Az összeállítás két izgalmas teszten keresztül mutatja be a Sakana által fejlesztett Fugu Ultra nevű AI-modellt. Először a beszélő egy élő FIFA World Cup fantasy alkalmazás képernyőképét adja be az AI-nak, majd arra kéri, hogy építsen egy működő klón applikációt egyetlen prompttal. Megvizsgálják, hogyan kezeli az orchestration modellt, illetve hogy képes-e végigvinni a teljes feladatláncot – beleértve a backendet és frontendet, az adatbázist, az automatizált teszteket és az önellenőrzést is. Felmerül a kérdés, hogy mennyire valóságosak a Sakana által hangoztatott „csúcskategóriás” teljesítményre vonatkozó állítások, illetve hogy képesek-e az ilyen modellek rendszerszintű együttműködésre.
A vizsgálat során a néző megismerheti a Fugu Ultra mögött álló technológiákat, különösen a ‘Conductor’ nevű csapat-menedzsert, amely intelligensen osztja ki az alfeladatokat különböző kisebb modellek között. Megjelenik a GRPO típusú megerősítő tanulás, az önmagát rekurzívan hívó AI-koncepció, és a Sakanára jellemző innovatív, ám néha túlzó ígéretek is.
A második kihívás során egy összetett, történetalapú problémán tesztelik a modellt: egy nőnek dokumentumok nélkül, extrém nehézségek között kell átszöknie Ázsia több országának érintésével. Megvizsgálják, vajon a rendszer képes-e egy logikusan összeálló, részletes tervet és érveléssorozatot felállítani, miközben észrevesz-e apró rejtvényeket, például rejtett nyelvi próbákat vagy logikai buktatókat.
Mindezeken keresztül izgalmas kérdések merülnek fel a mesterséges intelligencia jelenlegi és jövőbeli képességeiről, főleg abban az összefüggésben, amikor komplex, valós életből vett vagy szimulált problémák önálló megoldására kéri fel a felhasználó. Mennyit tud már most az ilyen rendszer? Hol vannak a korlátai, és mennyire lehet megbízni az önellenőrzésben, illetve a láncolt gondolkodásban?
