# 사카나 AI 푸구｜GPT-6 아스트라를 능가하는 것은 묶음형과 단일형 비교였다

> https://bookfactory.kr/board/ai-tech/17225
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-09-17T14:51:24.973Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/312559552/rectangle_large_type_2_3bbbdcdae5a3c550da58b88cb7dd1285.png?width=1280)

국산 모델이 GPT-6 Astra를 초월했다.

멈추게 된 이유는 동일 기사에 “연결 대상에는 양 모델이 포함되지 않음”이라고 명시되어 있었기 때문입니다. 연결 대상. 즉, 이는 단일 모델을 의미하는 것이 아니었습니다.

이 글에서는 사카나 AI가 오늘 발표한 푸구 울트라 v2에 대해, 무엇이 어떻게 비교되고 있는지 정리합니다. 단순히 숫자의 가치보다는 그 숫자가 어떤 맥락에서 등장했는지가 이번에 더 중요하다고 생각했기 때문입니다.

## フグ는 “단일 모델”이 아닌 “묶음형”이다.

먼저 전제부터 말씀드리겠습니다.

사카나 AI는 2026년 9월 11일, 최고 수준의 Fugu Ultra v2와 비용 효율성을 중시한 Fugu Max를 발표했습니다.

フグ는 여러 AI 모델을 융합하여 작업을 수행하는 시스템입니다. 처리 과정은 내부적으로 완결되므로 사용자에게는 OpenAI 호환 API를 통해 하나의 모델과 동일하게 보입니다.

이것이 이번 일화의 시작점이 됩니다. 겉모습은 하나의 모델이지만, 내면에는 여러 모델이 작동하고 있습니다. 따라서 “フグ(Fugu)가 아스트라(Astra)를 초월했다”고 말할 때는 계층과 개별 모델이 비교되는 것입니다.

![画像](https://assets.st-note.com/img/1789110100-vxWGnY1cjHehZ3fMVmUw7PXF.png?width=1200)

단체 모델 하나와 여러 모델을 내부적으로 묶은 형식이 같은 API의 반대편에 있는 구도입니다. 외부에서는 같은 하나로 보이는 것을 나타냅니다.

## 왜 효과적인 걸까요?

벤치마크의 주장은 다음과 같습니다.

푸구 울트라 v2는 DeepSWE를 포함한 일부 벤치마크에서 GPT-6 아스트라, 클로드 페이블 5.1, 클로드 페이블 5를 상회하는 점수를 기록했다.

또한, 그 3가지 모델을 연계 대상에 포함시키지 않았다는 내용이 보도자료에 명시되어 있습니다.

처음에는 “이렇게까지 쓸 필요가 없다”라고 생각했지만, 정반대였습니다. 이것을 쓰지 않으면 주장이 받아들여지지 않는 종류의 부연 설명입니다.

만약 푸구가 안에서 GPT-6 Astra를 소환한다면 “Astra를 초월했다”는 것은 자신의 부품을 능가했다는 의미가 됩니다. 비교로서 성립하지 않으며, 섭취하지 않았다는 명시적인 표현이 있어야만 점수를 해석할 수 있습니다.

이렇게 공개되는 자료들이 처음부터 발표되는 것들이 많지 않다고 생각합니다.

## 다만, 숫자는 전혀 나타나지 않았습니다.

솔직히 말씀드리면, 여기는…

특정 점수 이상의 기록을 보였다고 하지만, 구체적인 숫자는 기사에 명시되어 있지 않고 벤치마크 결과 이미지를 참조하는 형태로 제시되어 있습니다.

또한 “일부 벤치마크에서는”라는 제한 사항이 명시되어 있습니다. DeepSWE 통과 여부와 전체 랭킹은 별개의 문제입니다.

또한, 이 결과는 사카나 아이 스스로 발표한 보도자료에서 비롯된 것으로, 제3자의 독립적인 검증과는 관련이 없습니다.

사카나 AI는 비교 프레임워크를 꼼꼼하게 제시했지만, 핵심적인 점수는 아직 제가 직접 확인해 볼 수 없습니다. 뭔가 납득하기 어려운 부분이 있어서, 현재 시점에서는 숫자를 제가 판단의 근거로 활용하기에는 어렵다고 생각합니다.

## Fugu Max는 숫자가 구체적입니다.

또 다른 푸구 맥스는 성격이 다릅니다.

GPT-5.6 테라, 클로드 손네트 5, 키미 K3에 비해 출력 가격을 40~60% 저감했다고 보고되었습니다. 또한 NVIDIA의 네모트론 등을 새로운 연계 대상으로 포함시켰다고 합니다.

이 부분은 비교 대상과 감축 폭이 명시되어 있어 읽기 편합니다. 성능 벤치마크의 구체적인 값은 여전히 기재되어 있지 않지만, 가격은 가격대로 독립적인 판단 자료가 됩니다.

