Sakana Namazu는 일본어와 일본 비즈니스 맥락에 맞춰 조정한 Sakana AI의 언어 모델입니다. 제작사는 Kimi K2.6을 기반으로 자체 데이터를 사용해 일본어 응답, 지시 이행, 에이전트 중심 작업을 조정합니다. 모델은 텍스트와 이미지를 처리하고 설명, 보고서, 제안된 함수 호출을 포함하는 텍스트 결과를 생성합니다.
언어 적응은 모델 목적의 핵심입니다. 제작사는 자연스러운 일본어 비즈니스 문서와 이메일, 경어, 일본 고유명사, 비즈니스 관습을 강조합니다. 초안 작성이나 번역 과제에서는 독자, 당사자 간 관계, 일관되게 유지할 용어를 제공하세요. 모든 일본어 메시지를 같은 유형의 의사소통으로 취급하지 말고 해당 상황에 적절한 격식 수준을 요청하세요.
제작사는 Namazu 서비스에 웹 검색과 코드 실행을 내장 도구로 제공합니다. 조사 예시는 조사 계획을 세우고 검색을 반복하며 정보를 교차 확인한 뒤 보고서를 작성합니다. 데이터 분석 예시는 일본어 지원 문의를 주문 정보의 집계 및 분석과 결합합니다. 이는 도구가 연결된 제작사 워크플로이며 모델을 사용하는 애플리케이션도 자체 작업에 필요한 접근 권한과 관찰 결과를 갖춰야 합니다.
시장 조사 보고서에서는 분야, 기간, 답할 질문을 명시하세요. 유용한 출력은 출처가 있는 사실, 해석, 시사점을 구분합니다. 지원 분석에서는 문의 범주와 작업에 허용된 기록을 제공한 뒤 주요 패턴과 수치의 설명을 요청하세요. 결과를 제공된 기록과 대조해 검토할 수 있도록 데이터 정의와 단위를 명확히 유지하세요.
Namazu는 이미지 인식과 함수 호출도 지원합니다. 제작사의 창작 시연에서는 모델이 애니메이션 장면의 다음 동작을 결정하는 동안 스크린샷을 피드백으로 사용합니다. 애플리케이션도 같은 방식으로 시각적 피드백을 활용할 수 있습니다. 관찰된 이미지를 제공하고 인식할 상태를 정의한 뒤 다음 단계를 요청하기 전에 실행된 동작의 결과를 반환하세요.
모델의 일본어 특화는 추론 및 코딩 작업을 보완합니다. 비즈니스 답신, 이중 언어 수정본, 조사 보고서, 분석 메모처럼 구체적인 산출물을 준비하세요. 후속 턴에서도 근거와 작업의 일본어 용어를 유지하고 제안된 동작과 이를 둘러싼 애플리케이션이 실제로 수행한 동작을 구분하세요.
", "aboutText": "Sakana Namazu는 일본어와 일본 비즈니스 맥락에 맞춰 조정한 Sakana AI의 언어 모델입니다. 제작사는 Kimi K2.6을 기반으로 자체 데이터를 사용해 일본어 응답, 지시 이행, 에이전트 중심 작업을 조정합니다. 모델은 텍스트와 이미지를 처리하고 설명, 보고서, 제안된 함수 호출을 포함하는 텍스트 결과를 생성합니다.\n\n언어 적응은 모델 목적의 핵심입니다. 제작사는 자연스러운 일본어 비즈니스 문서와 이메일, 경어, 일본 고유명사, 비즈니스 관습을 강조합니다. 초안 작성이나 번역 과제에서는 독자, 당사자 간 관계, 일관되게 유지할 용어를 제공하세요. 모든 일본어 메시지를 같은 유형의 의사소통으로 취급하지 말고 해당 상황에 적절한 격식 수준을 요청하세요.\n\n제작사는 Namazu 서비스에 웹 검색과 코드 실행을 내장 도구로 제공합니다. 조사 예시는 조사 계획을 세우고 검색을 반복하며 정보를 교차 확인한 뒤 보고서를 작성합니다. 데이터 분석 예시는 일본어 지원 문의를 주문 정보의 집계 및 분석과 결합합니다. 이는 도구가 연결된 제작사 워크플로이며 모델을 사용하는 애플리케이션도 자체 작업에 필요한 접근 권한과 관찰 결과를 갖춰야 합니다.