El modelo que ya no es uno solo

Casi todo negocio que empieza a usar IA en serio llega, tarde o temprano, a la misma decisión: elegir un modelo. Se compara precio, se prueba en un par de tareas, se decide, y ese modelo se vuelve el que todos usan para todo — desde redactar un correo hasta analizar un contrato largo. Funciona, hasta que dos tareas del mismo negocio resultan tener necesidades opuestas: una es sencilla y se puede resolver por centavos, la otra es difícil y se necesita lo mejor disponible.

El 10 de septiembre, el laboratorio japonés Sakana AI presentó Fugu Max y Fugu Ultra v2, dos productos que atacan justo esa tensión, pero no como se esperaría. No son un modelo más grande ni más barato. Son un orquestador: un sistema que recibe la petición, decide detrás de cámaras cuál modelo de un catálogo completo — algunos abiertos, algunos especializados, algunos de otros laboratorios— la puede resolver mejor, la ejecuta, y devuelve una sola respuesta. Para quien pregunta, se siente como hablar con un modelo único. Por dentro, nunca lo es.

Qué es, exactamente, un orquestador

La palabra suena técnica y el concepto no lo es tanto. Piensa en un despacho que recibe encargos de todo tipo y tiene, adentro, especialistas distintos: uno rápido y barato para lo de rutina, otro caro y minucioso para lo complicado. Quien llama al despacho no elige al especialista — solo dice qué necesita, y adentro deciden quién lo atiende. Eso es Fugu: una sola puerta de entrada, un catálogo de modelos detrás, y la decisión de a cuál mandar cada tarea resuelta por el propio sistema, tarea por tarea.

Es un cambio de capa, no de modelo. Hasta ahora, mejorar significaba esperar a que saliera un modelo mejor. Con un orquestador, mejorar puede significar simplemente que el sistema aprenda a repartir mejor el trabajo entre los modelos que ya existen — incluidos modelos abiertos y baratos que, solos, nadie elegiría para una tarea difícil, pero que dentro del catálogo correcto sí sirven para lo suyo.

Lo que Sakana AI dice haber logrado

Según el anuncio oficial, Fugu Ultra v2 obtuvo el puntaje más alto o empatado en cinco de ocho evaluaciones publicadas, y quedó entre los dos mejores en siete de las ocho. En una de esas pruebas, de tareas de ingeniería de software (DeepSWE), Fugu Ultra v2 anotó 74.3 puntos, por encima de los 74.1 de GPT-6 Astra de OpenAI y los 67.4 de Claude Fable 5.1 de Anthropic. En otra, de lectura de gráficas (Chartography), anotó 48.3, frente a 27.3 de Claude Opus 5 y 29.5 de Claude Fable 5.

El precio es la otra mitad del argumento. Fugu Ultra v2 cuesta 5 dólares por millón de tokens de entrada y 30 por millón de salida. Fugu Max, la versión más económica, cuesta 2 y 6 dólares respectivamente — con una salida entre 40% y 60% más barata que la de Claude Sonnet 5, GPT 5.6 Terra o Kimi K3, según la propia empresa, y el mejor puntaje general en seis evaluaciones distintas: Terminal Bench 2.1, GPQAD, AA-LCR, GDP.pdf, AutomationBench y SWEFish.

La frase que resume la apuesta de Sakana AI es esta, tomada de su propio anuncio: la frontera que importa para tareas reales tiene dos ejes, no uno — capacidad de un lado, costo del otro — y el futuro es de los sistemas que no solo saben resolver un problema, sino elegir con qué máquina resolverlo al menor costo posible.

Vale una nota de cautela: son cifras que reporta la propia empresa sobre su propio producto, publicadas apenas hace unos días. Ningún laboratorio independiente las ha replicado todavía, y eso conviene tenerlo presente antes de tomar una decisión basada solo en ellas.

Por qué esto no es solo un tema de programadores

La idea de “el mejor modelo de IA” siempre fue una simplificación cómoda. En la práctica, ningún negocio hace un solo tipo de tarea: redacta, calcula, decide, responde, resume, revisa. Cada una tiene su propia mezcla de qué tan seguido se repite, qué tan grave es que salga mal, y qué tan caro es hacerla bien. Elegir un solo modelo para todas esas tareas es, casi siempre, pagar de más en las fáciles o arriesgarse de más en las difíciles.

Un orquestador no elimina ese problema — lo vuelve automático. En vez de que alguien en el equipo decida a mano “esto se lo mando al modelo caro, esto al barato”, el sistema lo decide en cada llamada, con la ventaja de conocer el catálogo completo mejor que cualquier persona. Es la misma lógica que aplicamos en Nuvnext al diseñar agentes para un negocio: la pregunta nunca es qué modelo comprar, es qué necesita cada parte del proceso.

Cuándo no te sirve

Si tu negocio le pide a la IA prácticamente una sola cosa. Si todo tu uso de IA es, en el fondo, redactar correos o responder preguntas frecuentes siempre parecidas, un solo modelo bien elegido ya resuelve. Meter un orquestador ahí es complejidad sin beneficio.

Si necesitas un proveedor con respaldo comercial establecido. Sakana AI es un laboratorio joven, sin la infraestructura de soporte empresarial, contratos de nivel de servicio o presencia local que sí tienen Google, Microsoft o Amazon. Para una operación que depende de un contrato formal y soporte en español, eso pesa.

Si te preocupa no saber, en cada momento, qué modelo procesó tu información. Parte del punto de un orquestador es que la decisión de a qué modelo mandar cada tarea queda escondida. Si tu negocio maneja datos sensibles y necesita saber con certeza qué proveedor los tocó cada vez, esa misma ventaja se vuelve una pregunta sin respuesta clara todavía.

Si nadie en tu equipo puede dedicarle tiempo a probarlo. Esto no es una app que se instala y ya. Requiere conectar la API, definir qué tareas mandarle, y comparar contra lo que usas hoy. Sin ese tiempo, es una promesa interesante que nadie llega a comprobar.

Qué hacer el lunes

Paso 1 (15 minutos). Llena el diagnóstico de arriba con tu equipo, en conjunto, no solo tú. Es común que quien decide la herramienta no sea quien más la usa.

Paso 2 (20 minutos). Elige las dos o tres tareas de IA más frecuentes de tu negocio y llena la plantilla para cada una. No hace falta cubrir todo — con las más frecuentes ya se ve el patrón.

Paso 3 (15 minutos). Si el patrón que salió apunta a “te está costando no tenerlo”, pide a quien lleve la parte técnica de tu equipo que pruebe una sola de esas tareas contra un orquestador, con datos reales, antes de decidir cambiar nada más.