Sakana Fugu Ultra ist kein weiteres LLM mit Gewichten für Ollama oder MLX. Das Produkt von Sakana AI ist ein KI-Orchestrator: Hinter einer OpenAI-kompatiblen API wählt und koordiniert es mehrere spezialisierte Modelle für eine Anfrage. Fugu Ultra ist die Variante für schwierige, mehrstufige Aufgaben, bei der Antwortqualität wichtiger ist als kurze Wartezeit.
Für Mac-Nutzer hat diese Unterscheidung konkrete Folgen: Es gibt kein GGUF, keine MLX-Version und keinen lokalen Benchmark auf einem Mac. Statt ein Modell auf Apple Silicon auszuführen, sendet man eine Aufgabe an einen Cloud-Dienst, dessen interne Modellwahl Sakana nicht offenlegt.
Fugu Ultra verkauft Modell-Routing und Agentenkoordination als Produkt, nicht als neues lokales Foundation Model. Für Nutzer in Deutschland gibt es zum Start eine harte Grenze: Sakana bietet Fugu derzeit nicht in der EU bzw. im EWR an.
Was Sakana Fugu Ultra eigentlich ist
Ein einzelnes Sprachmodell muss bei jeder Aufgabe selbst entscheiden, wie es plant, rechnet, programmiert und seine Antwort prüft. Fugu Ultra verfolgt einen anderen Ansatz: Ein kleinerer Koordinator zerlegt eine Aufgabe, beauftragt passende Agenten aus einem Modellpool und kombiniert deren Arbeit zu einer Antwort.
Sakana beschreibt Fugu Ultra als die leistungsorientierte Variante neben dem schnelleren Standardmodell Fugu. Laut Anbieter soll Ultra für aufwendige Coding-, Forschungs- und Reasoning-Aufgaben einen tieferen Pool spezialisierter Agenten koordinieren. Als Beispiele nennt Sakana unter anderem Paper-Reproduktion, Kaggle-Wettbewerbe, Cybersecurity-Analysen sowie Literatur- und Patentrecherchen.
Die zentrale Idee ist nicht neu. Multi-Agent-Systeme und Model Routing gibt es seit Jahren. Sakana versucht jedoch, die Zusammenarbeit nicht für jeden Anwendungsfall von Hand zu verdrahten. Die Grundlage bilden die Forschungsarbeiten TRINITY und Conductor:
- Ein Koordinator betrachtet Anfrage und bisherigen Arbeitsverlauf.
- Er wählt einen Agenten und eine Rolle, etwa Thinker, Worker oder Verifier.
- Die Agenten arbeiten in mehreren Schritten; ein Verifier kann eine Antwort prüfen oder weitere Arbeit auslösen.
- Das System beendet den Ablauf, wenn eine Antwort ausreichend abgesichert erscheint oder das vorgegebene Budget erreicht ist.
TRINITY beschreibt dafür einen kompakten Koordinator mit einem kleinen Entscheidungs-Head. Conductor untersucht dagegen, wie ein Modell per Reinforcement Learning Kommunikationsmuster und gezielte Arbeitsaufträge für andere LLMs lernen kann. Das ist eine sinnvollere technische Einordnung als die vereinfachte Aussage, Fugu Ultra sei selbst ein neues Frontier-Modell.
Fugu Ultra ist weder Open Source noch lokal auf dem Mac nutzbar
Wer auf einem Mac lokale KI mit Ollama, LM Studio oder MLX betreibt, sollte die Produktkategorie sauber trennen:
| Frage | Antwort |
|---|---|
| Lässt sich Fugu Ultra als GGUF herunterladen? | Nein. Sakana stellt keine lokalen Modellgewichte für Fugu Ultra bereit. |
| Läuft es über MLX auf Apple Silicon? | Nein. Es ist ein gehosteter API-Dienst, nicht ein MLX-Modell. |
| Kann ein Mac trotzdem genutzt werden? | Ja, als Entwicklungsrechner bzw. API-Client. Die eigentliche Inferenz und Orchestrierung laufen nicht lokal. |
| Sind die eingesetzten Basismodelle pro Anfrage sichtbar? | Nein. Sakana legt Routing und konkrete Modellauswahl nicht offen. |
| Ist Fugu Ultra Open Source? | Nein. Die zugrunde liegenden Forschungsarbeiten und ein technischer Bericht sind öffentlich, das kommerzielle Produkt ist es nicht. |
Die Tatsache, dass Sakana Papers veröffentlicht, macht den Dienst nicht zu einem offenen Modell. Für Datenschutz- oder Compliance-Prüfungen reicht eine OpenAI-kompatible API allein ebenfalls nicht aus: Bei Fugu Ultra ist der gesamte Agentenpool laut Sakana fest vorgegeben.
