Sakana: Fugu Ultra v2

Sakana: Fugu Ultra v2 es un modelo de texto de Sakana, y es el miembro de mayor rendimiento de la familia Fugu de Sakana AI. Fugu no es un único modelo monolítico. Es un sistema de orquestación multiagente aprendido, en el que se entrena un modelo de lenguaje para coordinar el trabajo de múltiples agentes. Fugu Ultra v2 se sitúa en la cima de esa familia, así que si eliges dentro de la línea Fugu, esta es la variante pensada para el trabajo más exigente.

El modelo acepta texto, imágenes y archivos como entrada, y produce texto como salida. Su ventana de contexto es de 1.000.000 de tokens, lo suficientemente grande como para contener documentos muy largos, bases de código completas o historiales de conversación extensos en una sola solicitud. La salida máxima es de 128.000 tokens, por lo que son posibles generaciones largas junto con entradas largas. Su fecha de corte de conocimiento es 2026-08-28, y la fecha de lanzamiento del proveedor es 2026-09-11.

Como acepta imágenes y archivos además de texto, Fugu Ultra v2 encaja en tareas que mezclan formatos: resumir o extraer datos de documentos escaneados y PDFs, responder preguntas sobre capturas de pantalla o diagramas, y revisar informes largos en los que el material de origen llega como archivo adjunto. La gran ventana de contexto es adecuada para el análisis de código a nivel de repositorio, la investigación con múltiples documentos y los flujos de trabajo agénticos que necesitan mantener mucho estado a la vista. Los parámetros admitidos apuntan en la misma dirección. Tools y tool choice permiten al modelo llamar a funciones, structured outputs te permite restringir las respuestas a un esquema, y las opciones de búsqueda web le permiten ir más allá de sus datos de entrenamiento. Los controles de razonamiento (include reasoning, reasoning y reasoning effort) te permiten decidir cuánta deliberación interna realiza el modelo antes de responder, lo cual es útil cuando quieres intercambiar latencia por cuidado en problemas difíciles.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "sakana/fugu-ultra-v2". Como la API sigue el formato de OpenAI, los SDKs y clientes de OpenAI existentes funcionan con solo cambiar la URL base y la clave. Los parámetros de solicitud admitidos para este modelo son include_reasoning, reasoning, reasoning_effort, structured_outputs, tool_choice, tools y web_search_options. Si dependes de un parámetro que no está en esa lista, no se admite aquí.

Una consideración práctica es que el modelo solo produce texto. Si tu canalización necesita imágenes generadas, audio u otra salida que no sea texto, necesitarás un modelo diferente para esa etapa. Los controles de razonamiento también añaden una decisión: un mayor esfuerzo de razonamiento puede mejorar las respuestas en tareas complejas, pero puede aumentar el tiempo de respuesta, así que para solicitudes simples y de gran volumen quizá prefieras un esfuerzo menor o un modelo más ligero de la familia Fugu.