Maaari ko bang patakbuhin ang Sakana Namazu nang lokal?

Hindi. Hindi inilabas ang mga timbang, kaya API-only ito sa platform ng Sakana AI.

Magkano ang gastos at gaano kahaba ang context?

Presyo ay $0.95 kada milyon input tokens at $4.00 kada milyon output tokens, na may 262,144-token na context window.

Paano naiiba ang Sakana Namazu sa Kimi K2.6 na base nito?

Naglagay ang Sakana AI ng karagdagang training na partikular para sa wikang Hapon at mga kontekstong pang-negosyo sa ibabaw ng Kimi K2.6, kaya mas angkop ito sa pagsunod sa instruksyon at pormal na pagsulat sa Hapon kaysa sa base model.

Sakana Namazu

4340°

#llm #sakana #paningin #pangangatwiran #pagsusulat #maramihang wika

Patakbuhin ang modelong ito

Alok / Ads

OpenRouter Terminal / API

Bayad kada token

Makipag-chat sa modelong ito sa browser o tawagan ito mula sa iyong code gamit ang isang API key.

Sakana | 262,144 token context | $0.95/M input, $4.00/M output. Ang Sakana Namazu ay isang Japanese-specialized reasoning model mula sa Sakana AI, base sa Kimi K2.6 na may karagdagang training para sa wikang Hapon at mga kontekstong pang-negosyo. Angkop ito para sa pagsunod sa mga tagubilin sa wikang Hapon, pagsusulat sa negosyo, matematika, coding, pananaliksik, at mga multi-step agent workflows. Maaaring gamitin ng Sakana AI ang mga input para sa pagsasanay at pagpapabuti ng modelo bilang default, na may opsyon para mag-opt-out sa Sakana Console. Hindi garantisado na ang pagproseso ay ganap na nangyayari sa Japan.

Mga gabay para sa model na ito

Open weights vs open source vs API-only: ano talaga ang pwede mong gawin

Paano pumili ng AI model sa Oktubre 2026: ang balita sa closed source, tapos ang open weights na sulit i-download

Ang 10 pinakamurang alternatibo sa ChatGPT sa 2026: libreng lokal na mga modelo, libreng tier at flat-rate na mga plano

Lahat ng gabay

Mga tala ng Kapitan

Isinulat ni Captain, ang editor ng bahay

Mga tala mula sa 2026-10-13

Ang Sakana Namazu ay isang Japanese-specialized reasoning model mula sa Sakana AI, na ginawa sa ibabaw ng Kimi K2.6 na may karagdagang training na nakatuon sa wikang Hapon at gamit pang-negosyo. Nilalayon nitong punan ang puwang sa pagitan ng mga general-purpose frontier models at ng praktikal na pangangailangan sa pagsunod sa instruksyon sa Hapon, pormal na pagsulat, at multi-step workflows. Kung ang iyong trabaho ay nasa wikang Hapon at kailangan mo ng modelong hinubog para sa kontekstong iyon kaysa idinagdag lang bilang dagdag, ito ang malinaw na unang puntahan.

Kilalang-kilala sa

Pagsunod sa instruksyon sa wikang Hapon at pagsulat pang-negosyo, na mas pinahusay kaysa sa generic multilingual base.
Reasoning at multi-step agent workflows na minana mula sa Kimi K2.6.
Matematika at coding kasabay ng mga gawain sa wikang Hapon.
Napakahabang context window: 262,144 tokens.
Pananaliksik at istrukturadong pagtupad ng gawain sa mga propesyonal na konteksto sa Hapon.

Mag-ingat sa

Maaaring gamitin ng Sakana AI ang iyong mga input para sa training ng modelo bilang default; may opsyon na mag-opt-out sa Sakana Console.
Hindi garantisadong ang pagproseso ay ganap na nasa Japan, na maaaring mahalaga para sa mga sensitibong compliance na gawain.
Hindi publiko ang mga timbang, kaya hindi mo ito mapapatakbo nang lokal o ma-audit kung ano ang mga pagbabago mula sa Kimi K2.6 base.

Pinakamainam para sa

Pangangatwiran

Pagsusulat

Maramihang wika

Mga ahente at paggamit ng tool

Mahabang konteksto

Mga prompt na subukan

Draft ng Japanese business email

Sumulat ng isang email ng paghingi ng paumanhin sa kliyente tungkol sa pagkaantala ng deadline. Ang pagkaantala ay humigit-kumulang dalawang linggo at ang dahilan ay problema sa pagkuha ng mga piyesa. Gamitin ang magalang at tapat na tono, at isama ang pagbanggit sa mga hakbang para maiwasan ang pag-uulit.

