OpenFugu：0.6B 开源复刻版，把 Fugu 的编排黑盒拆成透明说明书

一句话：Sakana 卖了一个黑盒，社区把它拆成了透明说明书

Sakana AI 的 Fugu 号称"一模型指挥所有 LLM"，但它是闭源的——你知道它能编排，却不知道它怎么编排。OpenFugu 干了一件狠事：从两篇论文 + 公开检查点开始，把整个机制完整复刻出来，用 Apache-2.0 开源，本地可跑。

核心架构：编排器自己从不回答

这是 Fugu（以及 OpenFugu）最反直觉的设计：

用户提问 → 0.6B 编排器（Qwen3-0.6B）→ 产生一个 hidden state → 线性 head 打分 → 选择 worker → 返回 worker 的回答

编排器本身从不直接回答用户。它只做一个决定：这个任务该派给哪个 worker。

组件	参数规模	角色
编排器 backbone（Qwen3-0.6B）	~0.6B	读取用户输入，产生 hidden state
线性选择 head	极小	基于 hidden state 为每个 worker 打分
可训练参数总量	~19.5K	head + 9 个矩阵的 SVD 偏移量
Worker 模型池	不固定	GPT、Claude、Gemini、DeepSeek 等

19.5K 参数——比一张手机壁纸的像素还少。这个 tiny head 被训练来判断："这个查询，用哪个模型最合适？"

训练：无梯度优化 + GRPO 强化学习

OpenFugu 的 TRINITY 协调器训练使用 sep-CMA-ES（分离协方差矩阵自适应进化策略），一种无梯度优化方法。好处：不需要反向传播，不碰 worker 模型权重，只优化编排器的选择策略。

Conductor（Fugu-Ultra 的 DAG 编排器）用 GRPO（Group Relative Policy Optimization）训练：

在 ToolScale 数据集上微调 Llama-3.2-3B-Instruct
Reward 从 1.21 → 1.64（100 steps）
训练后的 Conductor 发布在 HuggingFace：di-zhang-fdu/openfugu-conductor-3b

关键数字

指标	数值	说明
权重自检	95% / 100%	37-case fixture 上，95% agent 选择正确，100% role 分配正确
性能提升	+107%	训练后的编排器 vs 最佳单 worker（query-level routing）
训练 reward	1.21 → 1.64	GRPO 训练 100 steps 的 reward 曲线
端到端验证	PASS	从训练到部署到回答验证，完整 pipeline 可跑通

四阶段完整 Pipeline

OpenFugu 不是 demo，是完整的生产系统：

1. read：反向工程文档（docs/HOW_FUGU_IS_IMPLEMENTED.md），每句话带证据等级（EXEC/CODE/DATA） 2. run：mini.py --self-test 验证重建是否忠于原检查点（95%/100%） 3. train：从 scratch 训练 TRINITY 协调器，或用 GRPO 训练 Conductor 4. serve：serve.py 暴露 OpenAI 兼容 API（/v1/chat/completions），内部调用 worker pool

为什么这比原版 Fugu 更有意义？

维度	Sakana Fugu（官方）	OpenFugu（开源复刻）
权重	闭源，商业产品	完整开源，Apache-2.0
部署	云端 API	本地可跑，CPU 也行
可验证性	信官方数据	自己跑自检，自己看代码
可扩展性	用 Sakana 的 pool	换自己的 worker 池，任意模型
研究价值	产品级	教科书级：从论文到系统的完整实现

最小可运行 demo

pip install -r requirements.txt
python scripts/fetch_artifacts.py  # 拉 Qwen3-0.6B + 检查点

# 本地验证
python openfugu/mini.py --self-test  # -> 95% / 100%

# 部署服务
python openfugu/serve.py --slot-models "gpt-4,claude-opus" --port 8088

# 像调用一个模型一样调用整个编排系统
curl localhost:8088/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{"messages":[{"role":"user","content":"flatten a nested list in one line"}]}'

一句话总结

Sakana 证明了编排器能赢过单模型，OpenFugu 证明了一个本科生就能从论文里把这个编排器造出来。这才是开源社区的力量——不是复刻一个产品，而是复刻一种可能性。

---

GitHub: trotsky1997/OpenFugu 论文: arXiv:2606.21228 HuggingFace: di-zhang-fdu/openfugu-conductor-3b 协议: Apache-2.0（代码），Llama 3.2 Community License（训练权重）

#OpenFugu #SakanaAI #LLM编排 #开源复刻 #多智能体系统 #Fugu #TRINITY #Conductor #GRPO #Apache-2.0 #模型编排