Sakana Fugu Max Preise: alle Tarife und was es wirklich kostet

TL;DR

Sakana AI hat Fugu Max auf $2 pro Million Input-Tokens und $6 pro Million Output-Tokens festgelegt, pauschal und unabhängig von der Kontextlänge, dazu $0,25 pro Million gecachte Input-Tokens und $0,007 pro Websuche- oder Fetch-Aufruf. Wer lieber monatlich zahlt, hat drei Abos zur Wahl, $20, $100 und $200, und jedes enthält alle Fugu-Modelle.

Der Listenpreis ist günstig, aber eine Preisseite erzählt nie die ganze Geschichte. Zwei Dinge bestimmen die echte Rechnung: Fugu Max ist ein Orchestrierungsmodell, das eine Anfrage an einen Pool kleinerer Modelle verteilt, und der gesamte interne Datenverkehr landet auf Ihrem Zähler, sodass eine Anfrage mehr kosten kann als ein Aufruf an ein einzelnes Modell. In die andere Richtung leistet Caching viel: Im Live-Panel von OpenRouter lag der effektive Input-Preis in den ersten Tagen von Fugu Max bei etwa $0,61 pro Million gegenüber $2 laut Liste.

Seit über drei Jahren beobachte ich, wie Teams Modelle für den Kundensupport auswählen, und das Muster ist immer gleich: Der Token-Tarif ist die einfachste Zahl zum Vergleichen und die falsche zum Optimieren. Was Sie für die Lösung eines Tickets zahlen, hängt vom gesamten System rund um das Modell ab. Diese Lücke schließt ein AI-Teammate wie eesel, und dort liegt die eigentliche Kostenrechnung.

Sakana Fugu Max Preise: die komplette Tariftabelle

Hier das vollständige Pay-as-you-go-Bild für das Modell, direkt aus Sakanas FAQ und der OpenRouter-Modellseite. Die Modell-ID ist fugu-max (v1.0).

Das pauschale Design ist das Sauberste daran. Laut Sakana gilt der Tarif von $2/$6 „unabhängig von der Kontextlänge“, ein Prompt mit 900K Tokens kostet pro Token also dasselbe wie ein kurzer, egal was das Kontextfenster fasst. Die meisten Spitzenmodelle verlangen ab einem Schwellenwert einen Long-Context-Aufschlag. Wer also regelmäßig große Dokumente an ein Modell schickt, hat hier einen echten, nachprüfbaren Vorteil.

Zum Vergleich: Das Schwestermodell Fugu Ultra v2 wird bei langem Kontext teurer, wodurch der pauschale Tarif der Max-Stufe selbst innerhalb derselben Familie hervorsticht:

Die zwei Zahlungswege und eine Namensfalle

Fugu lässt sich auf zwei Arten kaufen, und sie werden leicht verwechselt.

Die Abos sind ein monatliches Kontingent, und jede Stufe gibt Zugriff auf alle Fugu-Modelle, nicht nur auf Max:

Pay-as-you-go dagegen „rechnet nach Token-Nutzung statt nach einem Monatskontingent ab und bietet flexible Kapazität für Spitzen und große Aufträge“, was Sakana an Unternehmenskunden richtet, die ihre Nutzung nicht im Voraus deckeln können.

Nun die Falle. Das Abo „Max Plan“ ist nicht dasselbe wie das Modell „Fugu Max“. Der Plan für $200 ist ein Nutzungskontingent, das jedes Modell der Familie einschließt. Fugu Max ist eines der Modelle darin. Sie können das Modell Fugu Max problemlos im Standard-Plan für $20 oder per Pay-as-you-go nutzen, das Abo für $200 brauchen Sie dafür nicht. Es ist eine kleine sprachliche Überschneidung, die fast jeden stolpern lässt, der die Preisseite zum ersten Mal liest.

Der Haken bei den Orchestrierungs-Tokens

Das ist der Teil der Sakana Fugu Max Preise, den eine Tariftabelle verbirgt, und es ist das Wichtigste, was Sie vor dem Budgetieren verstehen sollten.

Wenn Sie Fugu Max aufrufen, sprechen Sie nicht mit einem einzelnen Modell. Sie sprechen mit einem gelernten Koordinator, der Ihre Anfrage liest, sie über einen Pool aus Open-Weight- und spezialisierten Modellen leitet und daraus eine Antwort zusammensetzt. Das ist der ganze Reiz der Fugu-Familie: Sie erhalten ein Multi-Agenten-System, ein echtes AI-Agent-Muster, ohne es selbst zu bauen.

