Sakana Namazu adalah model bahasa Sakana AI yang diadaptasi untuk bahasa Jepang dan konteks bisnis Jepang. Pengembangnya membangun model ini di atas Kimi K2.6 dan menggunakan data internal untuk menyetel respons bahasa Jepang, kepatuhan terhadap instruksi, dan pekerjaan berorientasi agen. Model ini menangani teks dan gambar serta menghasilkan keluaran teks, termasuk penjelasan, laporan, dan usulan pemanggilan fungsi.
Adaptasi bahasa merupakan bagian utama tujuan model. Pengembang menekankan dokumen bisnis dan surel bahasa Jepang yang alami, bahasa hormat, nama diri Jepang, serta kebiasaan bisnis. Untuk tugas penulisan atau penerjemahan, berikan audiens, hubungan antarpihak, dan terminologi yang harus tetap konsisten. Minta tingkat formalitas yang sesuai dengan situasi tersebut, alih-alih memperlakukan setiap pesan bahasa Jepang sebagai jenis komunikasi yang sama.
Pengembang menyediakan pencarian web dan eksekusi kode sebagai alat bawaan dalam layanan Namazu. Contoh risetnya merencanakan penyelidikan, melakukan pencarian berulang, memeriksa silang informasi, dan menulis laporan. Contoh analisis datanya menggabungkan pertanyaan dukungan berbahasa Jepang dengan agregasi dan analisis informasi pesanan. Ini adalah alur kerja pengembang yang terhubung dengan alat; aplikasi yang menggunakan model tetap memerlukan akses dan pengamatan yang relevan untuk tugasnya sendiri.
Untuk laporan riset pasar, nyatakan sektor, periode, dan pertanyaan yang perlu dijawab. Keluaran yang berguna memisahkan fakta bersumber, interpretasi, dan implikasi. Untuk analisis dukungan, berikan kategori pertanyaan dan rekaman yang diizinkan untuk tugas, lalu minta pola utama serta penjelasan angkanya. Pastikan definisi data dan satuan tetap terlihat agar hasil dapat ditinjau terhadap rekaman yang diberikan.
Namazu juga mendukung pengenalan gambar dan pemanggilan fungsi. Demonstrasi kreatif pengembang menggunakan tangkapan layar sebagai umpan balik saat model memutuskan tindakan berikutnya dalam adegan animasi. Aplikasi dapat menggunakan pola yang sama untuk umpan balik visual: berikan gambar yang diamati, tentukan keadaan yang perlu dikenali, dan kembalikan hasil tindakan yang telah dijalankan sebelum meminta langkah berikutnya.
Spesialisasi bahasa Jepang model melengkapi pekerjaan penalaran dan pemrogramannya. Siapkan hasil konkret seperti balasan bisnis, revisi dwibahasa, laporan riset, atau catatan analisis. Pertahankan bukti dan terminologi bahasa Jepang tugas selama giliran lanjutan, serta bedakan tindakan yang disarankan dari tindakan yang benar-benar dijalankan aplikasi yang menaunginya.
", "aboutText": "Sakana Namazu adalah model bahasa Sakana AI yang diadaptasi untuk bahasa Jepang dan konteks bisnis Jepang. Pengembangnya membangun model ini di atas Kimi K2.6 dan menggunakan data internal untuk menyetel respons bahasa Jepang, kepatuhan terhadap instruksi, dan pekerjaan berorientasi agen. Model ini menangani teks dan gambar serta menghasilkan keluaran teks, termasuk penjelasan, laporan, dan usulan pemanggilan fungsi.\n\nAdaptasi bahasa merupakan bagian utama tujuan model. Pengembang menekankan dokumen bisnis dan surel bahasa Jepang yang alami, bahasa hormat, nama diri Jepang, serta kebiasaan bisnis. Untuk tugas penulisan atau penerjemahan, berikan audiens, hubungan antarpihak, dan terminologi yang harus tetap konsisten. Minta tingkat formalitas yang sesuai dengan situasi tersebut, alih-alih memperlakukan setiap pesan bahasa Jepang sebagai jenis komunikasi yang sama.\n\nPengembang menyediakan pencarian web dan eksekusi kode sebagai alat bawaan dalam layanan Namazu. Contoh risetnya merencanakan penyelidikan, melakukan pencarian berulang, memeriksa silang informasi, dan menulis laporan. Contoh analisis datanya menggabungkan pertanyaan dukungan berbahasa Jepang dengan agregasi dan analisis informasi pesanan. Ini adalah alur kerja pengembang yang terhubung dengan alat; aplikasi yang menggunakan model tetap memerlukan akses dan pengamatan yang relevan untuk tugasnya sendiri.\n\nUntuk laporan riset pasar, nyatakan sektor, periode, dan pertanyaan yang perlu dijawab. Keluaran yang berguna memisahkan fakta bersumber, interpretasi, dan implikasi. Untuk analisis dukungan, berikan kategori pertanyaan dan rekaman yang diizinkan untuk tugas, lalu minta pola utama serta penjelasan angkanya. Pastikan definisi data dan satuan tetap terlihat agar hasil dapat ditinjau terhadap rekaman yang diberikan.