Fugu Max adalah pilihan Fugu dari Sakana AI yang dirancang berdasarkan kombinasi model ahli yang efisien. Pengembang memperluas kumpulan model terbuka dan khusus serta melatih sistem untuk memilih perangkat pemrosesan yang sesuai untuk tugas. Pilihan ini berbagi pendekatan orkestrasi inti dengan Fugu Ultra v2, sambil menekankan cara model yang berpartisipasi digabungkan untuk pekerjaan tersebut.
Dari sudut pandang aplikasi, Fugu berperilaku sebagai satu model. Secara internal, koordinator menentukan apakah tugas dapat ditangani langsung atau perlu didelegasikan, lalu menyusun kontribusi dan menghasilkan jawaban akhir. Pemilihan, pendelegasian, verifikasi, dan sintesis merupakan bagian dari sistem pengembang tersebut, bukan agen terpisah yang harus ditugaskan pengguna secara manual dalam prompt.
Untuk Max, pengembang menetapkan kumpulan yang berpartisipasi agar koordinator dapat mengoptimalkan kombinasinya. Model ini tidak menyediakan pengaturan pengecualian model individual yang sama seperti yang dijelaskan untuk pilihan Fugu standar. Pertahankan perbedaan tersebut saat memilih model: kumpulan ahli yang besar dan kumpulan yang dapat dikonfigurasi pengguna adalah karakteristik berbeda.
Siapkan tugas dengan tujuan spesifik dan informasi yang diperlukan untuk menilai hasilnya. Untuk peninjauan kode, sertakan sumber, perilaku yang diharapkan, dan masalah yang perlu diselidiki. Minta temuan yang terhubung dengan implementasi yang relevan dan usulan pemeriksaan untuk setiap masalah yang berarti. Untuk perbandingan teknis, tentukan kriteria bersama dan minta jawaban menjelaskan bukti mana yang mengubah pilihan.
Tugas bertahap terbantu oleh hasil akhir yang eksplisit. Misalnya, minta usulan perubahan, catatan riset, atau analisis terstruktur dengan temuan yang dipisahkan dari pertanyaan yang belum terjawab. Jika aplikasi yang menaunginya menjalankan alat, kembalikan pengamatan aktual alat tersebut sebelum keputusan berikutnya. Hal ini membantu alur kerja berlanjut dari apa yang terjadi, alih-alih memperlakukan tindakan yang disarankan sebagai tindakan yang telah selesai.
Sakana membedakan tujuan optimasi Max dari penekanan Ultra pada kedalaman jawaban maksimum. Gunakan perbedaan yang dibuat pengembang itu untuk menyesuaikan tugas dengan pilihan model, sambil menilai hasil yang dikembalikan terhadap tujuan awal. Sistem orkestrasi merangkai respons; aplikasi menetapkan hasil aktual setiap tindakan eksternal dan memutuskan cara menggunakan hasil tersebut.
", "aboutText": "Fugu Max adalah pilihan Fugu dari Sakana AI yang dirancang berdasarkan kombinasi model ahli yang efisien. Pengembang memperluas kumpulan model terbuka dan khusus serta melatih sistem untuk memilih perangkat pemrosesan yang sesuai untuk tugas. Pilihan ini berbagi pendekatan orkestrasi inti dengan Fugu Ultra v2, sambil menekankan cara model yang berpartisipasi digabungkan untuk pekerjaan tersebut.\n\nDari sudut pandang aplikasi, Fugu berperilaku sebagai satu model. Secara internal, koordinator menentukan apakah tugas dapat ditangani langsung atau perlu didelegasikan, lalu menyusun kontribusi dan menghasilkan jawaban akhir. Pemilihan, pendelegasian, verifikasi, dan sintesis merupakan bagian dari sistem pengembang tersebut, bukan agen terpisah yang harus ditugaskan pengguna secara manual dalam prompt.\n\nUntuk Max, pengembang menetapkan kumpulan yang berpartisipasi agar koordinator dapat mengoptimalkan kombinasinya. Model ini tidak menyediakan pengaturan pengecualian model individual yang sama seperti yang dijelaskan untuk pilihan Fugu standar. Pertahankan perbedaan tersebut saat memilih model: kumpulan ahli yang besar dan kumpulan yang dapat dikonfigurasi pengguna adalah karakteristik berbeda.\n\nSiapkan tugas dengan tujuan spesifik dan informasi yang diperlukan untuk menilai hasilnya. Untuk peninjauan kode, sertakan sumber, perilaku yang diharapkan, dan masalah yang perlu diselidiki. Minta temuan yang terhubung dengan implementasi yang relevan dan usulan pemeriksaan untuk setiap masalah yang berarti. Untuk perbandingan teknis, tentukan kriteria bersama dan minta jawaban menjelaskan bukti mana yang mengubah pilihan.