Sakana AI యొక్క Fugu Ultra v1.1 తాజా అప్‌డేట్‌లో Fable 5 కంటే మెరుగైన పనితీరును కనబరిచింది

Sakana AI తన ఇంటెలిజెంట్ మోడల్ రూటర్, Fugu Ultra v1.1కి ఒక ముఖ్యమైన అప్‌డేట్‌ను విడుదల చేసింది. ఇది కీలకమైన సాంకేతిక బెంచ్‌మార్క్‌లలో భారీ పనితీరు పెరుగుదలను సాధించినట్లు పేర్కొంది. మెరుగైన రీజనింగ్ (reasoning) మరియు కోడింగ్ సామర్థ్యాలను సాధించడానికి, క్వెరీలను (queries) టాప్-టైర్ మోడల్‌లకు ఎలా పంపిణీ చేయాలనే దానిని మెరుగుపరచడానికి ఈ అప్‌డేట్ ఒక వ్యూహాత్మక ప్రయత్నం.

బెంచ్‌మార్క్‌లను అధిగమించడం: Fugu Ultra v1.1 యొక్క ప్రయోజనం

Fugu Ultra v1.1 యొక్క ప్రధాన ఆవిష్కరణ దాని రూటింగ్ ఇంటెలిజెన్స్‌లో ఉంది, ఇది ఏదైనా ప్రాంప్ట్ కోసం అందుబాటులో ఉన్న LLMల నుండి అత్యంత అనువైన మోడల్‌ను ఎంపిక చేస్తుంది. ప్రారంభ v1.0 విడుదల కంటే ఈ వెర్షన్ 7.9 పాయింట్ల వరకు పనితీరు మెరుగుదలని అందిస్తుందని Sakana AI నివేదించింది.

ముఖ్యంగా, ఈ రూటర్ ప్రత్యేక సాంకేతిక అంచనాలలో, ముఖ్యంగా ProgramBench మరియు TerminalBench 2.1 బెంచ్‌మార్క్‌లలో గణనీయమైన వృద్ధిని కనబరిచింది. ఒక ఆసక్తికరమైన అంశంగా, Fable 5 రూటర్ యొక్క ఎంపిక జాబితాలో లేనప్పటికీ, Fugu Ultra v1.1 ఇప్పుడు చాలా బెంచ్‌మార్క్‌లలో Anthropic యొక్క Fable 5 కంటే మెరుగైన పనితీరును కనబరుస్తోందని Sakana పేర్కొంది. ఈ ఫలితాలకు ప్రస్తుతం స్వతంత్ర థర్డ్-పార్టీ ధృవీకరణ లేనప్పటికీ, ఉన్న మోడల్ ఆర్కిటెక్చర్‌ల నుండి గరిష్ట పనితీరును పొందడంలో రూటింగ్ లాజిక్ అత్యంత సమర్థవంతంగా మారుతోందని ఇవి సూచిస్తున్నాయి.

సాంకేతిక ఆర్కిటెక్చర్ మరియు డెవలపర్ ఇంటిగ్రేషన్

అత్యాధునిక మోడల్స్‌ను నిర్వహించడంలో Sakana విధానం చాలా కఠినంగా ఉంటుంది; ఏదైనా కొత్త టాప్-టైర్ మోడల్‌ను Fugu ఎకోసిస్టమ్‌లోకి అధికారికంగా చేర్చడానికి ముందు, సుమారు రెండు వారాల ప్రత్యేక శిక్షణ మరియు మూల్యాంకనం అవసరమని కంపెనీ పేర్కొంది. దీనివల్ల మార్కెట్‌లోని తాజా వెయిట్స్ (weights) మరియు సామర్థ్యాలకు అనుగుణంగా రూటర్ యొక్క నిర్ణయాధికార ప్రక్రియ ఆప్టిమైజ్ చేయబడి ఉంటుందని ఇది నిర్ధారిస్తుంది.

