Puis-je exécuter Fugu Ultra v2 localement ?

Non. Sakana AI n'a pas publié les poids ouverts pour ce modèle, il est donc uniquement accessible via API et ne peut pas être auto-hébergé.

Quel est le coût et la taille du contexte ?

L'entrée coûte 5,00 $ par million de tokens et la sortie 30,00 $ par million de tokens, avec une fenêtre de contexte d'un million de tokens. Les prompts au-delà de 272K tokens sont facturés à un tarif d'entrée plus élevé, et les tokens d'orchestration générés en interne comptent dans la facture.

Qu'est-ce qui différencie Fugu Ultra v2 d'un modèle de langage large standard ?

Plutôt qu'un modèle monolithique unique, c'est un système d'orchestration appris qui répartit les tâches entre un pool de modèles ouverts et spécialisés et peut s'appeler récursivement — l'idée est que les problèmes complexes multi-étapes sont décomposés et traités par le sous-modèle le mieux adapté.

Fugu Ultra v2

2855°

#llm #sakana #vision #raisonnement #agents #programmation

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Sakana | contexte de 1 000 000 tokens | 5,00 $/M en entrée, 30,00 $/M en sortie. Fugu Ultra v2 est le modèle haute performance de la famille Fugu de Sakana AI. Plutôt qu'un modèle monolithique unique, Fugu est un système d'orchestration multi-agent appris : un modèle linguistique entraîné pour répartir les tâches entre un pool fixe de modèles ouverts et spécialisés et pour s'appeler récursivement. Fugu Ultra v2 privilégie la qualité des réponses sur des raisonnements complexes en plusieurs étapes, la recherche autonome et le développement logiciel complet, sans s'appuyer sur des modèles…Sakana | contexte de 1 000 000 tokens | 5,00 $/M en entrée, 30,00 $/M en sortie. Fugu Ultra v2 est le modèle haute performance de la famille Fugu de Sakana AI. Plutôt qu'un modèle monolithique unique, Fugu est un système d'orchestration multi-agent appris : un modèle linguistique entraîné pour répartir les tâches entre un pool fixe de modèles ouverts et spécialisés et pour s'appeler récursivement. Fugu Ultra v2 privilégie la qualité des réponses sur des raisonnements complexes en plusieurs étapes, la recherche autonome et le développement logiciel complet, sans s'appuyer sur des modèles propriétaires individuels dans son pool. Il prend en charge un effort de raisonnement configurable (high, xhigh, max), l'appel de fonctions, les sorties structurées, les entrées image et PDF, ainsi que la recherche web intégrée. Les prompts dépassant 272K tokens sont facturés à un tarif plus élevé. Les tokens d'orchestration consommés par le système sont facturés comme des tokens d'entrée/sortie standard.

Guides pour ce modèle

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Fugu Ultra v2 est le modèle phare de Sakana AI, construit non pas comme un réseau neuronal unique mais comme un système d'orchestration appris qui répartit les tâches entre un pool de modèles ouverts et spécialisés, incluant des appels récursifs à lui-même. Cette architecture est son point différenciateur : elle est conçue pour un raisonnement complexe en plusieurs étapes, la recherche autonome et le développement logiciel complet. Si vous avez besoin d'un modèle API performant pour des problèmes difficiles à plusieurs étapes et que le prix de sortie premium ne vous dérange pas, il mérite d'être considéré.

Connu pour

Orchestration multi-agent répartissant les tâches entre un pool de modèles ouverts et spécialisés
Appels récursifs à lui-même pour des chaînes de raisonnement profondes et multi-étapes
Effort de raisonnement configurable : élevé, très élevé, ou maximal
Fenêtre de contexte d'un million de tokens avec support d'images et PDF
Recherche web intégrée et sortie structurée avec appels de fonctions

Attention à

Le coût de sortie est de 30 $/M tokens — les tokens d'orchestration comptent, donc les tâches complexes facturent vite
Les prompts au-delà de 272K tokens déclenchent un tarif d'entrée plus élevé ; surveillez la longueur du contexte sur les documents longs
Poids non ouverts ; aucune option locale ou auto-hébergée

Idéal pour

Agents et utilisation d'outils

Prompts à essayer

Développement d'une fonctionnalité full-stack

Vous développez une application web de gestion de tâches. Concevez et implémentez un endpoint API REST en Node.js avec Express qui permet à un utilisateur de créer une tâche avec un titre, une date d'échéance et un niveau de priorité. Incluez la validation des entrées, la gestion des erreurs, un schéma SQLite pour la persistance, et une brève explication des compromis faits.

Plan de recherche multi-étapes

Je veux comprendre l'état actuel de la commercialisation des batteries à électrolyte solide. Identifiez les trois principaux goulots techniques, nommez les entreprises ou groupes de recherche les plus proches de les résoudre, et donnez-moi un calendrier réaliste pour l'arrivée à grande échelle des batteries à électrolyte solide dans les véhicules électriques grand public. Citez votre raisonnement à chaque étape.

Énigme de raisonnement en couches

Cinq ingénieurs possèdent chacun un langage de programmation différent, boivent une boisson différente et travaillent sur un type de projet différent. Utilisez les indices suivants pour déterminer qui travaille sur les systèmes embarqués : l'ingénieur Rust boit un espresso ; l'ingénieur Python est à côté de celui qui travaille sur les pipelines de données ; l'ingénieur Go boit du thé ; l'ingénieur systèmes embarqués ne boit pas de café ; l'ingénieur Java est à une extrémité.

Comparer avec

Sakana Namazu
Modèle uniquement API
Contexte de 262,144 tokens · entrée $0.95/M, sortie $4.00/M
Fugu Max
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $2.00/M, sortie $6.00/M
Fugu Ultra
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $5.00/M, sortie $30.00/M
DeepSeek V4.1 Flash
Modèle à poids ouverts
Contexte de 1,048,576 tokens · entrée $0.04/M, sortie $0.68/M

Plus de modèles de texte de sakana

Questions fréquentes

Puis-je exécuter Fugu Ultra v2 localement ?: Non. Sakana AI n'a pas publié les poids ouverts pour ce modèle, il est donc uniquement accessible via API et ne peut pas être auto-hébergé.
Quel est le coût et la taille du contexte ?: L'entrée coûte 5,00 $ par million de tokens et la sortie 30,00 $ par million de tokens, avec une fenêtre de contexte d'un million de tokens. Les prompts au-delà de 272K tokens sont facturés à un tarif d'entrée plus élevé, et les tokens d'orchestration générés en interne comptent dans la facture.
Qu'est-ce qui différencie Fugu Ultra v2 d'un modèle de langage large standard ?: Plutôt qu'un modèle monolithique unique, c'est un système d'orchestration appris qui répartit les tâches entre un pool de modèles ouverts et spécialisés et peut s'appeler récursivement — l'idée est que les problèmes complexes multi-étapes sont décomposés et traités par le sous-modèle le mieux adapté.

Verdict du capitaine
Une architecture vraiment inhabituelle qui justifie son prix premium uniquement si vos tâches sont assez complexes pour nécessiter une orchestration multi-agent — les requêtes courantes brûleront juste votre budget.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Gemini 3.1 Flash Lite

Nemotron Content Safety 3.5

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

Fugu Ultra v2 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm sakana vision raisonnement agents programmation recherche contexte long

Parcourir par famille de modèles