Fugu Ultra, Fable 5, Mythos Karşılaştırması: Sakana Orchestrator Rakiplerine Karşı Nasıl?

Fugu Ultra, Sakana AI’ın Fugu ailesindeki en üst varyanttır. Sakana’nın konumlandırması net: Fugu Ultra, mühendislik, bilimsel ve akıl yürütme kıyaslamalarında Fable 5 ve Mythos Preview gibi lider modellerle “omuz omuza” durur. Bu, “daha iyi” değil, eşitlik iddiasıdır. Ayrıca Fugu tekil bir temel model değil; diğer modelleri çağırabilen bir orkestratördür. Bu yüzden sonuçları okurken “model vs model” değil, “orkestrasyon sistemi vs tekil model” ayrımını korumak gerekir. Ayrıntılar Sakana Fugu yayın sayfasında; daha kapsamlı arka plan için Sakana Fugu Nedir yazısına bakabilirsiniz.

Apidog'u bugün deneyin

Neyi karşılaştırıyorsunuz?

Fugu, tek bir OpenAI uyumlu API arkasında çalışan çoklu ajanlı bir orkestrasyon sistemidir. Sakana onu; delegasyon, ajan iletişimi ve iş sentezi için eğitilmiş bir dil modeli olarak tanımlar. Fugu, her istek için şu kararı verir:

1. Yanıtı doğrudan üretmek
2. Birden fazla LLM’den oluşan bir ekip kurmak
3. Gelen çıktıları doğrulamak ve sentezlemek

Bu nedenle Fugu’yu değerlendirirken onu tekil bir model gibi değil, model çağırabilen bir koordinasyon katmanı gibi test etmelisiniz.

Fable 5 ve Mythos farklı kategoridedir. Bunlar tekil Anthropic modelleridir. Fable 5, Anthropic’in genel kullanıma açık güçlü modellerinden biridir. Mythos Preview ise 7 Nisan 2026’da yayımlanan ve Anthropic’in daha riskli öncü model sınıfı içinde konumlandırdığı önizleme modelidir.

Önemli ayrım: Sakana karşılaştırmasında mevcut Mythos 5’i değil, eski Mythos Preview’u kullanmıştır. Anthropic tarafındaki ayrım için Fable 5 vs Mythos 5 ve Mythos sınıfı model açıklaması yazılarına bakabilirsiniz.

Kısa özet:

• Fugu / Fugu Ultra: Orkestrasyon sistemi
• Fable 5 / Mythos: Tekil Anthropic modelleri
• Adil okuma: “Fugu Ultra, bazı kıyaslamalarda öncü tekil modellerle sistem düzeyinde eşitlik gösteriyor.”

Fugu ve Fugu Ultra: varyantlar

Sakana, Fugu’yu iki varyantla sunar:

Varyant	Kullanım odağı
fugu	Günlük işler, kodlama, kod incelemesi, chatbot’lar, düşük gecikmeli etkileşimler
fugu-ultra	Araştırma, makale çoğaltma, siber güvenlik analizi, literatür ve patent araştırması, daha yüksek kalite gerektiren işler

Beta sürecinde veya bazı kaynaklarda küçük varyant “Fugu Mini” olarak anılsa da yayın sayfasındaki resmi adlandırma Fugu ve Fugu Ultra şeklindedir.

Dürüst çerçeve: orkestratör vs tekil model

Fugu güçlü bir yanıt ürettiğinde, bunu kendi başına üretmiş olmayabilir. Şunları yapabilir:

• Opus 4.8 gibi başka bir modeli çağırmak
• Gemini gibi farklı bir sağlayıcıya yönlendirmek
• Kendi kopyalarını özyinelemeli biçimde kullanmak
• Çıktıları doğrulayıp sentezlemek

Bu gerçek bir yetenektir. Özellikle çok adımlı, doğrulanabilir görevlerde faydalıdır. Ancak “Fugu, Opus 4.8’i yendi” gibi bir ifadeyi doğrudan “Fugu’nun ağırlıkları Opus’tan daha iyi” şeklinde okumak hatalıdır.

Daha doğru ifade şudur:

Orkestrasyonlu bir sistem, kısmen öncü modellere yönlendirme yaparak öncü modellere benzer kaliteye ulaşmıştır.

Fable 5 ve Mythos ise tekil modellerdir. Yanıtları kendi parametrelerinden gelir; arka planda model ekibi kurmazlar.

