Posso rodar Fugu Ultra v2 localmente?

Não. A Sakana AI não liberou pesos abertos para este modelo, então ele é apenas via API e não pode ser hospedado localmente.

Quanto custa e qual o tamanho do contexto?

Entrada custa $5,00 por milhão de tokens e saída $30,00 por milhão de tokens, com janela de contexto de um milhão de tokens. Prompts acima de 272 mil tokens são cobrados a tarifa maior na entrada, e tokens de orquestração gerados internamente contam para a fatura.

O que diferencia o Fugu Ultra v2 de um modelo padrão de linguagem grande?

Em vez de um modelo monolítico único, é um sistema de orquestração aprendido que direciona tarefas por um conjunto de modelos abertos e especializados e pode chamar instâncias de si mesmo recursivamente — a ideia é que problemas difíceis e em múltiplas etapas sejam decompostos e tratados pelo submodelo mais adequado.

Fugu Ultra v2

2855°

#llm #sakana #visão #raciocínio #agentes #programação

Executar modelo

Ofertas / Anúncios

OpenRouter Terminal / API

Pague por token

Converse com este modelo no navegador ou chame-o do seu código com uma chave API.

Sakana | contexto de 1.000.000 tokens | $5,00/M entrada, $30,00/M saída. Fugu Ultra v2 é o modelo de maior desempenho da família Fugu da Sakana AI. Em vez de um modelo monolítico único, Fugu é um sistema de orquestração multiagente aprendido: um modelo de linguagem treinado para direcionar tarefas por um pool fixo de modelos abertos e especializados e para chamar recursivamente instâncias de si mesmo. Fugu Ultra v2 prioriza qualidade de resposta em raciocínio complexo de múltiplas etapas, pesquisa autônoma e desenvolvimento de software full-stack, e não depende de modelos proprietários…Sakana | contexto de 1.000.000 tokens | $5,00/M entrada, $30,00/M saída. Fugu Ultra v2 é o modelo de maior desempenho da família Fugu da Sakana AI. Em vez de um modelo monolítico único, Fugu é um sistema de orquestração multiagente aprendido: um modelo de linguagem treinado para direcionar tarefas por um pool fixo de modelos abertos e especializados e para chamar recursivamente instâncias de si mesmo. Fugu Ultra v2 prioriza qualidade de resposta em raciocínio complexo de múltiplas etapas, pesquisa autônoma e desenvolvimento de software full-stack, e não depende de modelos proprietários individuais em seu pool. Suporta esforço de raciocínio configurável (high, xhigh, max), chamadas de função, saídas estruturadas, entrada de imagem e PDF, e busca web embutida. Prompts acima de 272K tokens são cobrados a uma taxa maior. Tokens de orquestração consumidos pelo sistema são cobrados como tokens padrão de entrada/saída.

Guias para este modelo

Pesos abertos vs código aberto vs só API: o que você realmente pode fazer

Como escolher um modelo de IA em outubro de 2026: as novidades de código fechado e os pesos abertos que valem a pena baixar

As 10 alternativas mais baratas ao ChatGPT em 2026: modelos locais grátis, planos gratuitos e planos fixos

Todos os guias

Notas do capitão

Escrito por Captain, o editor da casa

Notas de 2026-10-13

Fugu Ultra v2 é o modelo principal da Sakana AI, construído não como uma única rede neural, mas como um sistema de orquestração aprendido que direciona tarefas por um conjunto de modelos abertos e especializados, incluindo chamadas recursivas a si mesmo. Essa arquitetura é o diferencial: foi projetada para raciocínio complexo em múltiplas etapas, pesquisa autônoma e desenvolvimento de software full-stack. Se você precisa de um modelo API capaz para problemas difíceis e em múltiplas fases e não se importa com um preço premium por saída, vale a pena conhecer.

