Sakana: Fugu Ultra v2

Sakana: Fugu Ultra v2 è un modello testuale di Sakana, ed è il membro con prestazioni più elevate della famiglia Fugu di Sakana AI. Fugu non è un singolo modello monolitico. È un sistema di orchestrazione multi-agente appreso, in cui un modello linguistico viene addestrato a coordinare il lavoro di più agenti. Fugu Ultra v2 si colloca al vertice di quella famiglia, quindi se stai scegliendo all'interno della linea Fugu, questa è la variante pensata per il lavoro più impegnativo.

Il modello accetta testo, immagini e file come input, e produce testo come output. La sua finestra di contesto è di 1.000.000 di token, abbastanza ampia da contenere documenti molto lunghi, interi codebase o cronologie di conversazione estese in una singola richiesta. L'output massimo è di 128.000 token, quindi sono possibili generazioni lunghe insieme a input lunghi. Il suo knowledge cutoff è 2026-08-28, e la data di rilascio del provider è 2026-09-11.

Poiché accetta immagini e file oltre al testo, Fugu Ultra v2 si adatta a compiti che mescolano formati: riassumere o estrarre dati da documenti scansionati e PDF, rispondere a domande su screenshot o diagrammi, e revisionare report lunghi in cui il materiale di origine arriva come allegato. L'ampia finestra di contesto si adatta all'analisi del codice a livello di repository, alla ricerca multi-documento e ai flussi di lavoro agentici che devono mantenere molto stato sotto osservazione. I parametri supportati puntano nella stessa direzione. Tools e tool choice permettono al modello di chiamare funzioni, gli structured outputs permettono di vincolare le risposte a uno schema, e le opzioni di web search gli permettono di andare oltre i suoi dati di addestramento. I controlli di reasoning (include reasoning, reasoning e reasoning effort) ti permettono di decidere quanta deliberazione interna compie il modello prima di rispondere, il che è utile quando vuoi scambiare latenza con accuratezza su problemi difficili.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando il model id "sakana/fugu-ultra-v2". Poiché l'API segue il formato OpenAI, gli SDK e i client OpenAI esistenti funzionano con il solo cambio di base URL e chiave. I parametri di richiesta supportati per questo modello sono include_reasoning, reasoning, reasoning_effort, structured_outputs, tool_choice, tools e web_search_options. Se ti affidi a un parametro che non è in quell'elenco, non è supportato qui.

Una considerazione pratica è che il modello produce solo testo. Se la tua pipeline necessita di immagini generate, audio o altri output non testuali, avrai bisogno di un modello diverso per quella fase. I controlli di reasoning aggiungono anche una decisione: un reasoning effort più alto può migliorare le risposte su compiti complessi ma può aumentare il tempo di risposta, quindi per richieste semplici e ad alto volume potresti preferire un effort più basso o un modello più leggero della famiglia Fugu.