Die Folge für die Abrechnung steht auf OpenRouter klar: „Orchestration tokens consumed by the system are billed as standard input/output tokens.“ Auf Deutsch: Der interne Austausch zwischen den Modellen läuft auf Ihrem Zähler, er ist nicht kostenlos. Eine einzelne Anfrage, die an drei oder vier Modelle verteilt wird, kann deutlich mehr Tokens verbrennen als ein direkter Aufruf an ein einzelnes Modell, und der niedrige Output-Tarif von $6 führt nicht automatisch zu einer niedrigen Rechnung pro Antwort.

Sakana mildert das ab, und man sollte den Mechanismus fair wiedergeben. Laut FAQ gilt bei mehreren aktiven Agenten: „we never stack fees: you pay a single rate based on the top-tier model involved.“ Mehr Agenten in einer Anfrage vervielfachen also nicht den berechneten Tarif, es fließen nur mehr Tokens zu diesem einen Tarif. Fazit: Ihre Kosten skalieren mit der Gesamtzahl der Tokens, und Orchestrierung bläht diese Gesamtzahl auf. Budgetieren Sie nach Tokens pro Antwort, nicht nach dem Listentarif.

Was Käufer in den ersten Tagen tatsächlich gezahlt haben

Listenpreise und echte Rechnungen sind verschiedene Zahlen, und diesmal gibt es einen öffentlichen Einblick in die Lücke. Im Live-Preis-Panel von OpenRouter sahen die Zahlen in den ersten Tagen nach dem Start von Fugu Max am 11. September so aus:

• Gelistet: $2 Input / $6 Output pro Million.
• Effektiver Input-Preis: ~$0,61 pro Million, deutlich unter den $2 der Liste.
• Effektiver Output-Preis: $6 pro Million, unverändert.
• Cache-Trefferquote: 79,4%, was den effektiven Input-Preis nach unten zieht.
• Durchsatz von etwa 29 Tokens pro Sekunde, ein Anbieter, 100% Verfügbarkeit.

Caching senkt also die Input-Kosten stark, während der Output auf Listenpreis bleibt. Das zeigt, wo sich Optimierung lohnt: Fugu Max belohnt intensives Caching und bestraft geschwätzige, output-lastige Generierung. Wenn Ihre Workload viel denselben Kontext wiederverwendet (ein fester System-Prompt, ein stabiler Dokumentenbestand), kann der effektive Input-Tarif nur einen Bruchteil des Listenpreises betragen. Ist jeder Aufruf neu und output-lastig, liegen Sie näher an der $6-Linie.

Wie die Kosten im Vergleich zu anderen Modellen aussehen

Hier bekommt die Preisgestaltung ihre Schlagzeile. Sakana behauptet in seinem Release-Beitrag, Fugu Max liefere Output „40-60% günstiger“ als Sonnet 5, GPT-5.6 Terra und Kimi K3 und komme dabei „within striking distance of elite models“. Gegenübergestellt mit den Listentarifen der jeweiligen Anbieter ist der Unterschied beim Output real:

Zwei ehrliche Einschränkungen, bevor Sie diese Tabelle als Screenshot weitergeben. Erstens sind das Listentarife zum Zeitpunkt des Schreibens, und Anbieter ändern sie, nehmen Sie die Werte also als Momentaufnahme, nicht als Vertrag. Zweitens vergleicht die Tabelle den reinen Token-Tarif, der, wie der Abschnitt zur Orchestrierung zeigt, nicht dasselbe ist wie Ihre Kosten pro Antwort bei Fugu Max. Ein Modell, das verteilt, verbraucht mehr Tokens für dieselbe Antwort als eines, das nicht verteilt, sodass ein günstigerer Tarif trotzdem eine ähnliche Rechnung ergeben kann.

Das Effizienzargument ist der eigentliche Pitch, und ich halte ihn für fair: Leistung nahe an den Spitzenmodellen bei niedrigeren Output-Kosten, bislang nur durch Sakanas eigene Benchmarks belegt. Die stärksten proprietären Modelle, etwa Fable 5, gehören nicht zum Pool von Fugu, was genau Sakanas Aussage ist und zugleich eine Grenze dafür, wie weit der Vergleich trägt. Wie bei jeder Behauptung zu einem AI-Modell ist die Tabelle des Anbieters ein Ausgangspunkt, kein Beweis.

Berechnen Sie Ihre eigene Fugu-Max-Rechnung

Die Rechnung oben lässt sich leichter fühlen als lesen, hier also ein kleiner Rechner. Geben Sie Ihr ungefähres monatliches Volumen und Ihr Cache-Verhalten ein, und er schätzt die Pay-as-you-go-Rechnung und zeigt, ab wann sich das Max-Abo für $200 lohnt.

