KI-Modelle kombinieren: Warum ein Team aus Modellen das beste Einzelmodell schlägt

Kein einzelnes KI-Modell ist bei allen Aufgaben das beste. Eines liegt beim Programmieren vorn, bei kniffligen Sachfragen schneidet ein anderes besser ab. Sakana AI, ein Forschungslabor aus Tokio, zieht daraus eine einfache Folgerung und lässt mehrere Modelle als Team arbeiten. Das Ergebnis übertrifft jedes der beteiligten Modelle, wenn es allein antwortet.

Was Sakana Fugu ist

Fugu koordiniert mehrere führende KI-Modelle und setzt sie gemeinsam an eine Aufgabe. Statt für jeden Anbieter einen eigenen Zugang zu verwalten, schickst du deine Anfrage an Fugu. Das System sucht aus seinem Bestand die passenden Modelle heraus, verteilt die Arbeit und führt die Teilantworten zusammen. Sakana beschreibt das als Zusammenarbeit nach Mustern, die ein Mensch so nicht vorgeben würde.

Eine Besonderheit liegt darin, dass Fugu sich selbst erneut aufrufen kann. Es erkennt, wenn eine erste Antwort noch nicht genügt, und ändert in weiteren Durchläufen, wie es die Modelle einsetzt. Im Fach heißt das Test-Time-Scaling, also mehr Rechenzeit im Moment der Anfrage statt eines größeren Modells. Technisch baut es auf 2 Forschungsarbeiten auf, die Sakana für die ICLR 2026 eingereicht hat, Trinity und Conductor. Es gibt Fugu in mehreren Stufen, die stärkste heißt Fugu Ultra, und angesprochen wird es über eine Schnittstelle, die der von OpenAI entspricht. Seit dem 22. Juni 2026 ist es allgemein verfügbar, abgerechnet wird über ein Abo zuzüglich der Nutzung.

Ein koordiniertes System liegt bei diesen Aufgaben also vor den Einzelmodellen, aus denen es besteht. Die beiden derzeit stärksten Modelle, Claude Fable 5 und Mythos, hat Sakana allerdings nicht direkt getestet, weil sie wegen Exportkontrollen nicht in seinem Bestand liegen. Bei der Software-Entwicklung liegt Fable 5 mit 86,0 sogar deutlich vor Fugu Ultra. Für diese beiden zieht Sakana die Angaben der Anbieter heran und spricht selbst nur davon, mit ihnen auf Augenhöhe zu liegen. Alle Zahlen stammen vom Hersteller, ein unabhängiger Test steht aus.

Warum ein Team besser abschneidet

Die Idee dahinter hat Sakana schon vor Fugu in einem Verfahren namens AB-MCTS gezeigt, kurz für Adaptive Branching Monte Carlo Tree Search. Der Name ist sperrig, der Gedanke einfach. Wer eine schwierige Aufgabe löst, hat 2 Möglichkeiten. Entweder einen vielversprechenden Ansatz weiter verfeinern oder mehrmals neu anfangen und eine bessere Ausgangsrichtung suchen. AB-MCTS entscheidet bei jedem Schritt, welcher der beiden Wege gerade mehr verspricht.

Bei mehreren Modellen kommt eine dritte Entscheidung dazu, nämlich welches Modell den nächsten Versuch übernimmt. Anfangs bekommen alle gleich viele Versuche, mit der Zeit setzt das Verfahren stärker auf das Modell, das bei dieser konkreten Aufgabe am besten abschneidet.

Die Zahlen aus dem ARC-AGI-2-Test machen den Effekt greifbar. Auf 120 anspruchsvollen Aufgaben löste das Modell o4-mini allein rund 23 %. Mit AB-MCTS, also mit dem Wechsel zwischen Vertiefen und Neustarten, stieg derselbe Wert auf 27,5 %. Als 3 Modelle zusammenarbeiteten, o4-mini, Gemini 2.5 Pro und DeepSeek R1, kletterte die Quote auf über 30 %.

Ein Detail aus diesem Test erklärt, woher der Gewinn kommt. DeepSeek R1 schnitt allein schwach ab und trug im Team trotzdem spürbar zum Ergebnis bei. Ein erster, noch falscher Lösungsvorschlag diente einem anderen Modell als Hinweis, aus dem die richtige Antwort entstand. Die Software hinter dem Verfahren hat Sakana unter dem Namen TreeQuest quelloffen veröffentlicht.

OpenRouter macht etwas Ähnliches

Wer den Ansatz heute ausprobieren will, muss nicht auf Fugu warten. OpenRouter bündelt über 500 Modelle hinter einer einzigen Schnittstelle und hat 2 Funktionen, die in dieselbe Richtung gehen.

