Konec éry monolitických modelů? Jak funguje orchestrace

Většina dnešních AI systémů funguje na principu „monolitu“ – máte jeden obrovský model (např. GPT-4 nebo Claude), který se snaží být expert na všechno. Sakana AI však přichází s vizí kolektivní inteligence. Fugu není jen další chatbot; je to jazykový model vyšší úrovně, který byl vytrénován k tomu, aby spravoval „tým“ dalších modelů.

Představte si to jako orchestrální vedení. Když uživatel položí složitou otázku, Fugu nezačne odpovídat okamžitě. Místo toho provede analýzu úkolu, vybere z dostupného „poolu“ agentů (jiných LLM) ty nejvhodnější pro daný segment (např. jeden pro kódování, druhý pro logické uvažování, třetí pro kontrolu faktů), deleguje na ně části práce a následně výsledky syntetizuje do jedné ucelené odpovědi. Pro koncového uživatele nebo vývojáře to vypadá, jako by komunikovali s jedním, neuvěřitelně chytrým modelem.

Systém je rozdělen na dvě verze:

• Fugu: Zaměřuje se na nízkou latenci a rychlost. Ideální pro běžné chatboty, rychlé revize kódu a každodenní asistenci.
• Fugu Ultra: Vyvinut pro maximální kvalitu při řešení komplexních, víceúrovňových problémů. Tento model je určen pro vědecký výzkum, analýzu kybernetické bezpečnosti nebo hloubkové vyhledávání v patentech.

Benchmarky: Fugu Ultra vs. světová špička

To, co dělají Sakana AI, není jen teoretický koncept. Podle technické zprávy Fugu dosahuje verze Ultra výsledků, které se vyrovnají (a v některých případech překonají) špičkové modely od Anthropic, jako jsou Fable 5 nebo Mythos Preview. Je však důležité poznamenat, že tyto modely nejsou přímo součástí Fugu poolu, protože nejsou veřejně dostupné, což znamená, že s jejich integrací by mohl výkon Fugu ještě vzrůst.

Zde je srovnání klíčových parametrů z dostupných testů:

Výsledky v oblasti programování jsou particularly působivé. Testující uvádějí, že Fugu Ultra dokáže při revizi kódu odhalit mnohem více chyb než standardní modely – zatímco GPT-5.5 může najít tři chyby, Fugu jich díky své schopnosti delegovat kontrolu na specializované agenty dokáže identifikovat i přes dvacet.

Strategická nezávislost: Proč je orchestrace klíčová pro Evropu a Česko

Jedním z nejdůležitějších aspektů Fugu není jen jeho výkon, ale také odolnost vůči geopolitickým rizikům. Sakana AI správně poukazuje na to, že spoléhat se na jediného poskytovatele (např. OpenAI nebo Anthropic) představuje pro firmy i státy značné riziko. Jak ukázaly nedávné exportní kontroly a regulatorní zásahy vůči modelům Anthropic, přístup k nejlepším AI nástrojům může být přes noc omezen rozhodnutím vlád nebo změnami v zahraniční politice.

Pro český trh a evropské firmy, které se musí řídit přísnou regulací EU AI Act, nabízí Fugu zásadní výhodu: modelovou agnosticitu. Pokud by jeden poskytatel přestal být v EU dostupný nebo by jeho modely nesplňovala nové bezpečnostní standardy, vývojáři využívající Fugu mohou jednoduše vyměnit „agenty“ v poolu za jiné, které jsou v souladu s lokální legislativou, aniž by museli přepisovat celou svou infrastrukturu. Je to pojistka proti tzv. vendor lock-inu (závislosti na jednom dodavateli).

Praktické využití a cena

Fugu je již dostupný skrze oficiální stránky Sakana AI a jejich konzoli. Pro vývojáře je velmi snadné nasadit, protože využívá standardní OpenAI-kompatibilní API. To znamená, že integrace do stávajících aplikací je otázkou minut.

Co se týče nákladů, Sakana AI nabízí dva modely fakturace:

• Předplatné: Pro pravidelné denní používání v rámci týmů.
• Pay-as-you-go (podle využití): Ideální pro větší pracovní zátěže a firmy, které chtějí platit přesně za to, co spotřebují.

Poznámka: Přesné ceny v korunách nejsou momentálně stanoveny, ale systém funguje na bázi tokenů, podobně jako u GPT či Claude.

Pro českého uživatele je důležité zmínit, že ačkoliv je Sakana AI japonský startup, jejich systémy jsou schopny pracovat s různými jazyky prostřednictvím underlying modelů. I když primární dokumentace je v angličtině, schopnost orchestrátora využít modely s dobrou češtinou (jako GPT nebo Claude) znamená, že Fugu bude fungovat i v našem jazykovém prostředí.

Je však třeba mít na paměti jednu věc: orchestrace zvyšuje počet volaných tokenů. To znamená, že při komplexních úkolech může být nákladovost vyšší než u jednoho přímého dotazu na jeden model. Výhodou je však kvalita a spolehlivost výsledku.