Sakana AI wypuszcza Fugu Max: Koniec gigantycznych modeli, czas na orkiestrację tanich agentów

Powrót do inteligencji rozproszonej

Przez dekadę branża AI próbowała optymalizować wydajność w zasadzie za pomocą jednej strategii: budowania coraz większych i droższych modeli monolitycznych. Sakana AI odwraca teraz tę narrację, wypuszczając Fugu Max i Fugu Ultra v2. Zamiast wyizolowanych gigantów postawili na ekosystemy, które uczą się ze sobą współpracować.

Według założycieli ludzkość sama w sobie jest systemem rozproszonym, a przyszłe systemy AI będą czerpać korzyści z inteligencji zbiorowej. Nowy Fugu Max koordynuje dużą pulę mniejszych, często otwartych lub wyspecjalizowanych modeli, osiągając wyniki na poziomie obecnych liderów rynku, ale przy drastycznie niższych kosztach tokenów.

Tańsze wdrażanie i suwerenność infrastrukturalna

Dla zespołów programistycznych i firm zmienia to równanie zwrotu z inwestycji. Orkiestracja pokazuje, że nie trzeba wybierać między kosztem a wydajnością (Fugu Max przesuwa tzw. granicę Pareto w obu kierunkach). Radzi sobie ze złożonymi zadaniami wieloetapowymi, nie opierając się na najlepszych, ale i najdroższych modelach OpenAI czy Anthropic.

Konsekwencją jest również fundamentalne zmniejszenie ryzyka uzależnienia od dostawcy (vendor lock-in). Opieranie się na jednym zamkniętym modelu w krytycznej infrastrukturze jest niebezpieczne, zwłaszcza gdy dostęp może zostać ograniczony z dnia na dzień przez dostawcę lub wręcz przez rządowe kontrole eksportowe. Architektura oparta na orkiestrze wymiennych agentów oznacza, że jeśli jeden model wypadnie, system po prostu zastąpi go innym.

Kto dyryguje zespołem, ten zatrzymuje marżę

Obietnica taniego kolektywu brzmi kusząco, ale zarządzanie stadem małych modeli przynosi własne narzuty. Tracąc zasoby na przekazywanie kontekstu i utrzymywanie spójności, system może stracić przewagę szybkości. Ponadto, nawet jeśli sieć jest teoretycznie niezależna od jednego dużego modelu, w rzeczywistości zdecydowana większość zdolnych modeli open-source nadal pochodzi z tej samej garstki platform chmurowych lub od firmy Meta.

Jednocześnie pojawia się pytanie, czy orkiestrator potrafi skutecznie abstrahować od subtelnych różnic w sposobie rozumienia instrukcji przez poszczególne mniejsze modele, nie degradując tym samym bardziej złożonych zadań do powierzchownego dopasowywania wzorców.

Poligonem doświadczalnym będą stabilne ceny w dłuższej perspektywie

Kluczowym sygnałem sukcesu nie będzie to, czy Fugu Max pokona GPT-4 w odosobnionym benchmarku, ale czy zdoła utrzymać stabilne koszty podczas rzeczywistego wdrażania w firmie na przestrzeni miesięcy.

Jeśli orkiestracja agentów okaże się sukcesem, suwerenność AI stanie się nie tylko teoretyczną koncepcją dla rządów, ale praktycznym standardem dla codziennych aplikacji korporacyjnych, których nie stać na płacenie prowizji monopolistycznym dostawcom.

Werdykt Lilith

Prawdziwa niezależność nie wynika z budowania własnego gigantycznego mózgu. Wynika z umiejętności bezpiecznej wymiany kierowcy w momencie, gdy ten pierwszy niespodziewanie podnosi ceny lub traci prawo jazdy.