把便宜模型「组队」打前沿——Sakana AI Fugu 用一个 API 让模型互相 review
日本 AI 实验室 Sakana AI 于 2026-06-25 发布 Fugu：一个 API 端点，在背后把多个公开可用模型按 Thinker / Worker / Verifier 三种角色编排协作，用「组队互查」而不是单一大模型去解题。据 ThursdAI 汇总的官方数据，它在 GPQA Diamond 拿到 95.5、LiveCodeBench 93.2、SWE-Bench Pro 73.7，宣称在多个基准上追平或超过前沿系统。它改变的是：不必自己拥有最强模型，靠编排就能把现成模型的上限往前推。
推荐写作角度
- 概念解读向（写给关注 agent 的人）：讲清 Thinker / Worker / Verifier 三角色编排是什么、为什么「多模型互查」能比单模型更稳，以及它和 mixture-of-agents、self-consistency 的区别。
- 实测/性价比向（写给要落地的人）：拿 Fugu 跑一个真实编程或推理任务，和直接调用单个前沿模型对比，验证「便宜组队能不能真打平」，并算清编排带来的延迟与 token 成本。
- 趋势向（写给做内容的人）：把 Fugu 放进「2026 年 6 月编排/路由潮」里一起讲——Sakana Fugu、OpenRouter Fusion、W&B HiveMind，说明「模型不再是终点，编排才是」。
标题模板
- 「不用最强模型也能打前沿：Sakana Fugu 让 AI 自己组队互查」
- 「一个 API，三种角色：Fugu 把「模型编排」做成了开箱即用」
- 「GPQA 95.5、SWE-Bench Pro 73.7：Fugu 靠组队刷出的成绩单该怎么看」
公开核验来源
事实、判断、写作角度和标题模板全部免费公开；引用前请回到原始来源再次核对。
Sakana AI · Fugu 官方发布页ThursdAI · 2026 年 6 月发布汇总（含 Fugu 基准数字与原始链接）相关阅读
沿着这个问题继续读
Muse Spark 1.3 上线：少 20% 工具调用是厂商结果，Max 推理与开放权重仍在路上
Meta 于 2026-09-02 发布 Muse Spark 1.3，并开始向 Muse Code 与 Meta Model API 推送；截至 Asia/Katmandu 2026-09-03 06:07，Hacker News 为 340 分、237 条评论。Meta 称相较 1.2，内部工程师比较中工具调用约少 20%、token 约少 25%，并强调长任务、多工作流、澄清问题与高后果操作前确认；这些数字来自厂商自测，没有公开证明所有语言、仓库和真实创作任务都能同比节省。边界必须前置：Max reasoning 仍要等额外安全测试，官方只说开放权重未来会来，两者都不是当前已交付能力；页面中的工程、音频和演示文稿案例是原型展示，不等于可复现产品验收。独立 Artificial Analysis 的首日数据也只是特定端点与基准快照，价格、速度和排名会变，中文创作者应以自己的任务集、隐私选项和完整成本复测。
Mistral 的训练退出不是一个总开关：Vibe、API 与反馈要分开检查
Mistral 本周更新数据治理帮助页，明确普通 Vibe 用户的输入输出默认可用于训练、可自行退出，Vibe Enterprise 则默认退出；Vibe 与 Mistral Studio/API 的退出开关彼此独立，关闭一处不会自动关闭另一处，上传文档也算输入数据。截至 Asia/Katmandu 2026-09-03 06:07，相关 Hacker News 讨论为 359 分、155 条评论。边界必须前置：帮助页描述的是当前产品设置，不等于历史数据自动删除、零数据保留或所有第三方接入都遵循同一规则；反馈渠道另有处理，官方提醒不希望反馈数据被用于改进时不要提交带评论的赞/踩。产品名称、套餐默认值和控制入口可能继续变化，发布前应按当日账号与合同复核，不能把“可退出”简化成“默认不训练”。
21.5 万篇“最佳软件”页进入 AI 引用链：AEO 先要解决证据污染
Trellner Research 于 2026-09-02 公布一次 Perplexity 软件推荐审计：研究者用 380 个软件类别做单次快照，发现三个版式与基础设施高度相似的站点合计列出 215,128 个 `/best/` 购买指南；另一个软件厂商 Guideflow 的博客在 96 个类别中被引用 194 次，成为第三大引用来源。相关 Hacker News 讨论截至 Asia/Katmandu 2026-09-03 06:07 为 287 分、127 条评论。边界必须前置：研究只测 Perplexity、一个提示措辞、每类一次运行，两个模型档位的引用高度重合，不能当作两个独立实验；它没有证明这些页面一定错误、共同所有者是谁，也没有做移除来源后的因果测试，更不能外推 ChatGPT、Gemini、Copilot 或 Google AI Mode。215,128 是三站 sitemap 中对应 URL 数的合计，不是已人工逐篇判假的数量；“证据污染”应作为待复测风险，而不是给站点或运营者定罪。