Der Auto Router wählt für jede Anfrage ein passendes Modell aus, abhängig davon, wie verschachtelt die Aufgabe ist. Über eine Einstellung steuerst du, ob das Ergebnis eher günstig oder eher hochwertig ausfallen soll. Innerhalb eines Gesprächs bleibt das gewählte Modell erhalten, damit die Antworten zueinander passen. Diese Funktion sucht also das sinnvollste Modell aus, antworten lässt sie nur eines.

Näher an der Fugu-Idee liegt der Fusion Router. Dort beantworten bis zu 8 Modelle dieselbe Anfrage gleichzeitig. Ein weiteres Modell vergleicht die Antworten, sucht Übereinstimmungen, Widersprüche und Lücken und gibt diese Auswertung weiter. Das letzte Modell schreibt daraus die verbesserte Antwort. Genau dieses Prinzip aus mehreren Stimmen und einer prüfenden Instanz steckt auch hinter Fugu.

Fugu ist noch nicht in der EU verfügbar

Seit dem 22. Juni 2026 ist Fugu allgemein verfügbar, jedoch nicht in der EU und im EWR. Sakana verweist auf eine laufende Prüfung der regulatorischen Vorgaben. Für ein Unternehmen in Deutschland ist das derzeit eine Sperre, und das Prinzip hängt nicht an diesem einen Produkt.

Wie du den Ansatz heute nachbaust

3 Wege führen zum selben Ziel, und welcher passt, hängt daran, wie viel Kontrolle und wie viel Datenschutz du brauchst.

Der fertige Dienst ist der Fusion Router von OpenRouter. Ein Aufruf genügt, die Gruppe der Modelle und die Zusammenführung laufen im Hintergrund, eigene Entwicklung fällt nicht an.

Der eigene Ablauf schickt denselben Prompt an 2 bis 3 Modelle und lässt ein weiteres die Antworten vergleichen und die beste Fassung schreiben. Das kostet etwas Aufwand und gibt dir die Modellwahl und die Regeln vollständig in die Hand.

Der lokale Weg ist derselbe Ablauf mit Modellen, die im eigenen Unternehmen laufen. Die Einrichtung dauert länger, dafür bleiben die Daten im eigenen Netz.

Der eigene Ablauf ist weniger Arbeit, als der Begriff vermuten lässt. Im Kern schickst du eine Frage an mehrere Modelle, sammelst die Antworten ein und übergibst sie einem letzten Modell mit der Anweisung, die Vorschläge zu prüfen und die belastbarste Antwort zu formulieren. Für die ersten beiden Schritte genügt eine einzige Schnittstelle wie die von OpenRouter, weil sich dort die Modelle von Anthropic, Google und DeepSeek über denselben Zugang ansprechen lassen. Der Modellwechsel ist ein anderer Name im Aufruf, der übrige Code bleibt gleich.

Für sensible Daten tauschst du die Cloud-Modelle gegen lokale. Ein offenes Modell wie Qwen 3.8 schreibt die Antworten, ein zweites prüft sie, und nichts davon verlässt das Netz. Die Qualität liegt unter der einer Runde aus mehreren Spitzenmodellen, für viele Aufgaben im Arbeitsalltag reicht sie.

Was das kostet und wo die Grenzen liegen

Mehrere Modelle gleichzeitig zu fragen kostet mehr als ein einzelner Aufruf. Beim Fusion Router liegt der Faktor bei 4 bis 5 gegenüber einer normalen Anfrage, weil die Gruppe und das prüfende Modell zusammen mehrere Antworten erzeugen. Bei einem eigenen Ablauf mit 3 Modellen sieht die Rechnung ähnlich aus. Wie hoch die Last solcher Systeme werden kann, zeigt Sakana selbst, denn für aufwendige Anfragen ruft Fugu Ultra bis zu 10 US-Dollar je Nachricht auf, umgerechnet rund 9 Euro.

Der zweite Punkt betrifft den Datenschutz. OpenRouter leitet Anfragen im Regelfall an Anbieter weiter, deren Server in den USA stehen, und ist damit ohne weitere Einstellungen nicht DSGVO-konform. Für personenbezogene Daten lässt sich je Zugang erzwingen, dass die Verarbeitung in der EU bleibt, oder du baust den Ablauf gleich mit lokalen Modellen.

Die Kernaussage hinter Fugu und AB-MCTS bleibt unabhängig vom Werkzeug bestehen. Ein einzelnes Modell hat in jeder Disziplin eine Obergrenze, die sich durch längeres Nachdenken nur begrenzt verschieben lässt. Mehrere Modelle, die sich gegenseitig korrigieren, kommen darüber hinaus, und dieser Vorteil ist mit den heute verfügbaren Mitteln zu haben.