaku yang ditulis manusia. Pendekatan ini didasari dua paper riset akademis Sakana di ICLR 2026 (namanya Trinity dan Conductor)—jadi ini bukan sekadar gimmick marketing, tapi ada fondasi risetnya.

Sakana sendiri nggak nge-train model frontier raksasa baru. Mereka nge-train orchestrator yang relatif kecil (sekitar 7 miliar parameter) yang tugasnya cuma satu: mutusin model mana yang paling pas buat tiap bagian masalah. Filosofinya indah: kalian nggak perlu jadi yang paling pinter—kalian cukup tau kapan harus nanya ke siapa.

Kenapa Ini Lahir Sekarang: Konteks Export Control

Ada latar belakang penting di balik rilis ini, dan ini bagian yang bikin Fugu makin relevan.

Beberapa model AI paling kuat saat ini—termasuk Fable 5 dan Mythos Preview milik Anthropic—jadi nggak bisa diakses oleh sebagian besar dunia karena aturan export control berbasis keamanan nasional yang keluar pertengahan Juni 2026. Artinya, banyak negara dan perusahaan tiba-tiba kehilangan akses ke teknologi AI kelas atas.

Di sinilah Fugu masuk dengan klaim yang berani: Fugu Ultra performanya setara Fable 5 dan Mythos. Tapi yang menurut gw justru bikin ini lebih impressive: Fable 5 dan Mythos itu BUKAN bagian dari "tim" Fugu—justru karena dua model itu nggak bisa diakses publik. Jadi Fugu nyamain hasil model-model elit itu tanpa beneran menggunakan mereka. Dia menyusun performa selevel frontier dari model-model yang masih bisa diakses, lalu menggabungkannya dengan cerdas.

Implikasinya besar: kalian nggak butuh akses ke model paling elit buat dapet hasil selevel itu. Buat negara, perusahaan, atau individu yang kena batasan akses—atau yang sekadar nggak mau bergantung pada satu vendor tunggal—ini alternatif yang nyata. Sakana memposisikan ini sebagai langkah menuju "kedaulatan AI" (AI sovereignty): nggak ada satu pihak pun yang bisa mematikan akses kalian, karena Fugu otomatis nge-rute ke model lain kalau satu sumber dibatasi.

Keunggulan Fugu Ultra

Berdasarkan benchmark resmi Sakana (dibandingkan dengan model-model top yang masih bisa diakses publik seperti Opus 4.8, Gemini 3.1 Pro, dan GPT-5.5):

Performa unggul di mayoritas benchmark. Fugu Ultra unggul atau seri di 8 dari 10 benchmark coding dan reasoning. Yang menarik secara konsep: orchestrator-nya secara konsisten ngalahin model-model individual yang dia koordinasiin—buktinya bahwa "tim yang dikoordinasi dengan baik" bisa ngalahin "satu jagoan tunggal."

Konsistensi karakter yang stabil. Di sesi percakapan yang panjang, Fugu jaga "kepribadian"-nya tetap konsisten. Ini kedengeran sepele, tapi krusial banget buat produk seperti chatbot atau asisten virtual—di mana karakter yang tiba-tiba berubah di tengah percakapan bikin pengalaman jadi aneh.

Jago di kerjaan panjang dan kompleks. Salah satu pengguna awal melaporkan, untuk code review, Fugu Ultra menemukan lebih dari 20 isu di mana tool lain hanya menangkap sekitar 3. Fugu Ultra memang dirancang buat tugas terbuka yang banyak langkah—riset, analisis keamanan, reproduksi paper ilmiah—di mana sistemnya perlu eksplorasi ide, jalanin eksperimen, interpretasi kegagalan, revisi pendekatan, dan terus maju.

Ketahanan dari ketergantungan satu vendor. Kalau satu provider dibatasi atau bermasalah, Fugu otomatis nge-rute ke yang lain. Di era di mana akses model bisa tiba-tiba diputus, ini bukan fitur sepele—ini soal keberlangsungan.

Satu Catatan Jujur (Penting!)

Gw nggak mau kalian ketipu hype mentah-mentah—termasuk dari artikel ini. Ada dua hal yang perlu kalian tau:

Pertama, Sakana sendiri mengakui bahwa angka benchmark untuk model non-Fugu (Opus, Gemini, GPT) diambil dari data yang dilaporkan masing-masing pembuatnya, bukan divalidasi oleh pihak ketiga yang netral. Jadi perbandingannya nggak sepenuhnya "apple-to-apple" yang diuji satu lembaga independen.

Kedua, beberapa reviewer independen mengingatkan: jangan cuma mengandalkan benchmark yang dilaporkan vendor—jalankan evaluasi sendiri sesuai kebutuhan kalian. Gw setuju 100%. Benchmark itu titik awal yang berguna, tapi bukan kata akhir. Satu-satunya tes yang beneran penting adalah: "apakah model ini ngebantu MASALAH spesifik gw?"

Berapa Biayanya?

Buat Fugu Ultra, harganya:

• $5 per juta token input
• $30 per juta token output
• Tarif dobel kalau konteks di atas 272.000 token

Ada juga paket langganan mulai $20 sampai $200 per bulan, dan kalau kalian subscribe sebelum akhir Juli 2026, dapet bulan kedua gratis.

Satu catatan: API-nya belum tersedia di EU/EEA sementara mereka mengurus compliance GDPR. Buat kita di Indonesia ini nggak masalah.

Jujur aja: Fugu Ultra bukan pilihan murah buat kerjaan volume tinggi—karena dia mengoordinasi banyak model di belakang, biayanya lebih mahal dari sekadar manggil satu model. Jadi strateginya: pakai dia buat masalah yang beneran susah dan butuh akurasi tinggi, bukan buat tugas remeh sehari-hari. </content>