\n\nTugas bertahap terbantu oleh hasil akhir yang eksplisit. Misalnya, minta usulan perubahan, catatan riset, atau analisis terstruktur dengan temuan yang dipisahkan dari pertanyaan yang belum terjawab. Jika aplikasi yang menaunginya menjalankan alat, kembalikan pengamatan aktual alat tersebut sebelum keputusan berikutnya. Hal ini membantu alur kerja berlanjut dari apa yang terjadi, alih-alih memperlakukan tindakan yang disarankan sebagai tindakan yang telah selesai.\n\nSakana membedakan tujuan optimasi Max dari penekanan Ultra pada kedalaman jawaban maksimum. Gunakan perbedaan yang dibuat pengembang itu untuk menyesuaikan tugas dengan pilihan model, sambil menilai hasil yang dikembalikan terhadap tujuan awal. Sistem orkestrasi merangkai respons; aplikasi menetapkan hasil aktual setiap tindakan eksternal dan memutuskan cara menggunakan hasil tersebut.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Review a stock decrement function\n\nReview this Python function: def take(stock, qty): stock["units"] -= qty; return stock["units"]. Requirements: qty must be positive and cannot exceed available units; a rejected request must leave stock unchanged. Identify material issues and propose a focused patch with a check for each, preserving the take function name.Behavior-linked review findings, a focused patch and checks for accepted and rejected decrements.Check that validation occurs before mutation and a rejected overdraw leaves the original stock unchanged.sakana/fugu-maxFugu Max dari Sakana AI adalah model orkestrasi terlatih yang memilih kombinasi efisien dari kumpulan besar model terbuka dan khusus. Model ini mengubah tugas menjadi pekerjaan terkoordinasi dan hasil yang disintesis, dengan penekanan berbeda dari Fugu Ultra.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Fugu Max adalah pilihan Fugu dari Sakana AI yang dirancang berdasarkan kombinasi model ahli yang efisien. Pengembang memperluas kumpulan model terbuka dan khusus serta melatih sistem untuk memilih perangkat pemrosesan yang sesuai untuk tugas. Pilihan ini berbagi pendekatan orkestrasi inti dengan Fugu Ultra v2, sambil menekankan cara model yang berpartisipasi digabungkan untuk pekerjaan tersebut.
Dari sudut pandang aplikasi, Fugu berperilaku sebagai satu model. Secara internal, koordinator menentukan apakah tugas dapat ditangani langsung atau perlu didelegasikan, lalu menyusun kontribusi dan menghasilkan jawaban akhir. Pemilihan, pendelegasian, verifikasi, dan sintesis merupakan bagian dari sistem pengembang tersebut, bukan agen terpisah yang harus ditugaskan pengguna secara manual dalam prompt.
Untuk Max, pengembang menetapkan kumpulan yang berpartisipasi agar koordinator dapat mengoptimalkan kombinasinya. Model ini tidak menyediakan pengaturan pengecualian model individual yang sama seperti yang dijelaskan untuk pilihan Fugu standar. Pertahankan perbedaan tersebut saat memilih model: kumpulan ahli yang besar dan kumpulan yang dapat dikonfigurasi pengguna adalah karakteristik berbeda.
Siapkan tugas dengan tujuan spesifik dan informasi yang diperlukan untuk menilai hasilnya. Untuk peninjauan kode, sertakan sumber, perilaku yang diharapkan, dan masalah yang perlu diselidiki. Minta temuan yang terhubung dengan implementasi yang relevan dan usulan pemeriksaan untuk setiap masalah yang berarti. Untuk perbandingan teknis, tentukan kriteria bersama dan minta jawaban menjelaskan bukti mana yang mengubah pilihan.
Tugas bertahap terbantu oleh hasil akhir yang eksplisit. Misalnya, minta usulan perubahan, catatan riset, atau analisis terstruktur dengan temuan yang dipisahkan dari pertanyaan yang belum terjawab. Jika aplikasi yang menaunginya menjalankan alat, kembalikan pengamatan aktual alat tersebut sebelum keputusan berikutnya. Hal ini membantu alur kerja berlanjut dari apa yang terjadi, alih-alih memperlakukan tindakan yang disarankan sebagai tindakan yang telah selesai.