Bu yüzden kıyaslama sonuçlarını incelerken şu kontrol listesini kullanın:

• Sonuç tekil model performansı mı, sistem performansı mı?
• Fugu hangi modelleri çağırabiliyor?
• Görev çok adımlı mı?
• Sonuç genel kıyaslama mı, uygulama düzeyinde özel görev mi?
• Maliyet, gecikme ve doğrulama izi raporlanmış mı?

Fugu kıyaslamaları için Sakana Fugu kıyaslamaları yazısına bakabilirsiniz.

Birinci kademe: Fable 5 ve Mythos Preview ile eşitlik

Sakana’nın ana iddiası şudur: Fugu Ultra, mühendislik, bilimsel ve akıl yürütme kıyaslamalarında Fable 5 ve Mythos Preview ile “omuz omuza” durur.

Bu bir eşitlik iddiasıdır.

Yanlış okuma:

Fugu Ultra, Fable 5’i yendi.

Doğru okuma:

Fugu Ultra, Sakana’nın seçtiği kıyaslamalarda Fable 5 ve Mythos Preview seviyesinde sonuç verdi.

Burada iki önemli teknik nokta var.

1. Mythos Preview, Mythos 5 değildir

Sakana’nın kullandığı model Mythos Preview’dur. Bu, mevcut Mythos 5 ile aynı şey değildir.

Anthropic fiyatlandırması da farkı gösterir:

Model	Girdi	Çıktı
Fable 5	1M token başına 10$	1M token başına 50$
Mythos 5	1M token başına 10$	1M token başına 50$
Mythos Preview	1M token başına 25$	1M token başına 125$

Kaynak tarihi: Anthropic fiyatlandırması, 9 Haziran 2026.

Preview modelini kullanmak tekrarlanabilirlik açısından savunulabilir; ancak “bugünkü en yüksek tavan” ile karşılaştırma yapıldığı anlamına gelmez.

2. Eşitlik sistem düzeyindedir

Fugu Ultra, birden fazla modeli koordine ederek Fable 5 seviyesinde sonuç veriyorsa, bu sistem düzeyinde anlamlıdır. Ancak bu, tek bir temel modelin Fable 5 ile tek başına eşleştiği anlamına gelmez.

Fable 5’in konumu için Claude Fable 5 vs Opus 4.8 yazısına bakabilirsiniz.

İkinci kademe: Sakana’nın üstün performans iddiası

Sakana’nın ayrı bir iddiası daha vardır: Fugu, belirli uygulamalarda şu modelleri “tutarlı biçimde geride bırakır”:

• Gemini 3.1 Pro yüksek
• Opus 4.8 maks
• GPT 5.5 çok yüksek

Bu iddia genel kıyaslama değil, belirli uygulamalar içindir:

• AutoResearch
• Rubik Küpü
• Mekanik Tasarım
• Japon El Yazısı Analizi
• Tek Atışta Satranç
• Finansal Zaman Serisi Tahmini

Bu görevlerin ortak özelliği: yapılandırılmış, çok adımlı ve kısmen doğrulanabilir olmalarıdır.

Bir orkestrasyon katmanı bu tür görevlerde avantaj sağlayabilir çünkü:

1. Plan oluşturabilir
2. Görevi alt parçalara bölebilir
3. Farklı ajanlara dağıtabilir
4. Ara sonuçları doğrulayabilir
5. Hatalı çıktıları yeniden deneyebilir
6. Son yanıtı sentezleyebilir

Ancak yine aynı uyarı geçerlidir: Fugu bu sonuçlara, karşılaştırıldığı modellerden bazılarını kendi döngüsü içinde çağırarak ulaşmış olabilir. Bu durumda başarı tekil model başarısı değil, sistem başarısıdır.

Karşılaştırma tablosu

Boyut	Fugu / Fugu Ultra	Fable 5	Mythos (Preview / 5)
Sistem türü	Orkestratör: kendisi dahil birden fazla LLM’yi çağırabilen eğitimli koordinatör	Tek Anthropic modeli	Tek Anthropic modeli
Satıcı	Sakana AI	Anthropic	Anthropic
Sakana’nın iddiası	Fable 5 ve Mythos Preview ile eşitlik	Eşitlik karşılaştırmasındaki model	Preview sürümü kullanılmıştır; Mythos 5 değil
Ayrı üstün performans iddiası	Belirli uygulamalarda Gemini 3.1 Pro, Opus 4.8 ve GPT 5.5’e karşı	Üstün performans hedefi değil	Üstün performans hedefi değil
Fiyatlandırma	Abonelik + kullandıkça öde yapısı doğrulanmış; rakamlar canlı olarak kontrol edilmeli	1M token başına 10$ giriş / 50$ çıkış	Preview: 25$ / 125$; Mythos 5: 10$ / 50$
API yüzeyi	OpenAI uyumlu tek uç nokta	Anthropic API	Anthropic API
Güçlü olduğu alan	Çok adımlı, yapılandırılmış, doğrulanabilir görevler	Genel amaçlı öncü kalite	Öncü model tavanı