డెవలపర్ల కోసం, ఈ అప్‌డేట్ కొత్త Claude Code-compatible endpointను పరిచయం చేసింది, ఇది వినియోగదారులు తమ టెర్మినల్ నుండి నేరుగా Fuguని ఉపయోగించుకోవడానికి అనుమతిస్తుంది. ఈ ఇంటిగ్రేషన్ హై-లెవల్ రీజనింగ్ మరియు టెర్మినల్ ఆధారిత ఆటోమేషన్ అవసరమయ్యే ఇంజనీర్ల వర్క్‌ఫ్లోలను సులభతరం చేస్తుంది. ఈ సాంకేతిక పురోగతి ఉన్నప్పటికీ, ధర మునుపటి వెర్షన్‌తో సమానంగా ఉంది: మిలియన్ ఇన్‌పుట్ టోకెన్లకు $5 మరియు మిలియన్ అవుట్‌పుట్ టోకెన్లకు $30. Fugu ప్రస్తుతం OpenRouter మరియు Vercel వంటి ప్రధాన ప్లాట్‌ఫారమ్‌ల ద్వారా అందుబాటులో ఉంది.

మార్కెట్ సవాళ్లు మరియు నిబంధనలను పరిష్కరించడం

ప్రారంభ Fugu లాంచ్ తర్వాత వచ్చిన విమర్శల నేపథ్యంలో ఈ విడుదల జరిగింది. అధిక టోకెన్ వినియోగం, లేటెన్సీ (latency) మరియు అసమాన ఫలితాల వంటి సమస్యలను ప్రారంభ విమర్శకులు ఎత్తిచూపారు. v1.1తో, డెవలపర్ల నమ్మకాన్ని తిరిగి పొందడానికి Sakana సామర్థ్యం మరియు ప్రత్యేక టాస్క్ పనితీరుపై మరింత బలంగా దృష్టి సారించినట్లు కనిపిస్తోంది.

అయితే, ప్రపంచవ్యాప్త వినియోగం కోసం భౌగోళిక పరిమితులు ఒక అడ్డంకిగా ఉన్నాయి. GDPR మరియు ఇతర EU-నిర్దిష్ట నియంత్రణ ఫ్రేమ్‌వర్క్‌ల సంక్లిష్టతలను పేర్కొంటూ, Sakana AI ప్రస్తుతం యూరోపియన్ యూనియన్ (EU) లేదా యూరోపియన్ ఎకనామిక్ ఏరియా (EEA) లోని వినియోగదారులకు సేవలను అందించడం లేదు. "మోడల్ రూటర్" విభాగం పెరుగుతున్న కొద్దీ, పారదర్శకమైన, ధృవీకరించదగిన డేటా ద్వారా ఈ పనితీరు క్లెయిమ్‌లను నిరూపించగల Sakana సామర్థ్యమే పోటీతత్వం ఉన్న AI రంగంలో దాని మనుగడకు అంతిమ పరీక్షగా నిలుస్తుంది.

ముఖ్య అంశాలు

• మెరుగైన బెంచ్‌మార్కింగ్: Fugu Ultra v1.1, v1.0 కంటే 7.9 పాయింట్ల మెరుగుదలను చూపుతుంది; Fable 5 రూటర్ యొక్క పూల్‌లో లేనప్పటికీ, అనేక అంశాలలో Anthropic యొక్క Fable 5 కంటే మెరుగైన పనితీరును కనబరిచింది.
• డెవలపర్-కేంద్రీకృత అప్‌డేట్‌లు: కొత్త వెర్షన్ Claude Code-compatible టెర్మినల్ ఎండ్‌పాయింట్‌ను జోడించింది, ఇది కోడింగ్ వర్క్‌ఫ్లోల కోసం సులభమైన ఇంటిగ్రేషన్‌ను సులభతరం చేస్తుంది.
• కఠినమైన క్యూరేషన్: అధిక ఖచ్చితత్వం మరియు పనితీరును నిర్వహించడానికి, రూటర్‌కు జోడించబడే ప్రతి కొత్త మోడల్‌కు Sakana రెండు వారాల మూల్యాంకన చక్రం (evaluation cycle)ని ఉపయోగిస్తుంది.