Benchmarks: starke Werte, aber nicht als unabhängigen Vergleich lesen
Sakana veröffentlichte zum Start Werte für Coding-, Reasoning- und Long-Context-Benchmarks. Die Tabelle unten zeigt einen aussagekräftigen Ausschnitt. Höhere Werte sind besser.
| Benchmark | Fugu Ultra | Opus 4.8 | Gemini 3.1 Pro | GPT-5.5 | Einordnung |
|---|---|---|---|---|---|
| SWE-bench Pro | 73,7 | 69,2 | 54,2 | 58,6 | Software-Engineering-Aufgaben mit mini-swe-agent |
| Terminal-Bench 2.1 | 82,1 | 74,6 | 70,3 | 78,2 | Arbeit im Terminal bzw. mit Tools |
| LiveCodeBench Pro | 90,8 | 84,8 | 82,9 | 88,4 | aktuelle Programmieraufgaben |
| Humanity’s Last Exam | 50,0 | 49,8 | 44,4 | 41,4 | sehr schwierige Wissens- und Reasoning-Fragen |
| CharXiv Reasoning | 86,6 | 84,2 | 83,3 | 84,1 | wissenschaftliches Reasoning mit Diagrammen |
| GPQA-Diamond | 95,5 | 92,0 | 94,3 | 93,6 | anspruchsvolle Fachfragen |
| SciCode | 58,7 | 53,5 | 58,9 | 56,1 | wissenschaftliches Programmieren |
| Long Context Reasoning | 73,3 | 67,7 | 72,7 | 74,3 | Schlussfolgern in langen Kontexten |
| MRCRv2 | 93,6 | 87,9 | 84,9 | 94,8 | Retrieval in langen Kontexten |
Die Zahlen stammen vom Anbieter. Daraus folgt nicht, dass Fugu Ultra in jeder Aufgabe das beste Modell ist.
Erstens stammen die Fugu-Ergebnisse von Sakana selbst. Zweitens übernimmt Sakana für die Baselines zum Teil von deren Anbietern gemeldete Werte. Drittens sind Agentensysteme stark von Tool-Scaffold, Turn-Budget, Prompting und Kostenbudget abhängig. Bei SWE-bench Pro verwendet Sakana beispielsweise mini-swe-agent als Scaffold. Ein fairer Kaufvergleich braucht daher reproduzierbare Einstellungen und reale Aufgaben aus dem eigenen Workflow.
Die Tabelle zeigt außerdem: Fugu Ultra liegt bei SciCode, Long Context Reasoning und MRCRv2 nicht vorne. Orchestrierung kann bei komplexer Arbeit helfen, ist aber keine magische Garantie für jeden Benchmark oder jede Produktionsaufgabe.
Preis und Verfügbarkeit: für Deutschland derzeit der entscheidende Punkt
Sakana führt Fugu Ultra auf der aktuellen Preisseite als fugu-ultra-v1.1 und fugu-ultra-v1.0; die ältere Kennung fugu-ultra-20260615 erscheint noch im FAQ-Text. Über die OpenAI-kompatible API nennt der Anbieter für Kontexte bis einschließlich 272.000 Token folgende Listenpreise (Stand August 2026):
| Tokenart | Preis pro 1 Mio. Token |
|---|---|
| Input | 5 US-Dollar |
| Cached Input | 0,50 US-Dollar |
| Output | 30 US-Dollar |
Über 272.000 Kontext-Token steigen die genannten Preise auf 10 US-Dollar Input, 1 US-Dollar Cached Input und 45 US-Dollar Output pro Million Token. Ein kleiner Rechenpunkt zur Orientierung: 100.000 Input-Token plus 10.000 Output-Token kosten bei der unteren Stufe rechnerisch etwa 0,80 US-Dollar, sofern kein Cache-Effekt greift. Bei agentischen Langläufen kann die Zahl der Aufrufe und der Output-Anteil jedoch schnell relevanter werden als der Preis einer einzelnen Chat-Anfrage.
Sakana verspricht, bei mehreren aktiven Agenten keine Gebühren pro Modell zu stapeln. Das ist gut für die Abrechnung, ersetzt aber kein Kostenmonitoring. Die konkrete Auswahl der darunterliegenden Modelle und die Koordination bleiben proprietär; pro Anfrage wird nicht offengelegt, welche Anbieter oder Modelle beteiligt waren.
Ergänzend zum Pay-as-you-go-Modell bietet Sakana Abos an: Standard (20 US-Dollar/Monat), Pro (100 US-Dollar/Monat) und Max (200 US-Dollar/Monat), jeweils mit Zugriff auf Fugu und Fugu Ultra.
Für Leser in Deutschland ist die aktuelle Verfügbarkeit noch wichtiger als die Tokenpreise: Auf der Produktseite schreibt Sakana, dass Fugu noch nicht in der EU bzw. im EWR angeboten wird, während das Unternehmen an GDPR- und regionsspezifischer Compliance arbeitet. Deshalb ist das hier keine Anleitung zum Umgehen einer Regionssperre. Bei der letzten Prüfung am 24. August 2026 war Fugu Ultra für deutsche Nutzer weiterhin kein normal buchbarer API-Dienst.
Fugu Ultra wird zusätzlich über Drittanbieter-Gateways wie OpenRouter und Vercel AI Gateway angeboten; diese können Regionen abdecken, die Sakana direkt nicht bedient. Ein Zugriff über Dritte ändert nichts an Sakanas direkter EU-/EWR-Sperre und ersetzt keine Compliance-Prüfung.