Fugu fiyatlandırma rakamları yayın sayfasından doğrudan doğrulanmadığı için canlı konsoldan kontrol edilmelidir. Anthropic rakamları 9 Haziran 2026 fiyatlandırmasına dayanmaktadır. Fable 5 puanları için Claude Fable 5 kıyaslamaları yazısına bakabilirsiniz.

Fiyatlandırma: nasıl ele alınmalı?

Sakana yayın sayfasında fiyatlandırma yapısını doğrular:

• Günlük kullanım için abonelik katmanları
• Daha ağır ve kurumsal iş yükleri için kullandıkça öde modeli

Ancak 22 Haziran 2026 itibarıyla dolar bazlı rakamların tamamı yayın sayfasından değil, ikincil kaynaklardan veya JS ile oluşturulan içeriklerden bildirilmiştir.

Bildirilen rakamlar:

• Aylık 20$, 100$ ve 200$ abonelik katmanları
• Temmuz 2026 sonundan önce abone olanlar için ikinci ay ücretsiz lansman promosyonu
• Kullandıkça öde için yaklaşık:
  • 1M token başına 5$ girdi
  • 1M token başına 30$ çıktı
  • 1M token başına 0.50$ önbellek
  • 272K token üzerindeki bağlam için ek ücret
• Temel fugu varyantının çağırdığı temel modelin standart oranıyla faturalandırıldığı bildiriliyor
• Bağımsız ücretsiz katman görünmüyor

Bunları bütçeye koymadan önce Sakana konsolunuzda doğrulayın. Yapı doğrulanmış olsa da rakamlar canlı kontrol gerektirir.

Araştırma geçmişi: Fugu neyi kanıtlıyor, neyi kanıtlamıyor?

Fugu, orkestrasyon fikrini sıfırdan icat etmedi. Together AI’ın Mixture-of-Agents çalışması, orkestre modellerin bazı görevlerde tekil modelleri geçebileceğini zaten göstermişti.

Fugu’nun farkı şurada:

• Öğrenilmiş ve adaptif bir koordinatör kullanması
• Maliyet seçici topolojiye sahip olması
• Bunu tek bir OpenAI uyumlu uç nokta arkasında sunması

Yaklaşımın arkasında iki ICLR 2026 çalışması bulunur:

• Trinity, “Evrimleşmiş Bir LLM Koordinatörü” (arXiv:2512.04695)
• Conductor, “Doğal Dilde Ajanları Orkestre Etmeyi Öğrenme” (arXiv:2512.04388)

Trinity, türevsiz evrimle optimize edilmiş ve Düşünür, Çalışan, Doğrulayıcı rollerini içeren 20 bin parametrenin altında bir koordinatördür. Conductor ise iletişim yapısını öğrenen ve Mixture-of-Agents’ı daha düşük maliyetle geçtiği iddia edilen pekiştirmeli öğrenmeyle eğitilmiş 7B modeldir.

Bunları doğrudan piyasadaki Fugu ürününe eşitlemeyin. Resmi sürüm, ürün parametre sayısını açıklamaz. Bu nedenle “Fugu 7B’dir” gibi bir ifade, resmi gerçek değil üçüncü taraf çıkarımı olur.

Fugu’yu API iş akışınıza nasıl eklersiniz?

Fugu OpenAI uyumlu bir uç nokta sunduğu için mevcut OpenAI istemcilerinizi büyük ölçüde değiştirmeden test edebilirsiniz.

Genel akış:

1. Sakana konsoluna girin.
2. Gerçek base URL’yi console.sakana.ai üzerinden kopyalayın.
3. API anahtarınızı alın.
4. OpenAI uyumlu istemcide base_url değerini değiştirin.
5. Model alanına fugu veya fugu-ultra yazın.
6. Aynı prompt’u Fable 5, Opus 4.8 veya başka modellerle karşılaştırın.