Sakana membedakan tujuan optimasi Max dari penekanan Ultra pada kedalaman jawaban maksimum. Gunakan perbedaan yang dibuat pengembang itu untuk menyesuaikan tugas dengan pilihan model, sambil menilai hasil yang dikembalikan terhadap tujuan awal. Sistem orkestrasi merangkai respons; aplikasi menetapkan hasil aktual setiap tindakan eksternal dan memutuskan cara menggunakan hasil tersebut.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan sakana/fugu-max | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.004 / 1K token Keluaran · Token keluaran $0.012 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.004 / 1K token Keluaran · Token keluaran $0.012 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "sakana/fugu-max", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='sakana/fugu-max',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='sakana/fugu-max',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra sakana/fugu-max
Gunakan jalur metode yang ditampilkan di atas.
sakana/fugu-maxFugu Max dari Sakana AI adalah model orkestrasi terlatih yang memilih kombinasi efisien dari kumpulan besar model terbuka dan khusus. Model ini mengubah tugas menjadi pekerjaan terkoordinasi dan hasil yang disintesis, dengan penekanan berbeda dari Fugu Ultra.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Fugu Max adalah pilihan Fugu dari Sakana AI yang dirancang berdasarkan kombinasi model ahli yang efisien. Pengembang memperluas kumpulan model terbuka dan khusus serta melatih sistem untuk memilih perangkat pemrosesan yang sesuai untuk tugas. Pilihan ini berbagi pendekatan orkestrasi inti dengan Fugu Ultra v2, sambil menekankan cara model yang berpartisipasi digabungkan untuk pekerjaan tersebut.
Dari sudut pandang aplikasi, Fugu berperilaku sebagai satu model. Secara internal, koordinator menentukan apakah tugas dapat ditangani langsung atau perlu didelegasikan, lalu menyusun kontribusi dan menghasilkan jawaban akhir. Pemilihan, pendelegasian, verifikasi, dan sintesis merupakan bagian dari sistem pengembang tersebut, bukan agen terpisah yang harus ditugaskan pengguna secara manual dalam prompt.
Untuk Max, pengembang menetapkan kumpulan yang berpartisipasi agar koordinator dapat mengoptimalkan kombinasinya. Model ini tidak menyediakan pengaturan pengecualian model individual yang sama seperti yang dijelaskan untuk pilihan Fugu standar. Pertahankan perbedaan tersebut saat memilih model: kumpulan ahli yang besar dan kumpulan yang dapat dikonfigurasi pengguna adalah karakteristik berbeda.
Siapkan tugas dengan tujuan spesifik dan informasi yang diperlukan untuk menilai hasilnya. Untuk peninjauan kode, sertakan sumber, perilaku yang diharapkan, dan masalah yang perlu diselidiki. Minta temuan yang terhubung dengan implementasi yang relevan dan usulan pemeriksaan untuk setiap masalah yang berarti. Untuk perbandingan teknis, tentukan kriteria bersama dan minta jawaban menjelaskan bukti mana yang mengubah pilihan.
Tugas bertahap terbantu oleh hasil akhir yang eksplisit. Misalnya, minta usulan perubahan, catatan riset, atau analisis terstruktur dengan temuan yang dipisahkan dari pertanyaan yang belum terjawab. Jika aplikasi yang menaunginya menjalankan alat, kembalikan pengamatan aktual alat tersebut sebelum keputusan berikutnya. Hal ini membantu alur kerja berlanjut dari apa yang terjadi, alih-alih memperlakukan tindakan yang disarankan sebagai tindakan yang telah selesai.
Sakana membedakan tujuan optimasi Max dari penekanan Ultra pada kedalaman jawaban maksimum. Gunakan perbedaan yang dibuat pengembang itu untuk menyesuaikan tugas dengan pilihan model, sambil menilai hasil yang dikembalikan terhadap tujuan awal. Sistem orkestrasi merangkai respons; aplikasi menetapkan hasil aktual setiap tindakan eksternal dan memutuskan cara menggunakan hasil tersebut.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan sakana/fugu-max | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.004 / 1K token Keluaran · Token keluaran $0.012 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.004 / 1K token Keluaran · Token keluaran $0.012 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "sakana/fugu-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sakana/fugu-max', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sakana/fugu-max', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra sakana/fugu-max
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Review a stock decrement function\n\nReview this Python function: def take(stock, qty): stock["units"] -= qty; return stock["units"]. Requirements: qty must be positive and cannot exceed available units; a rejected request must leave stock unchanged. Identify material issues and propose a focused patch with a check for each, preserving the take function name.Behavior-linked review findings, a focused patch and checks for accepted and rejected decrements.Check that validation occurs before mutation and a rejected overdraw leaves the original stock unchanged.