Sakana: Fugu Ultra

Sakana: Fugu Ultra is een tekstgeneratiemodel van Sakana AI, en het staat bovenaan de Fugu-familie van het bedrijf als de krachtigere optie. Wat de Fugu-lijn ongebruikelijk maakt, is de architectuur: in plaats van een enkel monolithisch model is Fugu een geleerd multi-agent orkestratiesysteem, waarin een taalmodel wordt getraind om werk over meerdere agents te routeren. Fugu Ultra is het grotere, capabelere lid van die familie, dus als je de aanpak van Sakana evalueert, is dit de variant die gericht is op veeleisende workloads in plaats van lichtgewicht.

Aan de invoerkant accepteert Fugu Ultra tekst en afbeeldingen, en het produceert tekst als uitvoer. Die combinatie betekent dat je prompts kunt sturen die geschreven instructies met visuele inhoud mengen, en een enkele tekstreactie ontvangt. Het contextvenster is zeer groot met 1.000.000 tokens, waardoor je kunt werken met lange documenten, uitgebreide gesprekken of omvangrijke verzamelingen materiaal in één verzoek zonder ze zelf op te splitsen. De maximale uitvoerlengte is 128.000 tokens, dus reacties kunnen overeenkomstig lang zijn wanneer een taak dat vereist. Ondersteunde verzoekparameters omvatten reasoning-besturingen (reasoning, reasoning_effort en include_reasoning), structured_outputs, toolgebruik via tools en tool_choice, en web_search_options.

Die mogelijkheden wijzen op een vrij specifieke set praktische toepassingen. De context van een miljoen tokens past bij taken zoals het analyseren van lange rapporten, contracten of codebases, of het behouden van continuïteit gedurende een lange sessie. Afbeeldingsinvoer opent deur naar documentbegrip, screenshotanalyse en workflows met gemengde media waarbij het model zowel tekst als beeld moet lezen. Omdat tool calling en structured outputs worden ondersteund, past Fugu Ultra ook in agentische pipelines: je kunt het laten beslissen wanneer het externe functies aanroept en zijn antwoorden beperken tot een schema dat je applicatie kan parsen. De reasoning-parameters laten je de inspanning hoger of lager zetten, afhankelijk van hoeveel beraad een taak nodig heeft, en web_search_options is beschikbaar wanneer een verzoek baat heeft bij zoeken.

Het model aanroepen via api14 is eenvoudig omdat de gateway een OpenAI-compatibele API beschikbaar stelt. Je stuurt je verzoeken naar het standaard chat completions-endpoint en stelt het model-id in op "sakana/fugu-ultra". De hierboven genoemde parameters kunnen op de gebruikelijke manier in de request body worden doorgegeven, dus bestaande OpenAI-clientbibliotheken en code die al op die interface is gericht, zouden met minimale wijzigingen moeten werken, meestal alleen het verwisselen van de modelidentificatie en het richten van de base URL op api14.

Er zijn een paar dingen om in gedachten te houden. Uitvoer is alleen tekst, dus als je gegenereerde afbeeldingen of audio nodig hebt, is dit niet het model daarvoor. De lijst met ondersteunde parameters bevat geen sampling-besturingen zoals temperature of top_p, dus als fijnmazige controle over willekeurigheid belangrijk is voor je use case, controleer dan of een ander model op api14 die knoppen beschikbaar stelt. Anders is Fugu Ultra voor lange-context, multimodale, tool-gebruikende teksttaken een redelijke kandidaat om te testen.