Was beim Ziehen der Regler auffällt: Die Cache-Trefferquote bewegt die Input-Zeile stärker als das reine Volumen. Das passt zu den OpenRouter-Daten, und es ist das Erste, was ich optimieren würde, bevor ich mir über die Abo-Stufe Gedanken mache.

Wo die Rechnung eines Modells endet und die echten Kosten beginnen

Auf diese Unterscheidung komme ich immer wieder zurück, weil ein Preisbeitrag sie leicht vergessen lässt: Die Token-Rechnung sind nicht die Kosten, auf die es bei den meisten Aufgaben ankommt. Sie sind die Kosten des Motors, nicht die Kosten der Arbeit.

Nehmen wir den Kundensupport, den Bereich, den ich am besten kenne. Ein Modell, egal wie günstig seine Tokens sind, liefert Ihnen Text zurück. Um daraus gelöste Tickets zu machen, müssen Sie es noch an Ihr Helpdesk anbinden, ihm Ihre Wissensdatenbank und Richtlinien beibringen, ihm die Berechtigung geben, eine Bestellung nachzuschlagen oder ein Ticket zu taggen, festlegen, wann es an einen Menschen eskaliert, und seine Sicherheit nachweisen, bevor es einen echten Kunden berührt. Diese Arbeit macht den Großteil des Projekts aus, und nichts davon taucht in einem Tarif pro Million Tokens auf.

Genau deshalb vergleiche ich die Kosten eines AI-Agenten mit denen eines menschlichen Mitarbeiters anhand der Lösung, nicht anhand von Tokens, und deshalb beruht auch ein Kostenvergleich mit einem Offshore-Support-Team auf derselben Rechnung pro Lösung.

Es ist dieselbe Logik, die Fugu selbst attraktiv macht: Die meisten Teams wollen die Multi-Agenten-Infrastruktur nicht selbst bauen und kaufen daher verwaltete Orchestrierung. Eine Ebene höher gedacht, wollen Sie für den Support wahrscheinlich auch nicht den ganzen Mitarbeiter rund um ein Modell von Hand bauen.

eesel ausprobieren: Preis pro Ticket, nicht pro Token

Genau diese Lücke füllt eesel. eesel ist eine Plattform für AI-Teammates: Sie stellen einsatzbereite Teammates für bestimmte Aufgaben ein, und jedes bringt die Fähigkeiten, Integrationen und den Unternehmenskontext für seine Rolle mit. Das AI-Helpdesk-Teammate steigt in Ihre bestehende Warteschlange ein, schlägt Bestellungen und Datensätze nach, taggt Tickets und entwirft oder sendet Antworten, alles innerhalb des Helpdesks, den Sie bereits betreiben.

Der Teil, der für einen Preisbeitrag zählt: Sie rechnen nie pro Modell. eesel läuft im Hintergrund auf Spitzenmodellen und übernimmt diese Wahl für Sie, und es berechnet einen Credit pro Ticket oder Chat (Pläne ab $299/Monat für 500 Credits), nicht Tokens, sodass die Zahl, die Sie planen, der erledigten Arbeit entspricht. Es lernt aus Ihren vergangenen Tickets und Ihrer Wissensdatenbank, bindet sich in über 1000 Tools wie Zendesk, Freshdesk und Gorgias ein und lässt Sie an historischen Tickets simulieren, um sowohl die Lösungsquote als auch die Kosten zu sehen, bevor es je einem Kunden antwortet, der Probelauf, den Fugus undurchsichtiges Routing nicht bieten kann.

Wer im Terminal lebt: eesel bietet auch eine echte programmierbare Oberfläche. Die eesel CLI (@eesel/cli) und ihr MCP-Server lassen einen Menschen, ein Skript oder einen Coding-Agenten wie Claude Code dasselbe Teammate steuern wie das Dashboard: Integrationen verbinden, die Standardanweisungen des Teammates bearbeiten, mit eesel activity jeden Lauf prüfen und Aktionen genehmigen oder ablehnen, alles als JSON, mit einem --dry-run-Flag, das den genauen Aufruf ausgibt, den ein Schreibvorgang absenden würde, bevor er gesendet wird. Das ist der agentische Zugriff, den eine reine Modell-API Ihnen selbst zu bauen überlässt.

Fugu Max ist eine starke Antwort auf die Frage „Welches Modell soll meine App antreiben, und was kosten die Tokens?“. Wenn Ihre eigentliche Frage lautet „Was kostet es, mehr Tickets zu lösen?“, können Sie eesel kostenlos testen, ohne Kreditkarte und ohne Verkaufsgespräch, und die Arbeit bepreisen statt den Token.