Fugu Max è la variante Fugu di Sakana AI progettata attorno a combinazioni efficienti di modelli esperti. Il produttore amplia l'insieme di modelli aperti e specializzati e addestra il sistema a scegliere gli strumenti adatti all'attività. Questa variante condivide l'approccio fondamentale di orchestrazione con Fugu Ultra v2, ponendo però l'accento sul modo in cui i modelli partecipanti vengono combinati per il lavoro.
Dal punto di vista dell'applicazione, Fugu si comporta come un singolo modello. Internamente, il coordinatore determina se un'attività possa essere gestita direttamente o debba essere delegata, quindi organizza i contributi e produce una risposta finale. Selezione, delega, verifica e sintesi fanno parte di quel sistema del produttore, anziché essere agenti separati che l'utente deve assegnare manualmente nel prompt.
Per Max, il produttore fissa l'insieme dei partecipanti affinché il coordinatore possa ottimizzarne le combinazioni. Non espone lo stesso meccanismo di esclusione dei singoli modelli descritto per la variante Fugu standard. Conserva questa distinzione nella scelta del modello: un ampio insieme di esperti e un insieme configurabile dall'utente sono caratteristiche diverse.
Prepara un'attività con un obiettivo specifico e le informazioni necessarie per valutarne il risultato. Per una revisione del codice, includi il sorgente, il comportamento atteso e il problema da indagare. Richiedi risultati collegati all'implementazione pertinente e una verifica proposta per ogni problema rilevante. Per un confronto tecnico, definisci criteri comuni e chiedi che la risposta spieghi quali prove cambino la scelta.
Un incarico in più passaggi beneficia di un risultato finale esplicito. Ad esempio, richiedi una proposta di modifica, una nota di ricerca o un'analisi strutturata con i risultati separati dalle domande irrisolte. Se l'applicazione circostante esegue strumenti, restituisci le loro osservazioni effettive prima della decisione successiva. Questo aiuta il flusso a proseguire da quanto è successo, anziché trattare un'azione suggerita come già completata.
Sakana distingue l'obiettivo di ottimizzazione di Max dall'enfasi di Ultra sulla massima profondità della risposta. Usa questa distinzione del produttore per abbinare l'attività alla variante di modello, valutando al contempo il risultato restituito rispetto all'obiettivo originale. Il sistema di orchestrazione compone la risposta; l'applicazione accerta l'esito effettivo di ogni azione esterna e decide come usare il risultato.
", "aboutText": "Fugu Max è la variante Fugu di Sakana AI progettata attorno a combinazioni efficienti di modelli esperti. Il produttore amplia l'insieme di modelli aperti e specializzati e addestra il sistema a scegliere gli strumenti adatti all'attività. Questa variante condivide l'approccio fondamentale di orchestrazione con Fugu Ultra v2, ponendo però l'accento sul modo in cui i modelli partecipanti vengono combinati per il lavoro.\n\nDal punto di vista dell'applicazione, Fugu si comporta come un singolo modello. Internamente, il coordinatore determina se un'attività possa essere gestita direttamente o debba essere delegata, quindi organizza i contributi e produce una risposta finale. Selezione, delega, verifica e sintesi fanno parte di quel sistema del produttore, anziché essere agenti separati che l'utente deve assegnare manualmente nel prompt.\n\nPer Max, il produttore fissa l'insieme dei partecipanti affinché il coordinatore possa ottimizzarne le combinazioni. Non espone lo stesso meccanismo di esclusione dei singoli modelli descritto per la variante Fugu standard. Conserva questa distinzione nella scelta del modello: un ampio insieme di esperti e un insieme configurabile dall'utente sono caratteristiche diverse.\n\nPrepara un'attività con un obiettivo specifico e le informazioni necessarie per valutarne il risultato. Per una revisione del codice, includi il sorgente, il comportamento atteso e il problema da indagare. Richiedi risultati collegati all'implementazione pertinente e una verifica proposta per ogni problema rilevante. Per un confronto tecnico, definisci criteri comuni e chiedi che la risposta spieghi quali prove cambino la scelta.\n\nUn incarico in più passaggi beneficia di un risultato finale esplicito. Ad esempio, richiedi una proposta di modifica, una nota di ricerca o un'analisi strutturata con i risultati separati dalle domande irrisolte. Se l'applicazione circostante esegue strumenti, restituisci le loro osservazioni effettive prima della decisione successiva. Questo aiuta il flusso a proseguire da quanto è successo, anziché trattare un'azione suggerita come già completata.\n\nSakana distingue l'obiettivo di ottimizzazione di Max dall'enfasi di Ultra sulla massima profondità della risposta. Usa questa distinzione del produttore per abbinare l'attività alla variante di modello, valutando al contempo il risultato restituito rispetto all'obiettivo originale. Il sistema di orchestrazione compone la risposta; l'applicazione accerta l'esito effettivo di ogni azione esterna e decide come usare il risultato.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
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 di Sakana AI è un modello di orchestrazione basato sull'apprendimento che seleziona combinazioni efficienti da un ampio insieme di modelli aperti e specializzati. Trasforma un'attività in lavoro coordinato e in un risultato sintetizzato, con un'enfasi diversa da Fugu Ultra.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Fugu Max è la variante Fugu di Sakana AI progettata attorno a combinazioni efficienti di modelli esperti. Il produttore amplia l'insieme di modelli aperti e specializzati e addestra il sistema a scegliere gli strumenti adatti all'attività. Questa variante condivide l'approccio fondamentale di orchestrazione con Fugu Ultra v2, ponendo però l'accento sul modo in cui i modelli partecipanti vengono combinati per il lavoro.
