Sakana AI veröffentlicht RL Conductor: Neues 7B-Modell orchestriert Frontier-AIs

Ab dem 15. Mai 2026 hat Sakana AI RL Conductor veröffentlicht. Das 7B-Reinforcement-Learning-Modell entscheidet, welches Frontier-System jede Teilaufgabe übernimmt. Es erzielt bereits State-of-the-Art-Ergebnisse in Reasoning- und Coding-Benchmarks und reduziert gleichzeitig Token-Verbrauch und API-Rundgänge. Frühere Orchestrierungsschichten waren brüchige Skripte. Sie wählten ein Modell und blieben dabei. RL Conductor behandelt jede Anfrage als lebendiges Entscheidungsproblem. Es überwacht Leistung, Kosten und Ausgabequalität in Echtzeit und wechselt mitten im Workflow. Das Ergebnis zeigt sich schnell bei multimodalen Aufgaben. Bildgeneratoren, Videopipelines und Code-Agenten geben nun ohne manuelles Prompting ab.

Hier ist die Sache: Das Modell lernt eine Policy für die Modellauswahl, anstatt sich auf statische Regeln zu verlassen. Es wird dafür belohnt, Qualitätsziele zu geringeren Kosten zu erreichen. Diese Trainingsloop unterscheidet es von früheren Routern. Ersteller, die mit Video- und Bild-Stacks arbeiten, spüren den Unterschied zuerst. Ein einzelner Prompt kann jetzt GPT-5.5 für die Planung, Claude Sonnet 4 für detaillierte Beschreibungen und dann Gemini 2.5 Pro für die finale Renderung auslösen. Kein zusätzlicher Glue-Code erforderlich. Fortschritte wie Sakanas RL Conductor demonstrieren die nächste Welle intelligenter Orchestrierung, die kontrollierbarere, effizientere und kreativere AI-Video- und Bildgenerierungs-Pipelines antreiben wird. Ähnliche Routing-Logik erscheint bereits in Expertenanalysen von Tools wie Seedance 2.0 für spezialisierte Adult-Content-Workflows.

Die ersten Zahlen sehen solide aus. Der Token-Verbrauch sank spürbar im Vergleich zu starren Frameworks. Die Latenz blieb wettbewerbsfähig, selbst wenn mehrere Modelle gesampelt wurden. Am wichtigsten ist, dass es die Qualität bei kreativen Aufgaben hoch hielt, anstatt zur günstigsten Option zu greifen. - Dynamische Modellauswahl, die sich pro Schritt anpasst

• Niedrigere API-Kosten ohne Qualitätseinbrüche
• Starke Ergebnisse sowohl bei Coding als auch bei offener Generierung
• Funktioniert mit geschlossenen Frontier-Systemen und Open-Source-Alternativen Plot Twist: Der größte Gewinn könnte die Einfachheit sein. Teams müssen ihre eigene Switching-Logik nicht mehr pflegen.

Sakana rollt das Modell über seine neue Fugu-Plattform aus. Enterprise-Kunden und Forschungsgruppen stehen an erster Stelle. Unabhängige Creator werden wahrscheinlich später im Quartal begrenzten Zugang erhalten. Nicht gelogen – Preisgestaltung und genauer Rollout-Zeitplan bleiben unklar. Erste Signale deuten auf nutzungsbasierte Credits statt Flatrate-Abonnements hin. Diese Struktur könnte Kosten für kleinere Teams vernünftig halten, sobald die Tore geöffnet werden. Wild. Ein 7B-Orchestrator könnte für den täglichen kreativen Work mehr bedeuten als das nächste 100B-Basis-Modell.