22 Haziran 2026 itibarıyla temel URL herkese açık sayfalarda yayımlanmamıştır. Bu yüzden bloglarda veya sosyal medyada görülen host değerlerini sabit kodlamayın. Konsoldaki değeri kullanın.

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_SAKANA_API_KEY",
    base_url="<YOUR_FUGU_BASE_URL_FROM_CONSOLE>",  # console.sakana.ai üzerinden kopyalayın
)

response = client.chat.completions.create(
    model="fugu-ultra",  # kesin model kimliğini konsoldan doğrulayın
    messages=[
        {"role": "system", "content": "You are a careful code reviewer."},
        {"role": "user", "content": "Review this pull request for security issues."},
    ],
)

print(response.choices[0].message.content)

Fugu, OpenAI sohbet tamamlama formatını kullandığı için (OpenAI API referansı) aynı test isteklerini tekrar kullanabilirsiniz.

Apidog ile yan yana test akışı

Fugu’yu üretime almadan önce kendi prompt setinizle ölçmeniz gerekir. Bunu Apidog içinde pratik şekilde yapabilirsiniz.

Önerilen kurulum:

1. Apidog’da yeni bir HTTP isteği oluşturun.
2. URL olarak Sakana konsolundan aldığınız Fugu base URL’yi kullanın.
3. Authorization header’ına Sakana API anahtarınızı ekleyin.
4. Body içinde modeli fugu-ultra olarak ayarlayın.
5. Aynı isteği Fable 5, Opus 4.8 veya başka model uç noktaları için kopyalayın.
6. Aynı prompt’u tüm modellerde çalıştırın.
7. Yanıtları şu kriterlerle karşılaştırın:
   • Doğruluk
   • Gerekçelendirme kalitesi
   • Kod üretiminde derlenebilirlik
   • Güvenlik bulguları
   • Maliyet
   • Gecikme
   • Tekrar çalıştırmalarda tutarlılık

Örnek gövde:

{
  "model": "fugu-ultra",
  "messages": [
    {
      "role": "system",
      "content": "Sen dikkatli bir güvenlik kod inceleyicisisin."
    },
    {
      "role": "user",
      "content": "Aşağıdaki pull request'i SQL injection, yetkilendirme hataları ve gizli bilgi sızıntısı açısından incele."
    }
  ]
}

Bu yaklaşım, Sakana’nın eşitlik iddiasını pazarlama tablosu yerine kendi iş yükünüzle doğrulamanızı sağlar. Karşılaştırmayı kurmak için Apidog’u indirin.

Uyum ve sağlayıcı kısıtlamaları

Regüle ortamlarda önemli soru şudur: Fugu hangi sağlayıcıları çağırıyor?

Sakana, Fugu’nun ajan havuzunun değiştirilebilir olduğunu ve veri/uyum nedenleriyle belirli ajanların çıkarılabileceğini belirtir. Test ederken şu adımları uygulayın:

1. Sakana konsolunda sağlayıcı kısıtlarını yapılandırın.
2. Yasaklı sağlayıcıları açıkça hariç tutun.
3. Test isteklerini çalıştırın.
4. Yanıt izlerinde veya log’larda hariç tutulan sağlayıcıların görünmediğini doğrulayın.
5. Üretim öncesi aynı testi otomatik regresyon kontrolüne ekleyin.

Bu özellikle finans, sağlık, kamu ve veri yerleşimi kısıtları olan ekipler için önemlidir.

Ne zaman Fugu Ultra test edilmeli?

Fugu Ultra’yı özellikle şu görevlerde test etmek mantıklıdır:

• Çok adımlı araştırma işleri
• Kod inceleme ve güvenlik analizi
• Patent veya literatür taraması
• Finansal zaman serisi analizi
• Çıktısı doğrulanabilir teknik problem çözme
• Çoklu kaynak sentezi gerektiren görevler

Daha basit chatbot, sınıflandırma veya kısa metin üretimi işlerinde orkestrasyon katmanı maliyet ve gecikme açısından gereksiz olabilir. Bu yüzden testinizi görev bazında yapın.

Karar

Fugu Ultra ilginçtir çünkü tek bir uç noktanın arkasında öğrenilmiş bir orkestrasyon katmanı sunar. Sakana’nın iddiası, bunun Fable 5 ve Mythos Preview seviyesinde kaliteye ulaşabildiğidir. Belirli yapılandırılmış görevlerde ise Gemini 3.1 Pro, Opus 4.8 ve GPT 5.5 gibi modellere karşı daha iyi performans iddia edilir.