Dal punto di vista dell'applicazione, Fugu si comporta come un singolo modello. Internamente, il coordinatore determina se un'attività possa essere gestita direttamente o debba essere delegata, quindi organizza i contributi e produce una risposta finale. Selezione, delega, verifica e sintesi fanno parte di quel sistema del produttore, anziché essere agenti separati che l'utente deve assegnare manualmente nel prompt.
Per Max, il produttore fissa l'insieme dei partecipanti affinché il coordinatore possa ottimizzarne le combinazioni. Non espone lo stesso meccanismo di esclusione dei singoli modelli descritto per la variante Fugu standard. Conserva questa distinzione nella scelta del modello: un ampio insieme di esperti e un insieme configurabile dall'utente sono caratteristiche diverse.
Prepara un'attività con un obiettivo specifico e le informazioni necessarie per valutarne il risultato. Per una revisione del codice, includi il sorgente, il comportamento atteso e il problema da indagare. Richiedi risultati collegati all'implementazione pertinente e una verifica proposta per ogni problema rilevante. Per un confronto tecnico, definisci criteri comuni e chiedi che la risposta spieghi quali prove cambino la scelta.
Un incarico in più passaggi beneficia di un risultato finale esplicito. Ad esempio, richiedi una proposta di modifica, una nota di ricerca o un'analisi strutturata con i risultati separati dalle domande irrisolte. Se l'applicazione circostante esegue strumenti, restituisci le loro osservazioni effettive prima della decisione successiva. Questo aiuta il flusso a proseguire da quanto è successo, anziché trattare un'azione suggerita come già completata.
Sakana distingue l'obiettivo di ottimizzazione di Max dall'enfasi di Ultra sulla massima profondità della risposta. Usa questa distinzione del produttore per abbinare l'attività alla variante di modello, valutando al contempo il risultato restituito rispetto all'obiettivo originale. Il sistema di orchestrazione compone la risposta; l'applicazione accerta l'esito effettivo di ogni azione esterna e decide come usare il risultato.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti sakana/fugu-max | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.004 / 1K token Output · Token in output $0.012 / 1K token Input · Lettura dalla cache $0.0005 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.004 / 1K token Output · Token in output $0.012 / 1K token Input · Lettura dalla cache $0.0005 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra sakana/fugu-max
Usa i percorsi dei metodi indicati sopra.
sakana/fugu-maxFugu Max di Sakana AI è un modello di orchestrazione basato sull'apprendimento che seleziona combinazioni efficienti da un ampio insieme di modelli aperti e specializzati. Trasforma un'attività in lavoro coordinato e in un risultato sintetizzato, con un'enfasi diversa da Fugu Ultra.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Fugu Max è la variante Fugu di Sakana AI progettata attorno a combinazioni efficienti di modelli esperti. Il produttore amplia l'insieme di modelli aperti e specializzati e addestra il sistema a scegliere gli strumenti adatti all'attività. Questa variante condivide l'approccio fondamentale di orchestrazione con Fugu Ultra v2, ponendo però l'accento sul modo in cui i modelli partecipanti vengono combinati per il lavoro.
Dal punto di vista dell'applicazione, Fugu si comporta come un singolo modello. Internamente, il coordinatore determina se un'attività possa essere gestita direttamente o debba essere delegata, quindi organizza i contributi e produce una risposta finale. Selezione, delega, verifica e sintesi fanno parte di quel sistema del produttore, anziché essere agenti separati che l'utente deve assegnare manualmente nel prompt.
Per Max, il produttore fissa l'insieme dei partecipanti affinché il coordinatore possa ottimizzarne le combinazioni. Non espone lo stesso meccanismo di esclusione dei singoli modelli descritto per la variante Fugu standard. Conserva questa distinzione nella scelta del modello: un ampio insieme di esperti e un insieme configurabile dall'utente sono caratteristiche diverse.
Prepara un'attività con un obiettivo specifico e le informazioni necessarie per valutarne il risultato. Per una revisione del codice, includi il sorgente, il comportamento atteso e il problema da indagare. Richiedi risultati collegati all'implementazione pertinente e una verifica proposta per ogni problema rilevante. Per un confronto tecnico, definisci criteri comuni e chiedi che la risposta spieghi quali prove cambino la scelta.
Un incarico in più passaggi beneficia di un risultato finale esplicito. Ad esempio, richiedi una proposta di modifica, una nota di ricerca o un'analisi strutturata con i risultati separati dalle domande irrisolte. Se l'applicazione circostante esegue strumenti, restituisci le loro osservazioni effettive prima della decisione successiva. Questo aiuta il flusso a proseguire da quanto è successo, anziché trattare un'azione suggerita come già completata.
Sakana distingue l'obiettivo di ottimizzazione di Max dall'enfasi di Ultra sulla massima profondità della risposta. Usa questa distinzione del produttore per abbinare l'attività alla variante di modello, valutando al contempo il risultato restituito rispetto all'obiettivo originale. Il sistema di orchestrazione compone la risposta; l'applicazione accerta l'esito effettivo di ogni azione esterna e decide come usare il risultato.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti sakana/fugu-max | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.004 / 1K token Output · Token in output $0.012 / 1K token Input · Lettura dalla cache $0.0005 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.004 / 1K token Output · Token in output $0.012 / 1K token Input · Lettura dalla cache $0.0005 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "sakana/fugu-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra sakana/fugu-max
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
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.