Sakana Fugu no és un model fundacional clàssic, sinó un sistema d’orquestració multiagent que coordina diversos models des d’una única API; promet rendiment de frontera i menys vulnerabilitat geopolítica, però la seva sobirania real dependrà de fins a quin punt pugui funcionar sense els proveïdors dels quals encara depèn.
La indústria de la intel·ligència artificial ha estat obsessionada durant els últims anys amb una pregunta aparentment senzilla: qui construirà el model més potent del món? La cursa ha estat dominada per gegants com OpenAI, Anthropic, Google DeepMind, Meta o xAI, que han competit amb models cada vegada més grans, més cars i entrenats amb quantitats immenses de dades i capacitat de càlcul. Sakana AI proposa ara una idea diferent: potser el futur de la IA no consistirà només a construir un únic model gegantí, sinó a coordinar-ne molts de manera intel·ligent.
Aquesta és la filosofia que hi ha darrere de Sakana Fugu, un sistema presentat per la companyia japonesa com una orquestració multiagent completa accessible mitjançant una única API compatible amb OpenAI. La seva versió més avançada, Fugu Ultra, promet resultats comparables als models de frontera més potents en proves d’enginyeria, programació, ciència i raonament.
El punt més important és entendre què és exactament Fugu. No és un GPT japonès, ni un Claude alternatiu, ni un Gemini entrenat des de zero. És sobretot un orquestrador. La seva funció consisteix a decidir quin model o agent ha d’intervenir en cada moment, quina informació ha de rebre, quines verificacions cal fer i com s’ha de sintetitzar la resposta final. Per això el seu interès no rau només en el rendiment, sinó en l’arquitectura: Fugu planteja que la pròxima frontera de la IA pot ser la coordinació entre models, no simplement la grandària d’un únic model.
La proposta de Sakana és especialment rellevant perquè arriba en un moment en què la dependència de pocs laboratoris privats s’ha convertit en un problema geopolític. Els controls d’exportació imposats pels Estats Units sobre determinats models avançats han demostrat que l’accés a la IA de frontera pot quedar restringit d’un dia per l’altre. Per a una empresa, un govern o una infraestructura crítica, dependre d’un únic proveïdor pot ser una vulnerabilitat material. Sakana presenta Fugu com una resposta a aquest risc: si un model deixa d’estar disponible, el sistema podria redirigir les tasques cap a altres agents del conjunt.
Ara bé, aquí cal introduir un matís essencial. Diversificar dependències no és el mateix que assolir sobirania tecnològica plena. Carlos Santana ho ha explicat amb encert: Fugu no és un model independent que rivalitzi directament amb Fable o Mythos, sinó una arquitectura capaç d’orquestrar diferents models, com GPT, Claude, Opus o altres sistemes privats. Si els seus bons resultats depenen d’aquest conjunt de models externs, Fugu redueix el risc de quedar atrapat per un sol proveïdor, però no elimina completament la dependència dels proveïdors.
Aquesta distinció és clau. La diversificació permet repartir el risc, augmentar la flexibilitat i evitar que una sola decisió empresarial o política paralitzi un sistema. La sobirania, en canvi, implica control directe sobre els models, la infraestructura, les dades i les condicions d’ús. Fugu sembla situar-se avui més a prop de la primera idea que de la segona. Pot ser una eina molt útil per guanyar resiliència, però no converteix automàticament una organització en independent si continua necessitant models comercials de tercers per assolir el rendiment de frontera que promet.
Tot i aquesta limitació, l’enfocament és poderós perquè canvia la pregunta central del mercat. Durant la primera fase de la IA generativa, gairebé tot girava al voltant de quin model responia millor. Ara comença a emergir una altra qüestió: quin sistema sap utilitzar millor tots els models disponibles? Aquesta pregunta és especialment important en tasques complexes, on un únic model pot generar una resposta convincent però errònia. Un sistema multiagent pot dividir el problema, demanar una solució a un agent, encarregar-ne la crítica a un altre, fer verificacions addicionals i sintetitzar una resposta final més robusta.
La lògica s’assembla més al funcionament d’un equip humà que al d’un cervell únic. Un hospital no depèn d’un metge que ho sàpiga tot, sinó d’especialistes que cooperen. Una redacció no funciona amb un sol periodista universal, sinó amb reporters, editors, documentalistes i correctors. Una empresa no delega totes les decisions en una sola persona, sinó que coordina àrees diferents. Fugu trasllada aquesta idea al terreny de la IA: no un model omniscient, sinó una xarxa de models capaç de col·laborar sota una capa d’orquestració.
Aquest enfocament pot tenir molt valor en programació, ciència, ciberseguretat, anàlisi documental, matemàtiques o investigació tècnica. En aquests àmbits, la qualitat no depèn només de donar una resposta ràpida, sinó de revisar hipòtesis, comprovar errors, comparar alternatives i explicar el procés. Un sistema multiagent pot aportar més control que un model monolític, sempre que l’orquestració estigui ben dissenyada. La promesa de Fugu és precisament aquesta: convertir la col·laboració entre models en una capacitat empaquetada i accessible des d’una sola API.