Conhecido por

Orquestração multiagente que direciona tarefas por um conjunto de modelos abertos e especializados
Chamadas recursivas a si mesmo para cadeias profundas de raciocínio em múltiplas etapas
Esforço de raciocínio configurável: alto, muito alto ou máximo
Janela de contexto de um milhão de tokens com suporte a entrada de imagens e PDFs
Busca web integrada e saída estruturada com chamadas de função

Fique atento a

Saída custa $30 por milhão de tokens — tokens de orquestração contam, então tarefas complexas geram fatura rápida
Prompts acima de 272 mil tokens disparam tarifa maior na entrada; fique atento ao tamanho do contexto em documentos longos
Pesos não são abertos; não há opção local ou self-hosted

Melhor para

Agentes e uso de ferramentas

Sugestões para tentar

Construção de recurso full-stack

Você está construindo um app web de gerenciamento de tarefas. Projete e implemente um endpoint REST API em Node.js com Express que permita ao usuário criar uma tarefa com título, data de vencimento e nível de prioridade. Inclua validação de entrada, tratamento de erros, esquema SQLite para persistência e uma breve explicação dos trade-offs feitos.

Plano de pesquisa em múltiplas etapas

Quero entender o estado atual da comercialização de baterias de estado sólido. Identifique os três principais gargalos técnicos, nomeie as empresas ou grupos de pesquisa mais próximos de resolver cada um e dê um cronograma realista para quando essas baterias podem chegar em EVs de consumo em escala. Cite seu raciocínio em cada etapa.

Quebra-cabeça de raciocínio em camadas

Cinco engenheiros possuem cada um uma linguagem de programação diferente, bebem uma bebida diferente e trabalham em um tipo de projeto diferente. Use as pistas a seguir para determinar quem trabalha com sistemas embarcados: o engenheiro Rust bebe espresso; o engenheiro Python está ao lado do que trabalha com pipelines de dados; o engenheiro Go bebe chá; o engenheiro de sistemas embarcados não bebe café; o engenheiro Java está em uma das extremidades.

Comparar com

Sakana Namazu
Modelo apenas para API
Contexto de 262,144 tokens · entrada $0.95/M, saída $4.00/M
Fugu Max
Modelo apenas para API
Contexto de 1,000,000 tokens · entrada $2.00/M, saída $6.00/M
Fugu Ultra
Modelo apenas para API
Contexto de 1,000,000 tokens · entrada $5.00/M, saída $30.00/M
DeepSeek V4.1 Flash
Modelo com pesos abertos
Contexto de 1,048,576 tokens · entrada $0.04/M, saída $0.68/M

Mais modelos de texto de sakana

Perguntas frequentes

Posso rodar Fugu Ultra v2 localmente?: Não. A Sakana AI não liberou pesos abertos para este modelo, então ele é apenas via API e não pode ser hospedado localmente.
Quanto custa e qual o tamanho do contexto?: Entrada custa $5,00 por milhão de tokens e saída $30,00 por milhão de tokens, com janela de contexto de um milhão de tokens. Prompts acima de 272 mil tokens são cobrados a tarifa maior na entrada, e tokens de orquestração gerados internamente contam para a fatura.
O que diferencia o Fugu Ultra v2 de um modelo padrão de linguagem grande?: Em vez de um modelo monolítico único, é um sistema de orquestração aprendido que direciona tarefas por um conjunto de modelos abertos e especializados e pode chamar instâncias de si mesmo recursivamente — a ideia é que problemas difíceis e em múltiplas etapas sejam decompostos e tratados pelo submodelo mais adequado.

Veredito do capitão
Uma arquitetura genuinamente incomum que justifica o preço premium apenas se suas tarefas forem complexas o suficiente para precisar de orquestração multiagente — consultas rotineiras só vão queimar orçamento.

O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.

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

Como essa pontuação é calculada

Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.

Glossário: os termos usados aqui

Pontuação heat: Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
Limite mínimo: Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
Equivalentes a downloads: Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
Escala logarítmica: Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
Likes: Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
Taxa de adoção: Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
Medido e estimado: Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
Seeder: Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
AI Horde: Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
Sites de geração: Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
Tokens OpenRouter: Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint): Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
LoRA e embedding: Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
Família e pesos: A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
Idade: Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
Impulso da família: Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
Pontuação provisória: Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
Novo! (período de carência): Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
Tendência: Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
Modelo típico: O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.

Modelos semelhantes

Meta Llama 3.1 70B Instruct Turbo

TEXT / LLM

Modelos de IA para geração de imagem, vídeo e texto

Fugu Ultra v2 é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.

Mais modelos Text / LLM Mais Texto / LLM Text / LLM llm sakana visão raciocínio agentes programação pesquisa contexto longo

Navegar por família de modelos