Was bedeutet das für Mac-Nutzer?
Fugu Ultra passt thematisch zu einem Mac-KI-Setup, aber anders als lokale Modelle:
- Als API-Werkzeug: Ein Mac kann Editor, Terminal, Agenten-Client und Datenvorbereitung übernehmen. Fugu Ultra wäre der entfernte Reasoning- und Orchestrierungsdienst.
- Nicht als private lokale KI: Prompts und Arbeitskontext verlassen den Rechner. Wer vertrauliche Dokumente bewusst lokal in Ollama oder MLX verarbeitet, bekommt mit Fugu Ultra keinen Ersatz.
- Nicht als Hardware-Test: RAM-Größe, Unified Memory und Metal-Performance eines M1 bis M4 sagen hier nichts über die Modellleistung aus. Relevant sind Netzverbindung, API-Kosten, Datenfluss, Latenz und die Qualität des Agenten-Workflows.
- Als Produktidee bemerkenswert: Fugu zeigt eine mögliche Zukunft, in der Nutzer nicht mehr zwischen einzelnen Frontier-Modellen wählen, sondern einen Dienst für die Auswahl und Zusammenarbeit bezahlen.
Für lokale Workflows bleiben Ollama, MLX, LM Studio und Modelle mit offenen Gewichten die passendere Kategorie. Fugu Ultra konkurriert eher mit komplexen Cloud-Agenten und Premium-APIs als mit einem Qwen- oder Llama-Download.
Für wen Fugu Ultra sinnvoll sein könnte - und für wen nicht
Potenziell passend: Teams außerhalb der EU/EWR, die lange, mehrstufige Aufgaben automatisieren und die Ergebnisse ohnehin fachlich prüfen. Dazu zählen etwa reproduzierbare Forschungsexperimente, Code-Analyse mit klarer Testabdeckung oder strukturierte Literaturauswertung.
Derzeit nicht passend: Nutzer in Deutschland und anderen EU-/EWR-Staaten, lokale-First-Workflows, Organisationen mit zwingender Transparenz über jeden beteiligten Modellanbieter sowie Aufgaben, bei denen ein plausibel formulierter Fehler nicht akzeptabel ist.
Auch bei Security-Arbeit gilt: Ein Modell darf nur in einem klar abgegrenzten, autorisierten Rahmen eingesetzt werden. Ein Anbieterbeispiel ist keine Sicherheitsfreigabe und keine Alternative zu menschlicher Verantwortung, Tests und Freigabeprozessen.
Fazit: Orchestrator statt Modellwahl durch den Nutzer
Sakana Fugu Ultra adressiert eine konkrete Produktfrage: Warum soll ein Nutzer für jede Aufgabe selbst raten, welches Modell und welcher Agentenablauf gerade der beste ist? Sakana verlagert diese Entscheidung in einen proprietären Orchestrator und meldet dafür starke, aber noch nicht unabhängig validierte Benchmark-Ergebnisse.
Für einen lokalen Mac-KI-Stack ist Fugu Ultra kein neues Modell zum Ausprobieren. Es ist ein Cloud-Dienst mit intransparenter Modellkette, erheblichem Prüfbedarf bei Kosten und Datenschutz und aktuell ohne regulären Zugang aus der EU/EWR. Das Produktkonzept besteht in Modell-Routing und Agentenkoordination, nicht in lokaler Inferenz.
Häufig gestellte Fragen
Kann ich Sakana Fugu Ultra auf einem Mac lokal installieren?
Nein. Es gibt keine lokalen Gewichte, kein GGUF und keine MLX-Ausgabe von Fugu Ultra. Ein Mac kann nur als Client für die gehostete API dienen.
Welches Modell nutzt Fugu Ultra?
Sakana nennt einen Pool spezialisierter Modelle, legt aber nicht offen, welches konkrete Modell bei einer einzelnen Anfrage eingesetzt wurde. Bei Fugu Ultra ist der Pool nach Anbieterangabe fest.
Ist Fugu Ultra besser als GPT-5.5, Gemini oder Opus?
Auf mehreren von Sakana veröffentlichten Benchmarks liegt Fugu Ultra vorne, auf anderen nicht. Die Ergebnisse stammen aus dem Anbieter-Reporting und verwenden nicht durchgehend eine einheitliche, unabhängige Testumgebung. Für eine konkrete Aufgabe bleibt ein eigener Test mit festen Kosten- und Qualitätskriterien notwendig.
Ist Sakana Fugu Ultra in Deutschland verfügbar?
Nach aktuellem Stand nein: Sakana nennt die EU und den EWR als noch nicht unterstützte Regionen. Diese Verfügbarkeit kann sich ändern; vor einem Einsatz sollten Produktseite, Bedingungen und Datenschutzunterlagen erneut geprüft werden.
Transparenz
Quellen und Prüfgrundlage
Diese Primär- und Referenzquellen bilden die Grundlage der technischen Einordnung. Herstellerangaben und externe Benchmarks werden im Artikel als solche gekennzeichnet.