Però l’orquestració també té costos. Cada resposta pot requerir diverses consultes, diverses rondes de verificació i una síntesi final. Això pot augmentar la latència i el consum computacional. Per a preguntes senzilles, pot resultar excessiu. Per a problemes difícils, pot estar justificat. Aquesta serà una de les claus de l’adopció empresarial: no n’hi haurà prou amb demostrar bons resultats en benchmarks, caldrà demostrar que el cost, la velocitat, la privacitat i la traçabilitat són acceptables en entorns reals.
També hi ha un repte de governança. Si una resposta és generada per diversos models, qui és responsable del resultat? Quin model ha vist les dades? On s’ha processat la informació? Quines polítiques de privacitat s’han aplicat? Com es pot auditar el procés? Aquestes preguntes són especialment importants en sectors regulats com la banca, la sanitat, l’administració pública, la defensa o la recerca científica. L’orquestració pot augmentar la potència, però també incrementa la complexitat jurídica i operativa.
Per a Europa, l’enfocament de Sakana és especialment interessant. El debat europeu sobre sobirania en IA sovint oscil·la entre dos extrems: construir models propis comparables als nord-americans o dependre dels models estrangers. L’orquestració ofereix una tercera via: combinar models oberts, europeus, comercials i especialitzats sota una capa de control pròpia. No és sobirania absoluta, però tampoc és dependència total. Pot ser una arquitectura intermèdia útil per a governs, empreses i institucions que vulguin reduir riscos sense quedar fora de la frontera tecnològica.
La clau serà no confondre el relat comercial amb la independència real. Un orquestrador pot ser molt valuós, però si tota la seva potència depèn de models privats de tercers, la sobirania continuarà sent parcial. Perquè aquesta arquitectura sigui veritablement sobirana, hauria de poder incorporar models locals, models oberts, models auditables i models desplegats en infraestructures controlades per l’organització o el país. En cas contrari, Fugu serà una capa brillant de coordinació sobre una base que altres continuen controlant.
Això no en redueix l’interès. Al contrari, el fa més concret. Fugu no és necessàriament la fi de la dependència dels grans laboratoris, però sí una demostració que el valor de la IA pot desplaçar-se cap a noves capes. Els models continuaran sent essencials, però també ho seran els orquestradors, els avaluadors, els sistemes de memòria, els connectors, les eines de verificació i les plataformes de governança. La indústria ja no serà només una competició entre models, sinó una arquitectura de capes.
Sakana AI intenta capturar precisament aquesta capa de coordinació. I ho fa amb una narrativa atractiva: rendiment de frontera, API simple, resiliència davant restriccions i una visió d’intel·ligència col·lectiva artificial. És una proposta intel·ligent, però també necessita transparència. Els usuaris hauran de saber quins models intervenen, quines dades processen, què passa si un proveïdor desapareix, quin rendiment es manté sense determinats agents i fins a quin punt el sistema és auditable.
El gran mèrit de Fugu potser no és haver creat un substitut sobirà dels models de frontera, sinó haver formulat una idea que pot orientar els pròxims anys: la IA no serà necessàriament monolítica. Podria ser orquestrada. En comptes d’un únic cervell gegant, podríem veure ecosistemes de models especialitzats, coordinats per sistemes capaços de triar, revisar, combinar i sintetitzar. Aquesta visió és menys espectacular que la fantasia d’un model universal, però pot ser més realista i més robusta.
La pròxima gran batalla de la intel·ligència artificial no serà només entre OpenAI, Anthropic, Google o Meta per veure qui entrena el model més potent. També serà entre arquitectures. Qui coordina millor? Qui redueix millor la dependència? Qui garanteix millor la privacitat? Qui ofereix millor traçabilitat? Qui sap combinar rendiment, cost i sobirania? Sakana Fugu arriba just en aquest punt de transició i per això mereix atenció.
La seva promesa és gran, però no exempta d’ambigüitats. Si Fugu aconsegueix demostrar en producció que pot oferir rendiment alt, cost raonable, control empresarial i continuïtat quan canvien les condicions d’accés als models, pot convertir-se en una peça important del nou ecosistema d’IA. Si, en canvi, depèn massa de models externs que poden ser restringits, encarits o retirats, la seva narrativa sobirana quedarà limitada.
En qualsevol cas, el llançament de Sakana Fugu és una senyal clara de maduració del sector. Després de la febre pels grans models, arriba la fase de la coordinació. I en aquesta nova etapa, la pregunta decisiva potser ja no serà quin model és més intel·ligent, sinó quin sistema sap fer treballar millor totes les intel·ligències disponibles.
