Sakana: Fugu Ultra

Sakana: Fugu Ultra är en textgenereringsmodell från Sakana AI, och den ligger i toppen av företagets Fugu-familj som det mer högpresterande alternativet. Det som gör Fugu-serien ovanlig är dess arkitektur: i stället för att vara en enda monolitisk modell är Fugu ett inlärt multiagent-orkestreringssystem, där en språkmodell tränas för att dirigera arbete över flera agenter. Fugu Ultra är den större och mer kapabla medlemmen i den familjen, så om du utvärderar Sakana's angreppssätt är detta varianten som riktar sig mot krävande arbetsbelastningar snarare än lätta.

På indatasidan accepterar Fugu Ultra text och bilder, och den producerar text som utdata. Den kombinationen innebär att du kan skicka prompter som blandar skriftliga instruktioner med visuellt innehåll, och få ett enda textsvar. Kontextfönstret är mycket stort på 1 000 000 tokens, vilket låter dig arbeta med långa dokument, utdragna konversationer eller omfattande materialsamlingar i en enda begäran utan att dela upp dem själv. Den maximala utdatalängden är 128 000 tokens, så svaren kan vara motsvarande långa när en uppgift kräver det. Parametrar som stöds i begäran inkluderar resonemangskontroller (reasoning, reasoning_effort och include_reasoning), structured_outputs, verktygsanvändning via tools och tool_choice, samt web_search_options.

Dessa förmågor pekar mot en ganska specifik uppsättning praktiska användningsområden. Kontexten på en miljon tokens passar uppgifter som att analysera långa rapporter, avtal eller kodbaser, eller att upprätthålla kontinuitet genom en lång session. Bildindata öppnar upp för dokumentförståelse, skärmbildsanalys och arbetsflöden med blandade medier där modellen behöver läsa både text och visuellt innehåll. Eftersom verktygsanrop och strukturerade utdata stöds passar Fugu Ultra också för agentiska pipelines: du kan låta den avgöra när externa funktioner ska anropas och begränsa dess svar till ett schema som din applikation kan tolka. Resonemangsparametrarna låter dig skruva upp eller ner ansträngningen beroende på hur mycket övervägande en uppgift kräver, och web_search_options är tillgängligt när en begäran drar nytta av sökning.

Att anropa modellen via api14 är enkelt eftersom gatewayen exponerar ett OpenAI-kompatibelt API. Du skickar dina begäranden till standardändpunkten för chat completions och anger modell-id:t till "sakana/fugu-ultra". Parametrarna som listas ovan kan skickas i begärans brödtext på vanligt sätt, så befintliga OpenAI-klientbibliotek och kod som redan riktar sig mot det gränssnittet bör fungera med minimala ändringar, vanligtvis bara genom att byta ut modellidentifieraren och peka bas-URL:en mot api14.

Det finns ett par saker att ha i åtanke. Utdata är endast text, så om du behöver genererade bilder eller ljud är detta inte modellen för det. Listan över parametrar som stöds innehåller inte samplingskontroller som temperature eller top_p, så om finmaskig kontroll över slumpmässighet är viktig för ditt användningsfall bör du kontrollera om en annan modell på api14 exponerar dessa reglage. I övrigt, för textuppgifter med lång kontext, multimodalitet och verktygsanvändning, är Fugu Ultra en rimlig kandidat att testa.