Multi-step research plan

Nagpaplano kang magsagawa ng competitive analysis ng Japanese convenience store market para sa isang dayuhang papasok. Hatiin ang pananaliksik sa mga kongkretong hakbang, tukuyin ang mga pangunahing pinagkukunan ng datos sa Japan, banggitin ang mga regulasyong dapat isaalang-alang, at tantiyahin kung gaano katagal ang bawat hakbang.

Logic puzzle na may reasoning trace

Limang kasamahan ang nakaupo sa isang hilera. Hindi katabi ni Aiko si Kenji. Nasa kaliwa agad ni Yuna si Riku. Nasa isang dulo si Haruto. Hindi nasa alinmang dulo si Kenji. Ipakita ang iyong pangangatwiran nang hakbang-hakbang, pagkatapos ay ibigay ang huling ayos ng upuan.

Ihambing sa

Fugu Max
Modelong API lang
1,000,000 token na konteksto · $2.00/M input, $6.00/M output
Fugu Ultra
Modelong API lang
1,000,000 token na konteksto · $5.00/M input, $30.00/M output
Fugu Ultra v2
Modelong API lang
1,000,000 token na konteksto · $5.00/M input, $30.00/M output
DeepSeek V4.1 Flash
Modelong bukas ang timbang
1,048,576 token na konteksto · $0.04/M input, $0.68/M output

Higit pang mga text model mula sa sakana

Mga tanong na madalas itanong

Maaari ko bang patakbuhin ang Sakana Namazu nang lokal?: Hindi. Hindi inilabas ang mga timbang, kaya API-only ito sa platform ng Sakana AI.
Magkano ang gastos at gaano kahaba ang context?: Presyo ay $0.95 kada milyon input tokens at $4.00 kada milyon output tokens, na may 262,144-token na context window.
Paano naiiba ang Sakana Namazu sa Kimi K2.6 na base nito?: Naglagay ang Sakana AI ng karagdagang training na partikular para sa wikang Hapon at mga kontekstong pang-negosyo sa ibabaw ng Kimi K2.6, kaya mas angkop ito sa pagsunod sa instruksyon at pormal na pagsulat sa Hapon kaysa sa base model.

Hatol ng Kapitan
Isang nakatuong pagpipilian: kung ang iyong trabaho ay reasoning at mga gawain sa wikang Hapon, sulit ang domain-specific training nito kumpara sa generic frontier model.

Isinusulat ng Kapitan ang mga tala na ito mula sa sariling paglalarawan at model card ng modelo. Ang mga presyo at laki ng konteksto ay mula sa provider sa oras ng pagsulat at maaaring magbago.

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

Paano nagkakalkula ang score na ito

Walang datos ng kasikatan mula sa kahit anong pinanggalingan ang modelong ito, kaya may stand-in na numero ito sa ibaba ng 7,000° para kumpleto ang mga listahan. Hindi ito kailanman mauuna sa isang modelong may datos. Lalabas dito ang breakdown kapag may nag-ulat na pinanggalingan.