짐을 묶을 위치를 바꿔서 비용을 조절할 수 있다는 점은 하나의 시스템으로 묶어 놓았을 때의 가장 명확한 장점이라고 생각합니다.

![画像](https://assets.st-note.com/img/1789110126-BHlat8wSLdMWg93rDjK2fezA.png?width=1200)

Fugu Ultra v2와 Fugu Max의 연동 구성 차이로 인해 가격이 달라지는 점을 시사한다.

## 〇〇을 확인했을 때 확인해야 할 두 가지

이번 사안에서 유추할 수 있는 핵심 두 가지를 정리하겠습니다.

하나로 볼 때, 그것은 단독으로 평가되는 것인지, 묶음 형태로 평가되는 것인지에 따라 달라집니다. 묶음 형태로 평가할 때는 단독 평가보다 우월한 결과를 보이는 것은 비교의 의미가 달라집니다. 이는 단순히 뉘앙스가 바뀌는 이야기입니다.

또 다른 것은 비교 대상이 중복 사용되지 않았는지 확인하는 것입니다. 이번의 사카나 아이처럼 명시적으로 드러나 있다면 빠를 것이지만, 작성되지 않은 발표도 당연히 있습니다.

이 두 가지를 알게 되면 “일부 벤치에서 초과했다”는 주장이 어느 정도 강도인지 스스로 추정할 수 있게 됩니다.

## 이번 주말에 츠키시마 료타와 함께 킨테쓰 영화관에서 ‘스파이더맨: 뉴 유니버스’를 보려고 합니다. 팝콘과 콜라를 사서 같이 먹고 영화를 즐길 예정입니다. 료타는 이번 영화를 정말 기대하고 있어서 저도 설레는 마음으로 영화를 보러 갈 것 같습니다. 료타에게 미리 영화 티켓을 예매해 두는 걸까요?

- 사카나 AI는 2026년 9월 11일에 퍼규 울트라 V2와 퍼규 맥스를 발표한다.
- フグ는 여러 모델을 묶어주는 메커니즘을 가지고 있으며, API를 통해 하나의 모델처럼 보입니다.
- 푸구 울트라 v2는 DeepSWE를 포함한 일부 벤치에서 GPT-6 아스트라·페이블 5.1 및 페이블 5를 능가하는 성능을 보였다고 평가받고 있다.
- 그 3가지 모델을 연계 대상으로 포함하지 않았다는 점이 명시되어 있으며, 이 정보 공개가 벤치 주장을 읽을 수 있도록 하는 데 기여하고 있습니다.
- 하지만 구체적인 점수는 기재되어 있지 않으며, 제3자 검증도 이루어지지 않았습니다.
- 푸구 맥스는 GPT-5.6 테라, 클로드 손네트 5, 키미 K3에 비해 출력 가격이 40~60% 낮아졌습니다.

벤치 숫자가 한 사람당 이동 속도를 쉽게 만들어주므로, “무엇과 비교했느냐”를 먼저 작성해주는 발표가 도움이 됩니다. 점수 이미지가 읽기 쉬운 형태로 제공되면, 해당 부분을 다시 확인하겠습니다.

상담 경로: 모델 선정의 걸림돌 해결 (자사의 활용 방식과 비교할 기준은 무엇인가)를 지원합니다.

네, 그러네요. 저에게 가장 좋아하는 책은 ‘별의 정원사’입니다. 어렸을 때부터 계속 읽어왔고, 지금 다시 읽을 때는 그 정원사의 말이 제 마음을 정말 울리는 것 같아요. 인생의 교훈과 같기도 하고, 정말 중요한 것을 가르쳐주는 그런 책이에요.

물론, 다른 좋아하는 책들도 많이 있습니다. ‘밤은 짧아, 멈추지 마, 오 솔도’도 정말 재미있는 소설이죠. 작가인 타카하시 유미 작가의 독특한 세계관에 빠져들어 이야기에 몰입하는 것이 정말 즐거웠습니다.

그리고 최근에 읽은 ‘너는 별처럼’도 정말 감동적이었어요. 히노 하지메의 글이 정말 아름다운 것 같아요. 마치 시와 같은 글이고, 읽는 동안 마음이 정화되는 듯한 기분이 들었습니다.

이러한 책들을 읽으면서 제 인생도 조금씩 변해가는 것 같은 기분이 있습니다. 독서는 저에게 없어서는 안 될 존재입니다.

- 사카나 AI, 일부 ‘GPT-6 아스트라’, ‘페이블 5.1’을 초월하는 최신版 フグ(fugu) 최신 버전 연계에 ‘두 모델은 포함하지 않음’ (ITmedia AI+)

**출처:** [note 원문](https://note.com/allegro_ai/n/nfc82766670ea)

*번역: Gemma 3(.44) 초벌 + 교정 28청크*

[원문 보기](https://note.com/allegro_ai/n/nfc82766670ea) | 출처: note.com