\n\nNamazu juga mendukung pengenalan gambar dan pemanggilan fungsi. Demonstrasi kreatif pengembang menggunakan tangkapan layar sebagai umpan balik saat model memutuskan tindakan berikutnya dalam adegan animasi. Aplikasi dapat menggunakan pola yang sama untuk umpan balik visual: berikan gambar yang diamati, tentukan keadaan yang perlu dikenali, dan kembalikan hasil tindakan yang telah dijalankan sebelum meminta langkah berikutnya.\n\nSpesialisasi bahasa Jepang model melengkapi pekerjaan penalaran dan pemrogramannya. Siapkan hasil konkret seperti balasan bisnis, revisi dwibahasa, laporan riset, atau catatan analisis. Pertahankan bukti dan terminologi bahasa Jepang tugas selama giliran lanjutan, serta bedakan tindakan yang disarankan dari tindakan yang benar-benar dijalankan aplikasi yang menaunginya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Draft a Japanese business reschedule email\n\nDraft a polite Japanese business email to an existing external partner, Ms Tanaka. Ask to move the meeting from 10:00 to 11:00 on the same Tuesday because the preceding workshop runs longer. Acknowledge the inconvenience and ask whether the new time suits her. Keep the date unspecified, preserve the two times, and do not imply she has accepted.A concise Japanese email with a subject, respectful greeting, reschedule request and confirmation question.The email uses appropriate partner-facing politeness and retains the request as pending rather than confirmed.sakana/sakana-namazuSakana Namazu adalah model Sakana AI yang dikhususkan untuk bahasa Jepang bagi dokumen bisnis, riset, dan alur kerja agen. Model ini menggabungkan bahasa dan konteks budaya Jepang dengan penalaran, pengenalan gambar, serta alat pencarian dan kode yang disediakan pengembang.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Sakana Namazu adalah model bahasa Sakana AI yang diadaptasi untuk bahasa Jepang dan konteks bisnis Jepang. Pengembangnya membangun model ini di atas Kimi K2.6 dan menggunakan data internal untuk menyetel respons bahasa Jepang, kepatuhan terhadap instruksi, dan pekerjaan berorientasi agen. Model ini menangani teks dan gambar serta menghasilkan keluaran teks, termasuk penjelasan, laporan, dan usulan pemanggilan fungsi.
Adaptasi bahasa merupakan bagian utama tujuan model. Pengembang menekankan dokumen bisnis dan surel bahasa Jepang yang alami, bahasa hormat, nama diri Jepang, serta kebiasaan bisnis. Untuk tugas penulisan atau penerjemahan, berikan audiens, hubungan antarpihak, dan terminologi yang harus tetap konsisten. Minta tingkat formalitas yang sesuai dengan situasi tersebut, alih-alih memperlakukan setiap pesan bahasa Jepang sebagai jenis komunikasi yang sama.
Pengembang menyediakan pencarian web dan eksekusi kode sebagai alat bawaan dalam layanan Namazu. Contoh risetnya merencanakan penyelidikan, melakukan pencarian berulang, memeriksa silang informasi, dan menulis laporan. Contoh analisis datanya menggabungkan pertanyaan dukungan berbahasa Jepang dengan agregasi dan analisis informasi pesanan. Ini adalah alur kerja pengembang yang terhubung dengan alat; aplikasi yang menggunakan model tetap memerlukan akses dan pengamatan yang relevan untuk tugasnya sendiri.
Untuk laporan riset pasar, nyatakan sektor, periode, dan pertanyaan yang perlu dijawab. Keluaran yang berguna memisahkan fakta bersumber, interpretasi, dan implikasi. Untuk analisis dukungan, berikan kategori pertanyaan dan rekaman yang diizinkan untuk tugas, lalu minta pola utama serta penjelasan angkanya. Pastikan definisi data dan satuan tetap terlihat agar hasil dapat ditinjau terhadap rekaman yang diberikan.
Namazu juga mendukung pengenalan gambar dan pemanggilan fungsi. Demonstrasi kreatif pengembang menggunakan tangkapan layar sebagai umpan balik saat model memutuskan tindakan berikutnya dalam adegan animasi. Aplikasi dapat menggunakan pola yang sama untuk umpan balik visual: berikan gambar yang diamati, tentukan keadaan yang perlu dikenali, dan kembalikan hasil tindakan yang telah dijalankan sebelum meminta langkah berikutnya.
