Sakana AI integriert NVIDIAs Nemotron-Modelle in seinen KI-Orchestrator Fugu

Das in Tokio ansässige Startup Sakana AI erweitert seinen KI-Orchestrator Fugu um die offenen Nemotron-Modelle von Nvidia. Diese Kooperation soll belegen, dass koordiniert eingesetzte offene Modelle mit den sogenannten "Frontier Systems" mithalten können.

Sakana AI hat Fugu erst kürzlich vorgestellt. Es handelt sich um ein Sprachmodell, das darauf trainiert ist, andere Large Language Models (LLMs) aus einem Agenten-Pool aufzurufen, der auch Instanzen von sich selbst enthält. Über eine einzige API wählt Fugu dynamisch aus, welche Modelle für eine gegebene Aufgabe kombiniert werden sollen, delegiert Unteraufgaben und synthetisiert die Ergebnisse zu einer einzigen Antwort.

Der Aufbau ist modular gestaltet. Neue Modelle können jederzeit hinzugefügt werden, wodurch das System laut Sakana AI nicht an die Stärken oder Ausfälle eines einzelnen Anbieters gebunden ist. In eigenen Benchmarks behauptete das Unternehmen, dass seine stärkere Variante, Fugu Ultra, eine vergleichbare Leistung wie Anthropic's Fable 5 und Mythos Preview erbrachte. Erste unabhängige Tests zeigten jedoch gemischte Ergebnisse, insbesondere hinsichtlich Geschwindigkeit und Kosten.

Nemotron als Spezialist im Agenten-Pool von Fugu

Die Nemotron-Familie von Nvidia umfasst Open-Weight-Modelle und Tools. Sakana AI hebt deren Stärken in den Bereichen Kodierung, Tool-Nutzung und Befolgung von Anweisungen hervor. Als spezialisierte Modelle sollen sie die Frontier-Modelle innerhalb der Orchestrierungsschicht von Fugu ergänzen und nicht ersetzen. Offene Modelle, so das Unternehmen, werden nützlicher, wenn sie in agentenbasierten Systemen orchestriert und nicht isoliert eingesetzt werden.

Nvidia hat die Nemotron-Produktlinie zügig erweitert. Mit Nemotron 3 Ultra, einem Modell mit etwa 550 Milliarden Parametern und 55 Milliarden aktiven Parametern, hat das Unternehmen laut der Benchmark-Plattform Artificial Analysis das bisher leistungsfähigste offene US-Modell veröffentlicht. Es rangiert vor Gemma 4 31B, gpt-oss-120b und Nvidias eigenem Nemotron 3 Super, liegt aber noch hinter chinesischen Modellen wie Kimi K2.6.

Nvidia hat zudem Nemotron 3 Nano Omni herausgebracht, ein multimodales Modell, das Text, Bilder, Video und Audio verarbeitet und für agentenbasierte Anwendungsfälle wie Dokumentenverarbeitung und Computer-Nutzungs-Agenten konzipiert ist. Zusammen deckt die Nemotron-Familie ein breites Spektrum an Fähigkeiten ab, aus denen Fugu bei der Auswahl von Agenten schöpfen kann.

Sakana AI hat noch kein spezifisches Datum für die Integration genannt, sondern lediglich erklärt, dass diese in einem zukünftigen Fugu-Release erfolgen wird. Danach planen die Teams von Sakana und Nemotron, die Leistung von Nemotron innerhalb von Fugu kontinuierlich zu überwachen und zu optimieren. Nvidia wird technische Unterstützung für Nemotron-Rezepte und Evaluierungen bereitstellen.

Orchestrierung als Skalierungspfad für Open AI

Sakana AI sieht die Partnerschaft als Teil eines größeren Trends. Der Fortschritt in der KI wird zunehmend davon abhängen, wie gut Modelle bewertet, kombiniert und in reale Arbeitsabläufe integriert werden können, argumentiert das Unternehmen. Kein einzelnes Modell wird in jeder Aufgabe, Sprache, Modalität und Unternehmensumgebung führend sein. Dies macht die Orchestrierungsschicht zu einem kritischen Bestandteil der nächsten Phase von Open AI.