\n\n시장 조사 보고서에서는 분야, 기간, 답할 질문을 명시하세요. 유용한 출력은 출처가 있는 사실, 해석, 시사점을 구분합니다. 지원 분석에서는 문의 범주와 작업에 허용된 기록을 제공한 뒤 주요 패턴과 수치의 설명을 요청하세요. 결과를 제공된 기록과 대조해 검토할 수 있도록 데이터 정의와 단위를 명확히 유지하세요.\n\nNamazu는 이미지 인식과 함수 호출도 지원합니다. 제작사의 창작 시연에서는 모델이 애니메이션 장면의 다음 동작을 결정하는 동안 스크린샷을 피드백으로 사용합니다. 애플리케이션도 같은 방식으로 시각적 피드백을 활용할 수 있습니다. 관찰된 이미지를 제공하고 인식할 상태를 정의한 뒤 다음 단계를 요청하기 전에 실행된 동작의 결과를 반환하세요.\n\n모델의 일본어 특화는 추론 및 코딩 작업을 보완합니다. 비즈니스 답신, 이중 언어 수정본, 조사 보고서, 분석 메모처럼 구체적인 산출물을 준비하세요. 후속 턴에서도 근거와 작업의 일본어 용어를 유지하고 제안된 동작과 이를 둘러싼 애플리케이션이 실제로 수행한 동작을 구분하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 Namazu는 비즈니스 문서, 조사, 에이전트 워크플로를 위한 Sakana AI의 일본어 특화 모델입니다. 일본어와 일본 문화 맥락을 추론, 이미지 인식, 제작사가 제공하는 검색 및 코드 도구와 결합합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Sakana Namazu는 일본어와 일본 비즈니스 맥락에 맞춰 조정한 Sakana AI의 언어 모델입니다. 제작사는 Kimi K2.6을 기반으로 자체 데이터를 사용해 일본어 응답, 지시 이행, 에이전트 중심 작업을 조정합니다. 모델은 텍스트와 이미지를 처리하고 설명, 보고서, 제안된 함수 호출을 포함하는 텍스트 결과를 생성합니다.
언어 적응은 모델 목적의 핵심입니다. 제작사는 자연스러운 일본어 비즈니스 문서와 이메일, 경어, 일본 고유명사, 비즈니스 관습을 강조합니다. 초안 작성이나 번역 과제에서는 독자, 당사자 간 관계, 일관되게 유지할 용어를 제공하세요. 모든 일본어 메시지를 같은 유형의 의사소통으로 취급하지 말고 해당 상황에 적절한 격식 수준을 요청하세요.
제작사는 Namazu 서비스에 웹 검색과 코드 실행을 내장 도구로 제공합니다. 조사 예시는 조사 계획을 세우고 검색을 반복하며 정보를 교차 확인한 뒤 보고서를 작성합니다. 데이터 분석 예시는 일본어 지원 문의를 주문 정보의 집계 및 분석과 결합합니다. 이는 도구가 연결된 제작사 워크플로이며 모델을 사용하는 애플리케이션도 자체 작업에 필요한 접근 권한과 관찰 결과를 갖춰야 합니다.
시장 조사 보고서에서는 분야, 기간, 답할 질문을 명시하세요. 유용한 출력은 출처가 있는 사실, 해석, 시사점을 구분합니다. 지원 분석에서는 문의 범주와 작업에 허용된 기록을 제공한 뒤 주요 패턴과 수치의 설명을 요청하세요. 결과를 제공된 기록과 대조해 검토할 수 있도록 데이터 정의와 단위를 명확히 유지하세요.
Namazu는 이미지 인식과 함수 호출도 지원합니다. 제작사의 창작 시연에서는 모델이 애니메이션 장면의 다음 동작을 결정하는 동안 스크린샷을 피드백으로 사용합니다. 애플리케이션도 같은 방식으로 시각적 피드백을 활용할 수 있습니다. 관찰된 이미지를 제공하고 인식할 상태를 정의한 뒤 다음 단계를 요청하기 전에 실행된 동작의 결과를 반환하세요.
