Sakana: Fugu Ultra

Sakana : Fugu Ultra est un modèle de génération de texte de Sakana AI, et il se situe au sommet de la famille Fugu de l'entreprise comme option la plus performante. Ce qui rend la gamme Fugu inhabituelle, c'est son architecture : plutôt que d'être un modèle monolithique unique, Fugu est un système d'orchestration multi-agents appris, dans lequel un modèle de langage est entraîné à acheminer le travail à travers plusieurs agents. Fugu Ultra est le membre plus grand et plus capable de cette famille, donc si vous évaluez l'approche de Sakana, c'est la variante destinée aux charges de travail exigeantes plutôt qu'aux charges légères.

Du côté des entrées, Fugu Ultra accepte le texte et les images, et produit du texte en sortie. Cette combinaison signifie que vous pouvez envoyer des invites qui mélangent des instructions écrites avec du contenu visuel, et recevoir une seule réponse textuelle. La fenêtre de contexte est très grande, à 1 000 000 de tokens, ce qui vous permet de travailler avec de longs documents, des conversations étendues ou des collections importantes de matériel en une seule requête sans les découper vous-même. La longueur maximale de sortie est de 128 000 tokens, donc les réponses peuvent être proportionnellement longues lorsqu'une tâche l'exige. Les paramètres de requête pris en charge incluent les contrôles de raisonnement (reasoning, reasoning_effort et include_reasoning), structured_outputs, l'utilisation d'outils via tools et tool_choice, et web_search_options.

Ces capacités indiquent un ensemble assez spécifique d'usages pratiques. Le contexte d'un million de tokens convient à des tâches telles que l'analyse de longs rapports, de contrats ou de bases de code, ou le maintien de la continuité sur une longue session. L'entrée d'images ouvre la compréhension de documents, l'analyse de captures d'écran et les flux de travail multimédia mixtes où le modèle doit lire à la fois de la prose et des visuels. Parce que l'appel d'outils et les sorties structurées sont pris en charge, Fugu Ultra convient également aux pipelines agentiques : vous pouvez le laisser décider quand appeler des fonctions externes et contraindre ses réponses à un schéma que votre application peut analyser. Les paramètres de raisonnement vous permettent d'augmenter ou de réduire l'effort selon la quantité de délibération nécessaire à une tâche, et web_search_options est disponible lorsqu'une requête bénéficie d'une recherche.

Appeler le modèle via api14 est simple car la passerelle expose une API compatible OpenAI. Vous envoyez vos requêtes au point de terminaison standard de complétions de chat et définissez l'identifiant du modèle sur "sakana/fugu-ultra". Les paramètres listés ci-dessus peuvent être transmis dans le corps de la requête de la manière habituelle, donc les bibliothèques clientes OpenAI existantes et le code qui cible déjà cette interface devraient fonctionner avec des modifications minimales, généralement juste en remplaçant l'identifiant du modèle et en pointant l'URL de base vers api14.

Il y a quelques points à garder à l'esprit. La sortie est uniquement textuelle, donc si vous avez besoin d'images ou d'audio générés, ce n'est pas le modèle pour cela. La liste des paramètres pris en charge n'inclut pas les contrôles d'échantillonnage tels que temperature ou top_p, donc si un contrôle fin de l'aléatoire compte pour votre cas d'usage, vérifiez si un autre modèle sur api14 expose ces réglages. Sinon, pour les tâches textuelles à long contexte, multimodales et utilisant des outils, Fugu Ultra est un candidat raisonnable à tester.