Kan jag köra Sakana Namazu lokalt?

Nej. Vikterna är inte offentligt släppta, så den är endast tillgänglig via API på Sakana AIs plattform.

Vad kostar det och hur långt är kontextfönstret?

Priset är 0,95 USD per miljon inmatningstokens och 4,00 USD per miljon utmatningstokens, med ett kontextfönster på 262 144 tokens.

Hur skiljer sig Sakana Namazu från Kimi K2.6 som den bygger på?

Sakana AI har applicerat extra träning specifikt för japanska språket och affärskontext ovanpå Kimi K2.6, vilket gör den mer lämpad för japansk instruktionstolkning och formellt skrivande än basmodellen.

Sakana Namazu

4340°

#llm #sakana #vision #resonemang #skrivande #fler språk

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 | 262,144 token kontext | $0.95/M input, $4.00/M output. Sakana Namazu är en japanskspecialiserad resonemangsmodell från Sakana AI, baserad på Kimi K2.6 med ytterligare träning för japanskt språk och affärskontexter. Den är lämpad för japansk instruktion, affärsskrivande, matematik, kodning, forskning och flerstegs agentarbetsflöden. Sakana AI kan som standard använda indata för modellträning och förbättring, med möjlighet att välja bort i Sakana Console. Bearbetning helt inom Japan är inte garanterad.

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

Sakana Namazu är en japanskspecialiserad resonemangsmodell från Sakana AI, byggd ovanpå Kimi K2.6 med extra träning inriktad på japanska språket och affärsanvändning. Den riktar sig till gapet mellan generella frontlinjemodeller och de praktiska kraven på japansk instruktionstolkning, formellt skrivande och flerstegsarbetsflöden. Om ditt arbete sker på japanska och du behöver en modell som formats för den kontexten snarare än lagts till som en eftertanke är detta det självklara första valet.

Känd för

Japansk instruktionstolkning och affärsskrivande, finjusterad bortom en generisk flerspråkig bas.
Resonemang och flerstegsagentarbetsflöden ärvda från Kimi K2.6.
Matematik och kodning parallellt med japanska språkuppgifter.
Mycket långt kontextfönster: 262 144 tokens.
Forskning och strukturerad uppgiftsutföring i japanska professionella sammanhang.

Se upp för

Sakana AI kan använda dina indata för modellträning som standard; avregistrering finns i Sakana Console.
Bearbetning helt inom Japan är inte garanterat, vilket kan vara viktigt för efterlevnadskänsligt arbete.
Vikterna är inte offentliga, så du kan inte köra lokalt eller granska vad som ändrats från Kimi K2.6-basmodellen.

Bäst för

Resonemang

Skrivande

Fler språk

Agenter och verktygsanvändning

Lång kontext

Promptar att prova

Utkast till japanskt affärsmejl

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。

Flerstegs forskningsplan

Du planerar en konkurrensanalys av den japanska närbutiksmarknaden för en utländsk aktör. Dela upp forskningen i konkreta steg, identifiera nyckeldatakällor tillgängliga i Japan, markera regulatoriska överväganden och uppskatta hur lång tid varje steg bör ta.

Logikpussel med resonemangsspår

Fem kollegor sitter på rad. Aiko sitter inte bredvid Kenji. Riku sitter direkt till vänster om Yuna. Haruto sitter i ena änden. Kenji sitter inte i någon av ändarna. Visa ditt resonemang steg för steg och ge sedan den slutgiltiga sittordningen.

Jämför med

Fugu Max
Endast API-modell
1,000,000 tokens kontext · $2.00/M indata, $6.00/M utdata
Fugu Ultra
Endast API-modell
1,000,000 tokens kontext · $5.00/M indata, $30.00/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 Sakana Namazu lokalt?: Nej. Vikterna är inte offentligt släppta, så den är endast tillgänglig via API på Sakana AIs plattform.
Vad kostar det och hur långt är kontextfönstret?: Priset är 0,95 USD per miljon inmatningstokens och 4,00 USD per miljon utmatningstokens, med ett kontextfönster på 262 144 tokens.
Hur skiljer sig Sakana Namazu från Kimi K2.6 som den bygger på?: Sakana AI har applicerat extra träning specifikt för japanska språket och affärskontext ovanpå Kimi K2.6, vilket gör den mer lämpad för japansk instruktionstolkning och formellt skrivande än basmodellen.

Kaptens omdöme
Ett fokuserat val: om din arbetsbelastning är japanskspråkigt resonemang och affärsuppgifter är den domänspecifika träningen värd sitt prispåslag jämfört med en generisk frontlinjemodell.

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

AI-modeller för bild-, video- och textgenerering

Sakana Namazu 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 skrivande fler språk agenter lång kontext

Bläddra efter modellfamilj