모델의 일본어 특화는 추론 및 코딩 작업을 보완합니다. 비즈니스 답신, 이중 언어 수정본, 조사 보고서, 분석 메모처럼 구체적인 산출물을 준비하세요. 후속 턴에서도 근거와 작업의 일본어 용어를 유지하고 제안된 동작과 이를 둘러싼 애플리케이션이 실제로 수행한 동작을 구분하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 sakana/sakana-namazu | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0019 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 $0.0003 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0019 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 $0.0003 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra sakana/sakana-namazu
위에 표시된 메서드 경로를 사용하세요.
sakana/sakana-namazuSakana Namazu는 비즈니스 문서, 조사, 에이전트 워크플로를 위한 Sakana AI의 일본어 특화 모델입니다. 일본어와 일본 문화 맥락을 추론, 이미지 인식, 제작사가 제공하는 검색 및 코드 도구와 결합합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Sakana Namazu는 일본어와 일본 비즈니스 맥락에 맞춰 조정한 Sakana AI의 언어 모델입니다. 제작사는 Kimi K2.6을 기반으로 자체 데이터를 사용해 일본어 응답, 지시 이행, 에이전트 중심 작업을 조정합니다. 모델은 텍스트와 이미지를 처리하고 설명, 보고서, 제안된 함수 호출을 포함하는 텍스트 결과를 생성합니다.
언어 적응은 모델 목적의 핵심입니다. 제작사는 자연스러운 일본어 비즈니스 문서와 이메일, 경어, 일본 고유명사, 비즈니스 관습을 강조합니다. 초안 작성이나 번역 과제에서는 독자, 당사자 간 관계, 일관되게 유지할 용어를 제공하세요. 모든 일본어 메시지를 같은 유형의 의사소통으로 취급하지 말고 해당 상황에 적절한 격식 수준을 요청하세요.
제작사는 Namazu 서비스에 웹 검색과 코드 실행을 내장 도구로 제공합니다. 조사 예시는 조사 계획을 세우고 검색을 반복하며 정보를 교차 확인한 뒤 보고서를 작성합니다. 데이터 분석 예시는 일본어 지원 문의를 주문 정보의 집계 및 분석과 결합합니다. 이는 도구가 연결된 제작사 워크플로이며 모델을 사용하는 애플리케이션도 자체 작업에 필요한 접근 권한과 관찰 결과를 갖춰야 합니다.
시장 조사 보고서에서는 분야, 기간, 답할 질문을 명시하세요. 유용한 출력은 출처가 있는 사실, 해석, 시사점을 구분합니다. 지원 분석에서는 문의 범주와 작업에 허용된 기록을 제공한 뒤 주요 패턴과 수치의 설명을 요청하세요. 결과를 제공된 기록과 대조해 검토할 수 있도록 데이터 정의와 단위를 명확히 유지하세요.
Namazu는 이미지 인식과 함수 호출도 지원합니다. 제작사의 창작 시연에서는 모델이 애니메이션 장면의 다음 동작을 결정하는 동안 스크린샷을 피드백으로 사용합니다. 애플리케이션도 같은 방식으로 시각적 피드백을 활용할 수 있습니다. 관찰된 이미지를 제공하고 인식할 상태를 정의한 뒤 다음 단계를 요청하기 전에 실행된 동작의 결과를 반환하세요.
모델의 일본어 특화는 추론 및 코딩 작업을 보완합니다. 비즈니스 답신, 이중 언어 수정본, 조사 보고서, 분석 메모처럼 구체적인 산출물을 준비하세요. 후속 턴에서도 근거와 작업의 일본어 용어를 유지하고 제안된 동작과 이를 둘러싼 애플리케이션이 실제로 수행한 동작을 구분하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 sakana/sakana-namazu | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0019 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 $0.0003 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0019 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 $0.0003 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "sakana/sakana-namazu",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra sakana/sakana-namazu
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.