Sakana: Fugu Max

Sakana: Fugu Max é um modelo de geração de texto da Sakana AI, o laboratório por trás da família Fugu. O Fugu Max é descrito como o modelo de custo-benefício dessa família, e sua arquitetura é incomum: em vez de um único modelo monolítico, o Fugu é um sistema de orquestração multiagente aprendido, no qual um modelo de linguagem é treinado para encaminhar o trabalho entre vários agentes. Para um desenvolvedor, a implicação prática é que uma única chamada de API ao Fugu Max pode recorrer a um conjunto orquestrado de componentes em vez de um caminho de modelo fixo. Ele está listado na categoria de texto e foi lançado pelo provedor em 2026-09-11.

No lado da entrada, o Fugu Max aceita texto, imagens e arquivos, e produz saída de texto. A janela de contexto é de 1.000.000 de tokens, o que é suficiente para conter documentos muito longos, bases de código inteiras ou históricos de conversa extensos em uma única requisição. A saída máxima é de 128.000 tokens, portanto gerações de formato longo são possíveis sem encadear muitas chamadas. Os parâmetros de requisição suportados incluem include_reasoning, reasoning, reasoning_effort, structured_outputs, tool_choice, tools e web_search_options. Controles de raciocínio e saídas estruturadas estão disponíveis junto com chamada de ferramentas e busca na web, o que significa que o modelo pode ser solicitado a expor seu raciocínio, a retornar respostas em conformidade com um esquema e a invocar ferramentas externas ou busca durante uma requisição.

Essas capacidades sugerem alguns casos de uso concretos. A análise de contexto longo é um encaixe natural: fornecer contratos grandes, artigos de pesquisa, logs ou repositórios e pedir resumos, extração ou resposta a perguntas dentro de uma única janela. Como imagens e arquivos são aceitos como entrada, fluxos de trabalho com muitos documentos, como analisar relatórios digitalizados ou material de mídia mista, também são razoáveis. Os parâmetros de ferramentas e busca na web tornam o modelo adequado para aplicações no estilo agente que precisam chamar funções ou consultar informações atuais, e structured_outputs ajuda quando o resultado precisa ser analisado programaticamente em vez de lido por uma pessoa. As configurações de esforço de raciocínio permitem trocar profundidade de deliberação por latência em tarefas como planejamento em várias etapas ou depuração.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "sakana/fugu-max". Como a interface segue o formato de chat completions da OpenAI, clientes e SDKs existentes geralmente funcionam apenas com a mudança da URL base e do id do modelo. Na requisição você pode definir os parâmetros listados acima: include_reasoning, reasoning, reasoning_effort, structured_outputs, tool_choice, tools e web_search_options, junto com os campos usuais de messages e amostragem. Se você depende de traços de raciocínio, saída restringida por esquema, chamada de funções ou busca na web, confirme que esses parâmetros são passados explicitamente, pois o comportamento depende do que o endpoint encaminha.

Os fatos apresentados aqui não especificam latência, throughput ou comparações de qualidade, portanto vale a pena testar o Fugu Max com sua própria carga de trabalho antes de se comprometer. Se sua tarefa é puramente geração de texto com um contexto modesto e sem necessidade de ferramentas, busca, controles de raciocínio ou saídas estruturadas, um modelo mais simples pode ser suficiente. O Fugu Max faz mais sentido quando você quer a janela de contexto grande, entrada multimodal ou os recursos de orquestração e ferramentas juntos em uma única chamada.