Sakana: Sakana Namazu

Sakana Namazu es un modelo de texto de Sakana AI, un proveedor cuyo trabajo se centra en el idioma japonés y los contextos empresariales. El modelo se describe como un modelo de razonamiento especializado en japonés basado en Kimi K2.6, con entrenamiento adicional aplicado para el idioma japonés y el uso empresarial. Su id de modelo en api14 es sakana/sakana-namazu, y se sitúa en la categoría de texto. Si estás desarrollando para usuarios de habla japonesa o para flujos de trabajo donde el seguimiento de instrucciones en japonés importa, este es el modelo a evaluar primero.

En el lado de la entrada, Sakana Namazu acepta texto, imágenes y archivos, y produce salida de texto. Esa combinación significa que puedes enviar un prompt junto con un documento escaneado, una captura de pantalla o un archivo tipo PDF y recibir una respuesta escrita, en lugar de estar limitado a prompts de texto plano. La ventana de contexto es de 262.144 tokens, lo cual es suficientemente grande para contener documentos largos o un historial de conversación extenso en una sola solicitud. La salida máxima es de 65.536 tokens, por lo que las respuestas pueden ser sustanciales cuando la tarea lo requiere. El razonamiento es una parte fundamental del modelo, y los parámetros soportados incluyen include_reasoning, reasoning y reasoning_effort, que te permiten controlar cuánto trabajo de razonamiento interno realiza el modelo antes de responder.

Esas capacidades apuntan a un conjunto bastante específico de casos de uso. La revisión de documentos en japonés es un encaje obvio: envía un contrato, un informe o un formulario como archivo o imagen, haz preguntas sobre él en japonés y obtén una respuesta en japonés sin un paso de traducción separado. El análisis de contexto largo es otro, ya que la ventana de 262.144 tokens te permite trabajar sobre materiales extensos en una sola pasada. Debido a que el modelo acepta imágenes además de archivos, tareas como extraer información de páginas escaneadas o leer gráficos y tablas dentro de documentos están a tu alcance. Los controles de razonamiento también lo hacen útil para problemas de varios pasos donde quieres que el modelo trabaje a través de la lógica en lugar de responder de inmediato.

Llamar al modelo a través de api14 es lo mismo que llamar a cualquier otro modelo en el gateway, ya que la API es compatible con OpenAI. Estableces el campo model a sakana/sakana-namazu y envías tu solicitud al endpoint de chat completions con tu clave de api14. Los parámetros de solicitud soportados son include_reasoning, reasoning, reasoning_effort, structured_outputs, tool_choice, tools y web_search_options. En la práctica, eso significa que puedes solicitar salida JSON estructurada a través de structured_outputs, definir funciones o servicios externos a través de tools y tool_choice, ajustar la profundidad del razonamiento a través de los parámetros de reasoning, y habilitar la búsqueda web a través de web_search_options. Debido a que la interfaz sigue el esquema de OpenAI, las bibliotecas de cliente existentes y el código escrito para modelos de OpenAI deberían funcionar con solo cambiar el id del modelo.

Vale la pena tener en cuenta que la modalidad de salida es solo texto. Si tu aplicación necesita imágenes o audio generados, este modelo no los proporcionará. La especialización también es un factor: Sakana Namazu está construido pensando en el idioma japonés y los contextos empresariales, así que para cargas de trabajo puramente centradas en inglés un modelo de propósito general puede ser una elección más natural. Para tareas en japonés que involucran documentos largos, archivos o imágenes, y donde quieres control sobre la profundidad del razonamiento y la salida estructurada, es un candidato sólido.