"Die leistungsfähigste KI wird nicht von einem einzelnen Modell kommen, sondern von vielen Modellen, die zusammenarbeiten", schreibt Sakana AI in seiner Ankündigung. In ersten Evaluierungen zeigte der orchestrierungsbasierte Ansatz eine starke Leistung im Vergleich zu führenden Frontier-Systemen. Die Ankündigung enthält jedoch keine neuen Benchmark-Zahlen für die Nemotron-Kombination. In der Praxis bedeutet die Vereinbarung, dass Sakana Zugang zu einem breiteren Pool spezialisierter Modelle erhält, während Nvidia Daten darüber sammelt, wie Nemotron in Multi-Agenten-Workflows funktioniert.

Sakana AI positioniert die Partnerschaft auch in geopolitischer Hinsicht. Das Startup beschreibt seinen Beitrag als einen japanischen Ansatz der "kollektiven Intelligenz", der Entwicklern und Unternehmen weltweit Zugang zu einem wachsenden Ökosystem offener Modelle ermöglichen soll. Bei der ersten Vorstellung von Fugu hatte das Unternehmen bereits auf die Risiken der Abhängigkeit von einem einzigen KI-Anbieter hingewiesen und offene, orchestrierbare Modelle als Absicherung gegen regulatorische oder außenpolitische Zugangsbarrieren positioniert.

Das Startup wurde 2023 in Tokio von den ehemaligen Google-Forschern Llion Jones, Co-Autor des Transformer-Papiers "Attention Is All You Need", und David Ha gegründet. Von Anfang an stellten sie die kollektive Intelligenz und nicht immer größere Einzelmodelle in den Mittelpunkt ihrer Skalierungsstrategie. Vor Fugu hatte Sakana AI das RSI Lab eingerichtet, eine Forschungsgruppe, die sich auf rekursive Selbstverbesserung konzentriert und darauf abzielt, den KI-Entwicklungsprozess selbst zu automatisieren.

Bibliographie

- Sakana AI. (2026, 15. Juli). Sakana AI Teams With NVIDIA to Advance Open Model Innovation from Japan. Abgerufen von https://sakana.ai/nvidia-open-model-innovation/ - Kemper, J. (2026, 16. Juli). Sakana AI's orchestrator adds Nvidia Nemotron to prove "collective intelligence" can rival single frontier models. The Decoder. Abgerufen von https://the-decoder.com/sakana-ais-fugu-adds-nvidia-nemotron-to-prove-collective-intelligence-can-rival-single-frontier-models/ - StartupHub.ai. (2026, 15. Juli). Sakana AI Taps NVIDIA for Open Model Push. Abgerufen von https://www.startuphub.ai/ai-news/technology/2026/sakana-ai-taps-nvidia-for-open-model-push - Singularity Moments. (2026, 16. Juli). Sakana AI thinks a swarm of models beats one giant brain. Abgerufen von http://singularitymoments.com/content/sakana-ai-thinks-a-swarm-of-models-beats-one-giant-brain/ - Tang, Y., Cetin, E., Xu, J., Sun, Q., Nielsen, S., Richard, V., ... & Clanuwat, T. (2026). Sakana Fugu Technical Report. arXiv preprint arXiv:2606.21228. - Franzen, C. (2026, 22. Juni). No Claude Fable 5? No problem: Sakana achieves frontier performance with new Fugu multi-model, auto synthesis system. VentureBeat. Abgerufen von https://venturebeat.com/orchestration/no-claude-fable-5-no-problem-sakana-achieves-frontier-performance-with-new-fugu-multi-model-auto-synthesis-system - Bastian, M. (2026, 23. Juni). Sakana AI's Fugu orchestrates multiple LLMs to match Anthropic's Fable and Mythos benchmarks. The Decoder. Abgerufen von https://the-decoder.com/sakana-ais-fugu-orchestrates-multiple-llms-to-match-anthropics-fable-and-mythos-benchmarks/ - shipfeed. (2026, 16. Juli). Sakana AI adds Nvidia Nemotron to orchestrator for collective. Abgerufen von https://shipfeed.fyi/storyline/sakana-ai-adds-nvidia-nemotron-to-orchestrator-for-collective - deeplearning.ai. (2026, 3. Juli). Sakana Debuted Dedicated Orchestrator Models, Fugu and Fugu-Ultra, That Spawn Claude, Gemini, and GPT Agents. Abgerufen von https://www.deeplearning.ai/the-batch/fugu-blends-models-task-by-task - Nielsen, S., Cetin, E., Schwendeman, P., Sun, Q., Xu, J., & Tang, Y. (2025). Learning to Orchestrate Agents in Natural Language with the Conductor. arXiv preprint arXiv:2512.04388.