Sakana: Fugu Ultra v2

Sakana: Fugu Ultra v2 is een tekstmodel van Sakana, en het is het krachtigere lid van de Fugu-familie van Sakana AI. Fugu is niet één monolithisch model. Het is een geleerd multi-agent orkestratiesysteem, waarin een taalmodel wordt getraind om het werk van meerdere agents te coördineren. Fugu Ultra v2 staat bovenaan die familie, dus als je binnen de Fugu-lijn kiest, is dit de variant die bedoeld is voor het meest veeleisende werk.

Het model accepteert tekst, afbeeldingen en bestanden als invoer, en het produceert tekst als uitvoer. Het contextvenster is 1.000.000 tokens, wat groot genoeg is om zeer lange documenten, volledige codebases of uitgebreide gespreksgeschiedenissen in één verzoek te bevatten. De maximale uitvoer is 128.000 tokens, dus lange generaties zijn mogelijk naast lange invoer. De knowledge cutoff is 2026-08-28, en de releasedatum van de provider is 2026-09-11.

Omdat het naast tekst ook afbeeldingen en bestanden aanneemt, past Fugu Ultra v2 bij taken die formaten mixen: het samenvatten of extraheren van gegevens uit gescande documenten en PDF's, het beantwoorden van vragen over screenshots of diagrammen, en het beoordelen van lange rapporten waarbij het bronmateriaal als bijlage binnenkomt. Het grote contextvenster past bij code-analyse op repositoryniveau, onderzoek over meerdere documenten, en agentische workflows die veel status in beeld moeten houden. De ondersteunde parameters wijzen in dezelfde richting. Tools en tool choice laten het model functies aanroepen, structured outputs laten je antwoorden aan een schema binden, en web search options laten het buiten zijn trainingsgegevens reiken. Reasoning-besturing (include reasoning, reasoning, en reasoning effort) laat je bepalen hoeveel interne afweging het model doet voordat het antwoordt, wat nuttig is wanneer je op moeilijke problemen latentie wilt inruilen voor zorgvuldigheid.

Je roept het model aan via de OpenAI-compatibele API van api14 met het model-id "sakana/fugu-ultra-v2". Omdat de API het OpenAI-formaat volgt, werken bestaande OpenAI SDK's en clients met alleen een wijziging van base URL en key. De verzoekparameters die voor dit model worden ondersteund zijn include_reasoning, reasoning, reasoning_effort, structured_outputs, tool_choice, tools, en web_search_options. Als je vertrouwt op een parameter die niet in die lijst staat, wordt deze hier niet ondersteund.

Een praktische overweging is dat het model alleen tekst uitvoert. Als je pipeline gegenereerde afbeeldingen, audio of andere niet-tekstuele uitvoer nodig heeft, heb je voor die fase een ander model nodig. De reasoning-besturing voegt ook een keuze toe: hogere reasoning effort kan antwoorden op complexe taken verbeteren, maar kan de responstijd verhogen, dus voor eenvoudige verzoeken met hoog volume geef je misschien de voorkeur aan lagere effort of een lichter model in de Fugu-familie.