공개 노트

Fugu Max와 Fugu Ultra v2, 모델보다 '배분 능력'이 중요해진다

2026-09-12Views 4약 3분생성형 AI 활용

Summary

Fugu Max와 Fugu Ultra v2: 비용과 성능을 조율하는 모델 오케스트레이션

AI 서비스에서 항상 가장 강력한 모델을 호출하면 품질은 높아질 수 있지만, 단순한 작업에도 비싼 모델을 사용해 비용이 빠르게 늘어난다. Sakana AI가 공개한 Fugu Max와 Fugu Ultra v2는 단일 모델의 성능 경쟁 대신, 작업에 맞는 모델을 동적으로 선택하는 학습형 오케스트레이션으로 이 문제를 풀려는 시스템이다.

핵심은 모델이 아니라 학습형 오케스트레이션이다

두 제품은 동일한 학습형 멀티에이전트 오케스트레이션 아키텍처를 기반으로 한다. 고정된 규칙에 따라 하나의 모델만 호출하는 대신, 요청과 작업 난도에 맞춰 여러 오픈·특화 모델을 활용한다.¹

차이는 최적화 목표에 있다.

Fugu Max는 해결 가능한 가장 가벼운 모델로 작업을 라우팅해 비용 대비 출력 품질을 높인다.
Fugu Ultra v2는 복잡한 다단계 작업에서 비용보다 최대 성능을 우선한다.²

따라서 두 제품의 선택 기준은 단순히 “어느 쪽이 더 강한가”가 아니다. 처리량과 비용 효율이 중요한지, 아니면 어려운 작업의 성공 가능성을 최대한 높여야 하는지를 먼저 판단해야 한다.

Fugu Max가 제시하는 비용·성능 균형

Fugu Max의 가격은 100만 토큰당 입력 2달러, 출력 6달러다. Sakana AI에 따르면 출력 토큰 가격은 Sonnet 5·GPT 5.6 Terra·Kimi K3보다 40~60% 낮다.²

이러한 가격 경쟁력은 단순히 저렴한 모델만 사용하는 데서 나오지 않는다. Fugu Max는 NVIDIA Nemotron을 포함한 오픈·특화 모델 가운데 작업을 해결할 수 있는 가장 가벼운 선택지로 동적으로 라우팅한다. 평가 벤치마크 10개 중 7개에서는 비용·성능 파레토 프런티어를 확장했다.²

파레토 프런티어는 비용을 늘리지 않고는 성능을 높이기 어렵고, 성능을 낮추지 않고는 비용을 줄이기 어려운 최적 경계를 뜻한다. 즉, Fugu Max의 가치는 최고 점수 하나보다 주어진 예산에서 어느 정도의 품질을 안정적으로 얻을 수 있는지에 있다.

성능 측면에서도 Terminal Bench 2.1·GPQAD·AA-LCR·GDP.pdf·AutomationBench·SWEFish 등 6개 벤치마크에서 종합 최고점을 기록했다.² 다만 SWEFish는 Sakana AI의 실제 코딩 과제와 활용 사례를 반영한 내부 벤치마크다. 도입 여부를 판단할 때는 공개 결과만 보지 말고 조직의 실제 요청 유형과 비용 구조로 다시 검증해야 한다.

Fugu Ultra v2는 어려운 작업의 최고점을 겨냥한다

Fugu Ultra v2는 비용 효율보다 복잡한 다단계 작업의 최대 성능에 초점을 맞춘다. 시각적 추론과 데이터 해석 능력을 평가하는 Chartography에서 48.3점을 기록해 Opus 5의 27.3점과 Fable 5의 29.5점을 웃돌았다. DeepSWE에서는 74.3점을 기록했다.²

이 결과는 두 제품의 역할 차이를 분명하게 보여준다. 대량 요청을 경제적으로 처리해야 한다면 Fugu Max가 우선 검토 대상이다. 반대로 복잡한 추론이나 코딩처럼 작업 실패의 비용이 크고 결과 품질이 최우선이라면 Fugu Ultra v2가 더 적합하다.

도입 전 확인할 세 가지 기준

두 제품을 비교할 때는 다음 기준이 실용적이다.

작업 난도 분포
대부분이 단순·반복 작업인지, 복잡한 다단계 작업이 많은지 확인한다.
품질보다 비용에 민감한 구간
모든 요청에 최고 성능이 필요한지, 일부 요청은 가벼운 모델로도 충분한지 구분한다.
자체 평가 결과
벤치마크 점수만으로 결정하지 말고 실제 프롬프트, 응답 품질, 실패율, 토큰 비용을 함께 측정한다.

요약: Fugu Max는 더 큰 단일 모델이 아니라 작업 난도에 따라 적절한 모델을 선택해 비용 대비 품질을 높이는 시스템이다. Fugu Ultra v2는 같은 오케스트레이션 기반에서 복잡한 작업의 최대 성능을 우선한다. 두 제품이 보여주는 핵심은 AI 시스템의 경쟁력이 개별 모델 점수뿐 아니라 품질과 비용을 어떻게 조율하느냐에 달려 있다는 점이다.

¹Sakana Fugu -- Multi-Agent System as a Model

²Introducing Fugu Max and Fugu Ultra v2: Orchestrating the Pareto Frontier