Talahulugan: ang mga terminong ginagamit dito

Heat score: Isang numero kung gaano kadalas gamitin at gusto ang isang modelo ngayon, mula 0° hanggang 9,999°. Bawat listahan sa site na ito na nagsasabing pinakamainit ay nakaayos base dito at wala nang iba pa.
Floor: Ang 7,000° na panimulang puntos ng bawat modelong may totoong datos. Ang sukatan ay mula 0° hanggang 9,999°; ang bahagi sa ilalim ng floor ay para sa mga stand-in (mga modelong walang datos), para laging mas mataas ang ranggo ng may datos kaysa wala. Pareho ang floor para sa lahat at hindi ito nagpapasya; ang mga degree sa itaas nito ang totoong sukat.
Katumbas ng download: Lahat ng tinatrato ng score bilang download, pinagsama-sama: mga download mismo, bawat torrent seeder bilang 1,000, bawat AI Horde na larawan at bawat takbo sa isang generation site bilang isa.
Log scale: Bilang ng sampu, hindi isa-isa: ang pagtaas mula 1,000 hanggang 10,000 downloads ay nagdadagdag ng parehong degree tulad ng mula 10,000 hanggang 100,000. Pinipigilan nito ang mga higante na mauna sa lahat.
Likes: Thumbs up at likes mula sa lahat ng pinanggalingan, na katumbas ng kalahati ng download sa log scale.
Bilis ng pagtanggap: Ilang downloads kada araw ang nakukuha ng modelo ngayon, mula sa pagkakaiba ng dalawang readings ng isang pinanggalingan. Isang-kapat ng bigat ng term na download.
Nasukat at tinantya: Ang nasukat ay ibig sabihin may dalawang pagbabasa mula sa isang pinagmulan at tunay ang pagkakaiba. Ang tinantya naman ay alam lang ang kabuuan ngayon at hinahati ang nakaraan sa buong buhay ng modelo; sinasabi ng site kung alin ang ipinapakita.
Seeder: Isang tao na nag-iimbak ng kopya ng weights online para ma-download ng iba gamit ang torrent, o isang naka-host na mirror na gumagawa rin nito. Bawat isa ay katumbas ng 1,000 downloads.
AI Horde: Isang volunteer network na gumagawa ng mga larawan nang libre gamit ang mga donadong computer. Pampubliko kung ilang larawan ang nagawa gamit ang isang modelo, at bawat isa ay katumbas ng isang download.
Mga generation site: Mga site na may sariling kopya ng modelo at pinapayagan ang mga tao na gumawa gamit ito, tulad ng PixAI, SeaArt at Yodayo. Ang kanilang mga downloads ay binibilang tulad ng sa Civitai at bawat generation run ay isang download.
OpenRouter tokens: Ang isang text model na pinagsisilbihan sa pamamagitan ng API, tulad ng Claude o GPT, ay walang weights na ida-download, kaya ang paggamit nito ay sinusukat sa tokens: mga piraso ng teksto na binasa at isinulat nito sa pamamagitan ng OpenRouter, isang gateway na ginagamit ng maraming apps, sa nakaraang 30 araw. Bawat 10,000,000 tokens ay katumbas ng isang download. Pinagmulan: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Buong modelo (checkpoint): Ang weights mismo, ang file na kayang mag-generate mag-isa. May bonus ito dahil nakadepende dito ang mga add-on.
LoRA at embedding: Maliit na add-on files na nagtutulak sa weights ng iba papunta sa isang estilo, karakter o konsepto. Hindi sila kayang tumakbo mag-isa.
Pamilya at weights: Ang base na pinagbuo ng modelo, tulad ng SD 1.5, SDXL, Flux o Wan. Lahat ng modelo ay namamana ang petsa ng release ng weights ng pamilya nito.
Edad: Mga degree na ibinabawas base sa gaano katagal nang lumabas ang weights ng pamilya: 150° kada taon, hanggang 750°. Pinananatili nito ang mga lumang downloads na may taon para mag-ipon mula sa pag-freeze sa taas ng listahan.
Pampasigla ng pamilya: Isang maliit at limitadong tulak para sa mga LoRA ng pamilyang itinataguyod ng site ngayon, palaging nakalista sa breakdown.
Stand-in score: Isang matatag na numero sa ibaba ng floor na ibinibigay sa modelong wala pang ulat mula sa pinagmulan, para kumpleto ang listahan. Hindi ito nangunguna sa modelong may datos.
Bago! (panahon ng grace): Ang isang model na mas mababa sa 7 araw ang tanda ay nagpapakita ng Bago! sa halip na score at walang puwesto sa mga ranggo. Ang score nito ay kinakalkula mula unang araw, pero ang modelong isang araw pa lang ang tanda ay lumalago nang mas mabilis kaysa sa iba, kaya kung walang paghihintay, ang #1 ng linggo ay palaging yung lumabas kahapon kaysa sa tumagal nang isang linggo.
Uso: Paano ang paglago ng modelo sa isang panahon kumpara sa karaniwang paglago ng modelo sa parehong panahon. Mas mabilis kaysa karaniwan ay pagtaas, mas mabagal ay pagbaba.
Karaniwang modelo: Gitna ng katalogo: kalahati ng mga modelo na may numero ay mas mabilis ang paglago sa panahon, kalahati ay mas mabagal.

Mga katulad na model

Mga AI model para sa paggawa ng larawan, video at teksto

Ang Sakana Namazu ay isang text model para sa pamilyang Text / LLM na nakalista sa ModelTrends.ai, isang read-only na catalog ng mga open source AI model para sa larawan, video at teksto. Ikumpara ito sa ibang Text / LLM model at tingnan ang heat score nito para makita kung gaano ito kasikat.

Higit pang Text / LLM model Higit pang Text / LLM Teksto / LLM llm sakana paningin pangangatwiran pagsusulat maramihang wika mga ahente mahabang konteksto

Mag-browse ayon sa pamilya ng model