Spesialisasi bahasa Jepang model melengkapi pekerjaan penalaran dan pemrogramannya. Siapkan hasil konkret seperti balasan bisnis, revisi dwibahasa, laporan riset, atau catatan analisis. Pertahankan bukti dan terminologi bahasa Jepang tugas selama giliran lanjutan, serta bedakan tindakan yang disarankan dari tindakan yang benar-benar dijalankan aplikasi yang menaunginya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan sakana/sakana-namazu | 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 $0.0019 / 1K token Keluaran · Token keluaran $0.008 / 1K token Masukan · Pembacaan cache $0.0003 / 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 $0.0019 / 1K token Keluaran · Token keluaran $0.008 / 1K token Masukan · Pembacaan cache $0.0003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "sakana/sakana-namazu", "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/sakana-namazu',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/sakana-namazu',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/sakana-namazu
Gunakan jalur metode yang ditampilkan di atas.
sakana/sakana-namazuSakana Namazu adalah model Sakana AI yang dikhususkan untuk bahasa Jepang bagi dokumen bisnis, riset, dan alur kerja agen. Model ini menggabungkan bahasa dan konteks budaya Jepang dengan penalaran, pengenalan gambar, serta alat pencarian dan kode yang disediakan pengembang.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Sakana Namazu adalah model bahasa Sakana AI yang diadaptasi untuk bahasa Jepang dan konteks bisnis Jepang. Pengembangnya membangun model ini di atas Kimi K2.6 dan menggunakan data internal untuk menyetel respons bahasa Jepang, kepatuhan terhadap instruksi, dan pekerjaan berorientasi agen. Model ini menangani teks dan gambar serta menghasilkan keluaran teks, termasuk penjelasan, laporan, dan usulan pemanggilan fungsi.
Adaptasi bahasa merupakan bagian utama tujuan model. Pengembang menekankan dokumen bisnis dan surel bahasa Jepang yang alami, bahasa hormat, nama diri Jepang, serta kebiasaan bisnis. Untuk tugas penulisan atau penerjemahan, berikan audiens, hubungan antarpihak, dan terminologi yang harus tetap konsisten. Minta tingkat formalitas yang sesuai dengan situasi tersebut, alih-alih memperlakukan setiap pesan bahasa Jepang sebagai jenis komunikasi yang sama.
Pengembang menyediakan pencarian web dan eksekusi kode sebagai alat bawaan dalam layanan Namazu. Contoh risetnya merencanakan penyelidikan, melakukan pencarian berulang, memeriksa silang informasi, dan menulis laporan. Contoh analisis datanya menggabungkan pertanyaan dukungan berbahasa Jepang dengan agregasi dan analisis informasi pesanan. Ini adalah alur kerja pengembang yang terhubung dengan alat; aplikasi yang menggunakan model tetap memerlukan akses dan pengamatan yang relevan untuk tugasnya sendiri.
Untuk laporan riset pasar, nyatakan sektor, periode, dan pertanyaan yang perlu dijawab. Keluaran yang berguna memisahkan fakta bersumber, interpretasi, dan implikasi. Untuk analisis dukungan, berikan kategori pertanyaan dan rekaman yang diizinkan untuk tugas, lalu minta pola utama serta penjelasan angkanya. Pastikan definisi data dan satuan tetap terlihat agar hasil dapat ditinjau terhadap rekaman yang diberikan.
Namazu juga mendukung pengenalan gambar dan pemanggilan fungsi. Demonstrasi kreatif pengembang menggunakan tangkapan layar sebagai umpan balik saat model memutuskan tindakan berikutnya dalam adegan animasi. Aplikasi dapat menggunakan pola yang sama untuk umpan balik visual: berikan gambar yang diamati, tentukan keadaan yang perlu dikenali, dan kembalikan hasil tindakan yang telah dijalankan sebelum meminta langkah berikutnya.
Spesialisasi bahasa Jepang model melengkapi pekerjaan penalaran dan pemrogramannya. Siapkan hasil konkret seperti balasan bisnis, revisi dwibahasa, laporan riset, atau catatan analisis. Pertahankan bukti dan terminologi bahasa Jepang tugas selama giliran lanjutan, serta bedakan tindakan yang disarankan dari tindakan yang benar-benar dijalankan aplikasi yang menaunginya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan sakana/sakana-namazu | 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 $0.0019 / 1K token Keluaran · Token keluaran $0.008 / 1K token Masukan · Pembacaan cache $0.0003 / 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 $0.0019 / 1K token Keluaran · Token keluaran $0.008 / 1K token Masukan · Pembacaan cache $0.0003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "sakana/sakana-namazu",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/sakana-namazu', '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/sakana-namazu', '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/sakana-namazu
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Draft a Japanese business reschedule email\n\nDraft a polite Japanese business email to an existing external partner, Ms Tanaka. Ask to move the meeting from 10:00 to 11:00 on the same Tuesday because the preceding workshop runs longer. Acknowledge the inconvenience and ask whether the new time suits her. Keep the date unspecified, preserve the two times, and do not imply she has accepted.A concise Japanese email with a subject, respectful greeting, reschedule request and confirmation question.The email uses appropriate partner-facing politeness and retains the request as pending rather than confirmed.