Model
.ai
acompanhando modelos de IA abertos
Sakana Namazu
Sakana | contexto de 262.144 tokens | $0,95/M entrada, $4,00/M saída. Sakana Namazu é um modelo de raciocínio especializado em japonês da Sakana AI, baseado no Kimi K2.6 com treinamento adicional para contextos de língua japonesa e negócios. É adequado para seguir instruções em japonês, redação empresarial, matemática, codificação, pesquisa e fluxos de trabalho multi-etapas com agentes. Por padrão, a Sakana AI pode usar entradas para treinamento e melhoria do modelo, com opção de exclusão disponível no Sakana Console. O processamento inteiramente dentro do Japão não é garantido.
Guias para este modelo
Todos os guias
Sakana Namazu é um modelo de raciocínio especializado em japonês da Sakana AI, construído sobre o Kimi K2.6 com treinamento adicional focado na língua japonesa e uso empresarial. Ele preenche a lacuna entre modelos de ponta de uso geral e as demandas práticas de seguir instruções em japonês, escrita formal e fluxos de trabalho em múltiplas etapas. Se seu trabalho é em japonês e você precisa de um modelo moldado para esse contexto, e não apenas adaptado como um complemento, este é o ponto de partida óbvio.

Conhecido por

  • Seguir instruções e escrita empresarial em japonês, ajustado além de uma base multilíngue genérica.
  • Raciocínio e fluxos de trabalho agentivos em múltiplas etapas herdados do Kimi K2.6.
  • Matemática e codificação junto com tarefas em língua japonesa.
  • Janela de contexto muito longa: 262.144 tokens.
  • Pesquisa e conclusão estruturada de tarefas em contextos profissionais japoneses.

Fique atento a

  • A Sakana AI pode usar suas entradas para treinamento do modelo por padrão; há opção de exclusão no Sakana Console.
  • O processamento totalmente dentro do Japão não é garantido, o que pode importar para trabalhos sensíveis a conformidade.
  • Pesos não são públicos, então você não pode rodar localmente nem auditar o que mudou da base Kimi K2.6.

Sugestões para tentar

Rascunho de e-mail comercial em japonês
取引先への納期遅延のお詫びメールを書いてください。遅延は約2週間で、原因は部品調達の問題です。丁寧かつ誠実なトーンで、再発防止策への言及も含めてください。
Plano de pesquisa em múltiplas etapas
You are planning a competitive analysis of the Japanese convenience store market for a foreign entrant. Break the research into concrete steps, identify the key data sources available in Japan, flag the regulatory considerations, and estimate how long each step should take.
Quebra-cabeça lógico com rastreamento de raciocínio
Five colleagues sit in a row. Aiko is not next to Kenji. Riku sits immediately to the left of Yuna. Haruto is at one end. Kenji is not at either end. Show your reasoning step by step, then give the final seating order.

Comparar com

  • 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
  • Fugu Ultra v2
    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 o Sakana Namazu localmente?
Não. Os pesos não foram liberados publicamente, então é apenas via API pela plataforma Sakana AI.
Quanto custa e qual o tamanho da janela de contexto?
O preço é $0,95 por milhão de tokens de entrada e $4,00 por milhão de tokens de saída, com uma janela de contexto de 262.144 tokens.
Como o Sakana Namazu difere do modelo Kimi K2.6 no qual se baseia?
A Sakana AI aplicou treinamento adicional especificamente para contextos empresariais e língua japonesa sobre o Kimi K2.6, tornando-o mais adequado para seguir instruções e escrita formal em japonês do que o modelo base.
Veredito do capitão
Uma aposta focada: se sua carga de trabalho é raciocínio e tarefas empresariais em japonês, o treinamento específico para o domínio justifica o prêmio de preço sobre um modelo genérico de ponta.
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
Sakana Namazu no ModelTrends.ai: Heat 4,340°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
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.