Sakana AI, 다중 에이전트 모델 ‘Fugu’ 정식 공개…단일 API로 모델 조율

Sakana AI 공식 발표에 따르면 회사는 여러 AI 모델을 내부에서 조율해 하나의 모델처럼 제공하는 다중 에이전트 오케스트레이션 제품 ‘Sakana Fugu’를 정식 공개했다. Fugu는 사용자가 하나의 API 엔드포인트에 요청을 보내면 내부에서 모델 선택, 작업 위임, 검증, 결과 통합을 수행하는 방식으로 설계됐다.

이번 발표의 핵심은 모델 자체를 단일 거대 모델로만 키우는 대신, 여러 전문 모델을 동적으로 조합하는 접근이다. Sakana AI는 Fugu가 그 자체로 언어 모델이며, 에이전트 풀 안의 여러 LLM과 경우에 따라 자기 자신의 인스턴스까지 호출하도록 학습됐다고 설명했다. 외부 개발자 입장에서는 하나의 모델을 호출하지만, 내부에서는 복수 모델이 역할을 나눠 작업하는 구조다.

Sakana AI는 출시 모델을 Fugu와 Fugu Ultra 두 가지로 나눴다. Fugu는 성능과 지연 시간의 균형을 맞춘 기본 모델로, 코딩 도구와 코드 리뷰, 챗봇 같은 상호작용형 서비스에 맞춰 소개됐다. 회사는 데이터, 개인정보, 컴플라이언스 요구가 있는 팀이 Fugu의 모델 풀에서 특정 에이전트를 제외할 수 있다고 밝혔다.

Fugu Ultra는 더 어려운 다단계 문제에서 답변 품질을 높이는 데 초점을 둔 모델이다. Sakana AI는 초기 사용자가 AI 연구, 논문 재현, 사이버보안 분석, 문헌·특허 조사 같은 고난도 업무에 Fugu Ultra를 사용했다고 설명했다. 다만 이러한 활용 사례와 사용자 평가는 회사가 공개한 베타 프로그램 자료에 근거한 것이므로 독립 검증과 구분해 볼 필요가 있다.

제품은 OpenAI 호환 API로 제공된다. 기존에 GPT, Gemini, Claude 등 모델 API를 쓰는 애플리케이션은 클라이언트 구조를 크게 바꾸지 않고 Fugu 엔드포인트를 호출할 수 있다는 것이 Sakana AI의 설명이다. 이는 모델 라우팅과 다중 에이전트 워크플로를 애플리케이션 코드 밖으로 빼내려는 시도다.

Sakana AI는 Fugu의 연구적 기반으로 ICLR 2026 논문 ‘TRINITY: An Evolved LLM Coordinator’와 ‘Learning to Orchestrate Agents in Natural Language with the Conductor’를 제시했다. 두 연구는 사람이 고정한 역할 분담이나 워크플로 대신, 시스템이 모델 조합과 에이전트 간 협력 방식을 학습하도록 하는 접근을 다룬다.

이번 발표에는 AI 주권과 단일 벤더 의존 위험이라는 메시지도 포함됐다. Sakana AI는 특정 제공자의 모델 접근이 정책이나 수출 통제로 제한될 수 있다는 점을 언급하며, 교체 가능한 에이전트 풀을 조율하는 방식이 조직과 국가의 AI 의존 리스크를 낮출 수 있다고 주장했다. 다만 실제 회복탄력성은 어떤 모델이 풀에 포함되는지, 각 모델의 라이선스와 지역별 제공 조건이 어떻게 변하는지에 따라 달라진다.

성능 주장도 신중하게 봐야 한다. Sakana AI는 Fugu Ultra가 여러 공학·과학·추론 벤치마크에서 선도 모델과 어깨를 나란히 한다고 설명했다. 그러나 발표문은 Fugu 외 기준 모델 점수가 각 모델 제공사가 공개한 값이며, 일부 비교 대상은 Fugu 에이전트 풀에 포함되지 않는다고 밝혔다. 기사에서는 이를 회사 제공 벤치마크로 한정해 해석하는 것이 타당하다.

Fugu의 등장은 AI 제품 경쟁의 초점이 단일 모델 성능에서 모델 조합과 실행 구조로 넓어지고 있음을 보여준다. 개발자와 기업은 앞으로 모델 하나를 고르는 문제뿐 아니라, 어떤 오케스트레이션 계층이 비용, 지연 시간, 데이터 통제, 장애 대응을 더 잘 다루는지까지 비교해야 한다. Fugu가 실제 업무 환경에서 어떤 비용 대비 품질을 보일지는 독립 벤치마크와 장기 운영 사례가 쌓여야 판단할 수 있다.

출처: Sakana AI 공식 발표 https://sakana.ai/fugu-release/
출처: Sakana Fugu 제품 페이지 https://sakana.ai/fugu/
출처: Sakana Fugu 베타 발표 https://sakana.ai/fugu-beta/
출처: TRINITY 논문 https://arxiv.org/abs/2512.04695
출처: Conductor 논문 https://arxiv.org/abs/2512.04388