Sakana: Fugu Ultra v2

सकाना: फुगु अल्ट्रा v2, सकाना का एक टेक्स्ट मॉडल है, और यह सकाना AI के फुगु परिवार का उच्च-प्रदर्शन सदस्य है। फुगु एक एकल अखंड मॉडल नहीं है। यह एक सीखा हुआ मल्टी-एजेंट ऑर्केस्ट्रेशन सिस्टम है, जिसमें एक भाषा मॉडल को कई एजेंटों के काम का समन्वय करने के लिए प्रशिक्षित किया जाता है। फुगु अल्ट्रा v2 उस परिवार के शीर्ष पर है, इसलिए यदि आप फुगु श्रृंखला के भीतर चुनाव कर रहे हैं, तो यह वह वेरिएंट है जो सबसे कठिन काम के लिए बनाया गया है।

मॉडल इनपुट के रूप में टेक्स्ट, छवियाँ और फ़ाइलें स्वीकार करता है, और आउटपुट के रूप में टेक्स्ट उत्पन्न करता है। इसकी कॉन्टेक्स्ट विंडो 1,000,000 टोकन है, जो इतनी बड़ी है कि बहुत लंबे दस्तावेज़, पूरे कोडबेस या विस्तारित बातचीत इतिहास को एक ही अनुरोध में रख सकती है। अधिकतम आउटपुट 128,000 टोकन है, इसलिए लंबे इनपुट के साथ-साथ लंबी जनरेशन भी संभव है। इसका नॉलेज कटऑफ 2026-08-28 है, और प्रदाता की रिलीज़ तिथि 2026-09-11 है।

चूँकि यह टेक्स्ट के साथ-साथ छवियाँ और फ़ाइलें भी लेता है, फुगु अल्ट्रा v2 उन कार्यों के लिए उपयुक्त है जो प्रारूपों को मिलाते हैं: स्कैन किए गए दस्तावेज़ों और PDFs से डेटा का सारांश बनाना या निकालना, स्क्रीनशॉट या आरेखों पर प्रश्नों के उत्तर देना, और लंबी रिपोर्टों की समीक्षा करना जहाँ स्रोत सामग्री अनुलग्नक के रूप में आती है। बड़ी कॉन्टेक्स्ट विंडो रिपॉज़िटरी-स्तरीय कोड विश्लेषण, बहु-दस्तावेज़ शोध, और एजेंटिक वर्कफ़्लो के लिए उपयुक्त है जिन्हें बहुत सारी स्थिति दृश्य में रखनी होती है। समर्थित पैरामीटर भी इसी दिशा में संकेत करते हैं। Tools और tool choice मॉडल को फ़ंक्शन कॉल करने देते हैं, structured outputs आपको प्रतिक्रियाओं को एक स्कीमा तक सीमित करने देते हैं, और web search options इसे अपने प्रशिक्षण डेटा से आगे पहुँचने देते हैं। रीज़निंग नियंत्रण (include reasoning, reasoning, और reasoning effort) आपको यह तय करने देते हैं कि उत्तर देने से पहले मॉडल कितना आंतरिक विचार करता है, जो तब उपयोगी होता है जब आप कठिन समस्याओं पर विलंबता के बदले सावधानी चाहते हैं।

आप मॉडल को api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "sakana/fugu-ultra-v2" का उपयोग करके कॉल करते हैं। चूँकि API OpenAI प्रारूप का पालन करता है, मौजूदा OpenAI SDKs और क्लाइंट केवल बेस URL और कुंजी बदलने के साथ काम करते हैं। इस मॉडल के लिए समर्थित अनुरोध पैरामीटर include_reasoning, reasoning, reasoning_effort, structured_outputs, tool_choice, tools, और web_search_options हैं। यदि आप किसी ऐसे पैरामीटर पर निर्भर हैं जो उस सूची में नहीं है, तो वह यहाँ समर्थित नहीं है।

एक व्यावहारिक विचार यह है कि मॉडल केवल टेक्स्ट आउटपुट करता है। यदि आपकी पाइपलाइन को उत्पन्न छवियाँ, ऑडियो या अन्य गैर-टेक्स्ट आउटपुट चाहिए, तो उस चरण के लिए आपको एक अलग मॉडल की आवश्यकता होगी। रीज़निंग नियंत्रण एक निर्णय भी जोड़ते हैं: उच्च reasoning effort जटिल कार्यों पर उत्तरों को बेहतर बना सकता है लेकिन प्रतिक्रिया समय बढ़ा सकता है, इसलिए सरल, उच्च-मात्रा वाले अनुरोधों के लिए आप कम effort या फुगु परिवार में किसी हल्के मॉडल को प्राथमिकता दे सकते हैं।