Fugu Max to wariant Fugu firmy Sakana AI zaprojektowany wokół efektywnych kombinacji modeli eksperckich. Producent rozszerza pulę modeli otwartych i wyspecjalizowanych oraz trenuje system w wyborze odpowiednich środków do zadania. Ten wariant współdzieli podstawowe podejście orkiestracyjne z Fugu Ultra v2, kładąc nacisk na sposób łączenia uczestniczących modeli podczas pracy.
Z perspektywy aplikacji Fugu zachowuje się jak jeden model. Wewnątrz koordynator ustala, czy zadanie można obsłużyć bezpośrednio, czy należy je delegować, a następnie porządkuje wkłady i tworzy odpowiedź końcową. Wybór, delegowanie, weryfikacja i synteza są częściami tego systemu producenta, a nie osobnymi agentami, których użytkownik musi ręcznie przypisywać w prompcie.
Dla Max producent ustala pulę uczestników, aby koordynator mógł optymalizować ich kombinacje. Nie udostępnia takiego samego mechanizmu wykluczania pojedynczych modeli, jaki opisano dla standardowego wariantu Fugu. Zachowuj to rozróżnienie przy wyborze modelu: duża pula ekspertów i pula konfigurowalna przez użytkownika to różne cechy.
Przygotuj zadanie z konkretnym celem i informacjami potrzebnymi do oceny wyniku. Do przeglądu kodu dołącz źródła, oczekiwane zachowanie i problem do zbadania. Poproś o ustalenia powiązane z odpowiednią implementacją i proponowaną kontrolę dla każdego istotnego problemu. Przy porównaniu technicznym określ wspólne kryteria i poproś, aby odpowiedź wyjaśniała, które dowody zmieniają wybór.
Zadaniu wieloetapowemu pomaga jasno określony rezultat końcowy. Poproś na przykład o propozycję zmiany, notatkę badawczą lub analizę strukturalną oddzielającą ustalenia od nierozstrzygniętych pytań. Jeśli aplikacja korzystająca z modelu uruchamia narzędzia, przekaż ich rzeczywiste obserwacje przed kolejną decyzją. Pomaga to kontynuować proces na podstawie tego, co się wydarzyło, zamiast traktować sugerowane działanie jako ukończone.
Sakana odróżnia cel optymalizacyjny Max od nacisku Ultra na maksymalną głębię odpowiedzi. Wykorzystaj to rozróżnienie producenta do dopasowania zadania do wariantu modelu, oceniając zwrócony rezultat względem pierwotnego celu. System orkiestracji składa odpowiedź; aplikacja ustala rzeczywisty wynik każdego działania zewnętrznego i decyduje, jak wykorzystać rezultat.
", "aboutText": "Fugu Max to wariant Fugu firmy Sakana AI zaprojektowany wokół efektywnych kombinacji modeli eksperckich. Producent rozszerza pulę modeli otwartych i wyspecjalizowanych oraz trenuje system w wyborze odpowiednich środków do zadania. Ten wariant współdzieli podstawowe podejście orkiestracyjne z Fugu Ultra v2, kładąc nacisk na sposób łączenia uczestniczących modeli podczas pracy.\n\nZ perspektywy aplikacji Fugu zachowuje się jak jeden model. Wewnątrz koordynator ustala, czy zadanie można obsłużyć bezpośrednio, czy należy je delegować, a następnie porządkuje wkłady i tworzy odpowiedź końcową. Wybór, delegowanie, weryfikacja i synteza są częściami tego systemu producenta, a nie osobnymi agentami, których użytkownik musi ręcznie przypisywać w prompcie.\n\nDla Max producent ustala pulę uczestników, aby koordynator mógł optymalizować ich kombinacje. Nie udostępnia takiego samego mechanizmu wykluczania pojedynczych modeli, jaki opisano dla standardowego wariantu Fugu. Zachowuj to rozróżnienie przy wyborze modelu: duża pula ekspertów i pula konfigurowalna przez użytkownika to różne cechy.\n\nPrzygotuj zadanie z konkretnym celem i informacjami potrzebnymi do oceny wyniku. Do przeglądu kodu dołącz źródła, oczekiwane zachowanie i problem do zbadania. Poproś o ustalenia powiązane z odpowiednią implementacją i proponowaną kontrolę dla każdego istotnego problemu. Przy porównaniu technicznym określ wspólne kryteria i poproś, aby odpowiedź wyjaśniała, które dowody zmieniają wybór.\n\nZadaniu wieloetapowemu pomaga jasno określony rezultat końcowy. Poproś na przykład o propozycję zmiany, notatkę badawczą lub analizę strukturalną oddzielającą ustalenia od nierozstrzygniętych pytań. Jeśli aplikacja korzystająca z modelu uruchamia narzędzia, przekaż ich rzeczywiste obserwacje przed kolejną decyzją. Pomaga to kontynuować proces na podstawie tego, co się wydarzyło, zamiast traktować sugerowane działanie jako ukończone.\n\nSakana odróżnia cel optymalizacyjny Max od nacisku Ultra na maksymalną głębię odpowiedzi. Wykorzystaj to rozróżnienie producenta do dopasowania zadania do wariantu modelu, oceniając zwrócony rezultat względem pierwotnego celu. System orkiestracji składa odpowiedź; aplikacja ustala rzeczywisty wynik każdego działania zewnętrznego i decyduje, jak wykorzystać rezultat.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
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 firmy Sakana AI to wyuczony model orkiestracji wybierający efektywne kombinacje z dużej puli modeli otwartych i wyspecjalizowanych. Przekształca zadanie w skoordynowaną pracę i zsyntetyzowany wynik, z innym naciskiem niż Fugu Ultra.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Fugu Max to wariant Fugu firmy Sakana AI zaprojektowany wokół efektywnych kombinacji modeli eksperckich. Producent rozszerza pulę modeli otwartych i wyspecjalizowanych oraz trenuje system w wyborze odpowiednich środków do zadania. Ten wariant współdzieli podstawowe podejście orkiestracyjne z Fugu Ultra v2, kładąc nacisk na sposób łączenia uczestniczących modeli podczas pracy.
