Kan jag köra Fugu Ultra lokalt?

Nej. Fugu Ultra är en sluten API-modell utan öppna vikter; den körs endast via Sakana AIs API.

Vad kostar den och hur stort är kontextfönstret?

Fugu Ultra kostar $5,00 per miljon input-tokens och $30,00 per miljon output-tokens, med ett kontextfönster på en miljon tokens. Tänk på att orkestreringstokens som systemet genererar internt debiteras enligt samma priser, så agentbaserade uppgifter kan snabbt bli kostsamma.

Fugu Ultra

3471°

#llm #sakana #vision #resonemang #agenter #kodning

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Sakana | 1,000,000 token kontext | $5.00/M input, $30.00/M output. Fugu Ultra är den högpresterande modellen i Sakana AI:s Fugu-familj. Istället för en enda monolitisk modell är Fugu ett inlärt multi-agent orkestreringssystem: en språkmodell tränad för att dirigera uppgifter över en utbytbar pool av underliggande modeller och för att rekursivt anropa instanser av sig själv. Fugu Ultra prioriterar svarskvalitet på komplexa, flerstegsresonemang, kodning och agentbaserade arbetsflöden. Den stödjer konfigurerbar resonemangsinsats, verktygsanrop och inbyggd webbsökning. Orkestreringstokens som förbrukas av systemet debiteras som standard input/output-tokens.

Guider för denna modell

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Fugu Ultra är Sakana AIs högpresterande modell i Fugu-familjen, byggd inte som en monolitisk modell utan som ett inlärt multi-agent orkestreringssystem som styr uppgifter över en pool av underliggande modeller och kan anropa sig själv rekursivt. Den arkitekturen är hela poängen: den är designad för att hantera komplexa, flerstegsproblem som gynnas av nedbrytning och iteration. Om du behöver en kapabel API-modell för svåra resonemang, kodningspipelines eller agentbaserat arbete och kan hantera premiumpriser för output är den värd att titta på.

Känd för

Multi-agent orkestrering: styr uppgifter över en utbytbar pool av underliggande modeller
Rekursivt själv-anrop för komplexa, flerstegsresonemang och agentbaserade arbetsflöden
En miljon tokens kontextfönster
Inbyggd webbsökning och verktygsanrop med konfigurerbar resonemangsnivå
Prioriterar svarskvalitet framför hastighet på svåra kodnings- och resonemangsuppgifter

Se upp för

Output kostar $30,00 per miljon tokens; orkestreringsöverhuvud kan göra faktiska kostnader svåra att förutse.
Endast stängt API, inga öppna vikter, så du kan inte köra den lokalt eller inspektera styrningslogiken.
Orkestreringstokens räknas som vanlig input/output, vilket ökar kostnader vid flerstegsuppgifter.

Bäst för

Agenter och verktygsanvändning

Resonemang

Kodning

Lång kontext

Promptar att prova

Rekursiv felsökningspipeline

Jag har en Python-tjänst som bearbetar en kö av JSON-meddelanden och ibland tyst tappar bort objekt. Gå igenom en systematisk felsökningsplan: identifiera var tysta fel sannolikt uppstår, skriv instrumenterade versioner av nyckelfunktionerna och föreslå en testbädd som fångar buggen. Visa ditt resonemang i varje steg.

Flerstegs forskningssyntes

Använd webbsökning för att hitta de tre senaste peer-reviewade resultaten om de långsiktiga kardiovaskulära effekterna av GLP-1 receptoragonister. För varje fynd, ange studiedesign, huvudresultat och en begränsning. Skriv sedan en tvåparagrafers syntes som en kliniker kan använda som briefing.

Agentbaserad planeringsuppgift

Du planerar en mjukvarumigrering från en monolitisk Rails-app till en uppsättning oberoende tjänster. Dela upp projektet i faser, identifiera de tre största riskberoendena, föreslå en ordning som minimerar driftstopp och markera beslut som kräver mänskligt godkännande innan du går vidare.

Jämför med

Sakana Namazu
Endast API-modell
262,144 tokens kontext · $0.95/M indata, $4.00/M utdata
Fugu Max
Endast API-modell
1,000,000 tokens kontext · $2.00/M indata, $6.00/M utdata
Fugu Ultra v2
Endast API-modell
1,000,000 tokens kontext · $5.00/M indata, $30.00/M utdata
DeepSeek V4.1 Flash
Öppen vikt-modell
1,048,576 tokens kontext · $0.04/M indata, $0.68/M utdata

Fler textmodeller från sakana

Vanliga frågor

Kan jag köra Fugu Ultra lokalt?: Nej. Fugu Ultra är en sluten API-modell utan öppna vikter; den körs endast via Sakana AIs API.
Vad kostar den och hur stort är kontextfönstret?: Fugu Ultra kostar $5,00 per miljon input-tokens och $30,00 per miljon output-tokens, med ett kontextfönster på en miljon tokens. Tänk på att orkestreringstokens som systemet genererar internt debiteras enligt samma priser, så agentbaserade uppgifter kan snabbt bli kostsamma.
Hur skiljer sig Fugu Ultra från en vanlig stor språkmodell?: Istället för en enda modell är Fugu Ultra ett inlärt orkestreringssystem som styr deluppgifter över en pool av underliggande modeller och kan anropa sig själv rekursivt, vilket ska förbättra kvaliteten på komplexa flerstegsproblem jämfört med en enkel framåtpassage.

Kaptens omdöme
En genuint ovanlig arkitektur som motiverar sitt premiumpris endast om din arbetsbelastning är tillräckligt komplex för att dra nytta av rekursiv multi-agent nedbrytning.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

Llama 4 Scout 17B 16E Instruct

TEXT / LLM

Llama Guard 4 12B

TEXT / LLM

Mistral Nemo Instruct 2407

TEXT / LLM

GPT 6.1 Sol Pro

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Fugu Ultra är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm sakana vision resonemang agenter kodning lång kontext

Bläddra efter modellfamilj