Ancak sonuçları doğru okumak gerekir:

• Bu tekil model zaferi değildir.
• Fugu başka öncü modelleri çağırabilir.
• Mythos karşılaştırması Mythos 5’e değil Mythos Preview’a karşıdır.
• Fiyatlandırma rakamları canlı olarak doğrulanmalıdır.
• Gerçek değer, sizin görevlerinizdeki maliyet/kalite/gecikme dengesine bağlıdır.

En iyi yaklaşım:

1. Kendi prompt setinizi hazırlayın.
2. Fugu Ultra, Fable 5 ve Opus 4.8’i yan yana çalıştırın.
3. Çıktıları otomatik ve manuel kriterlerle puanlayın.
4. Maliyeti ve gecikmeyi ölçün.
5. Sağlayıcı kısıtlarını doğrulayın.
6. Ancak bundan sonra üretim kararı verin.

Fugu’nun metaforu yerinde: kirpi balığı doğru hazırlanırsa değerlidir; orkestrasyon da bu dikkatli hazırlıktır. Bu hazırlığın maliyete değip değmediğini en hızlı kendi test paketiniz gösterir.

Sıkça Sorulan Sorular

Fugu Ultra, Fable 5’i yener mi?

Hayır. Sakana’nın iddiası zafer değil, eşitliktir. Fugu Ultra’nın Fable 5 ve Mythos Preview ile “omuz omuza” durduğu söylenir. Ayrıca Fugu, öncü modelleri çağırabilen bir orkestratördür; bu nedenle görülen bir üstünlük sistem düzeyinde olabilir. Tekil model karşılaştırması için Fable 5 vs Mythos 5 yazısına bakabilirsiniz.

Sakana, Fugu’nun Opus 4.8’den iyi olduğunu söylerken neyi kastediyor?

Bu iddia genel kıyaslama için değil, belirli uygulamalar içindir. Sakana’ya göre Fugu, AutoResearch, tek atışta satranç ve finansal zaman serisi tahmini gibi görevlerde Gemini 3.1 Pro, Opus 4.8 ve GPT 5.5’i geride bırakır. Ancak Fugu bu süreçte Opus gibi modelleri kendi döngüsü içinde çağırabilir. Bu yüzden sonuç, tekil model değil sistem başarısıdır.

Sakana neden Mythos 5 yerine Mythos Preview kullanıyor?

Mythos Preview, Anthropic’in Nisan 2026 öncü modelidir. Mythos 5 ise mevcut genel kullanıma açık versiyondur. Sakana karşılaştırmasında Preview sürümünü kullanmıştır. Bu tekrarlanabilirlik açısından anlaşılabilir, ancak iddianın bugünkü Mythos 5 tavanına karşı ölçülmediği anlamına gelir. Ayrıntılar için Mythos sınıfı model açıklaması yazısına bakabilirsiniz.

Fugu tek model mi, model grubu mu?

Fugu, tek bir API arkasında sunulan orkestrasyon sistemidir. Kendisi dahil birden fazla LLM’ye görev delege edebilir. Fable 5 ve Mythos ise kendi ağırlıklarından yanıt veren tekil Anthropic modelleridir.

Fugu’yu Fable 5’e karşı nasıl test ederim?

OpenAI uyumlu istemcinizde base_url değerini Sakana konsolundaki Fugu URL’sine ayarlayın. Model olarak fugu-ultra kullanın. Aynı prompt setini Fable 5 veya Opus 4.8 uç noktalarında da çalıştırın. Apidog içinde her modeli ayrı istek olarak kaydedip yan yana karşılaştırabilirsiniz.

Fugu, Fable 5’e kıyasla ne kadar tutar?

Fugu için abonelik ve kullandıkça öde yapısı doğrulanmıştır; ancak 22 Haziran 2026 itibarıyla dolar bazlı rakamlar canlı olarak doğrulanmalıdır. Bütçe yapmadan önce Sakana konsolunu kontrol edin. Referans olarak Anthropic, Fable 5’i 1M girdi tokenı başına 10$ ve 1M çıktı tokenı başına 50$ olarak listeler. Fiyatlandırma ve kıyaslama takibi için Sakana Fugu kıyaslamaları yazısına bakabilirsiniz.