Z perspektywy aplikacji Fugu zachowuje się jak jeden model. Wewnątrz koordynator ustala, czy zadanie można obsłużyć bezpośrednio, czy należy je delegować, a następnie porządkuje wkłady i tworzy odpowiedź końcową. Wybór, delegowanie, weryfikacja i synteza są częściami tego systemu producenta, a nie osobnymi agentami, których użytkownik musi ręcznie przypisywać w prompcie.
Dla Max producent ustala pulę uczestników, aby koordynator mógł optymalizować ich kombinacje. Nie udostępnia takiego samego mechanizmu wykluczania pojedynczych modeli, jaki opisano dla standardowego wariantu Fugu. Zachowuj to rozróżnienie przy wyborze modelu: duża pula ekspertów i pula konfigurowalna przez użytkownika to różne cechy.
Przygotuj zadanie z konkretnym celem i informacjami potrzebnymi do oceny wyniku. Do przeglądu kodu dołącz źródła, oczekiwane zachowanie i problem do zbadania. Poproś o ustalenia powiązane z odpowiednią implementacją i proponowaną kontrolę dla każdego istotnego problemu. Przy porównaniu technicznym określ wspólne kryteria i poproś, aby odpowiedź wyjaśniała, które dowody zmieniają wybór.
Zadaniu wieloetapowemu pomaga jasno określony rezultat końcowy. Poproś na przykład o propozycję zmiany, notatkę badawczą lub analizę strukturalną oddzielającą ustalenia od nierozstrzygniętych pytań. Jeśli aplikacja korzystająca z modelu uruchamia narzędzia, przekaż ich rzeczywiste obserwacje przed kolejną decyzją. Pomaga to kontynuować proces na podstawie tego, co się wydarzyło, zamiast traktować sugerowane działanie jako ukończone.
Sakana odróżnia cel optymalizacyjny Max od nacisku Ultra na maksymalną głębię odpowiedzi. Wykorzystaj to rozróżnienie producenta do dopasowania zadania do wariantu modelu, oceniając zwrócony rezultat względem pierwotnego celu. System orkiestracji składa odpowiedź; aplikacja ustala rzeczywisty wynik każdego działania zewnętrznego i decyduje, jak wykorzystać rezultat.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity sakana/fugu-max | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.012 / 1K tokenów Wejście · Odczyt cache $0.0005 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.012 / 1K tokenów Wejście · Odczyt cache $0.0005 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra sakana/fugu-max
Użyj ścieżek metod podanych powyżej.
sakana/fugu-maxFugu Max firmy Sakana AI to wyuczony model orkiestracji wybierający efektywne kombinacje z dużej puli modeli otwartych i wyspecjalizowanych. Przekształca zadanie w skoordynowaną pracę i zsyntetyzowany wynik, z innym naciskiem niż Fugu Ultra.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Fugu Max to wariant Fugu firmy Sakana AI zaprojektowany wokół efektywnych kombinacji modeli eksperckich. Producent rozszerza pulę modeli otwartych i wyspecjalizowanych oraz trenuje system w wyborze odpowiednich środków do zadania. Ten wariant współdzieli podstawowe podejście orkiestracyjne z Fugu Ultra v2, kładąc nacisk na sposób łączenia uczestniczących modeli podczas pracy.
Z perspektywy aplikacji Fugu zachowuje się jak jeden model. Wewnątrz koordynator ustala, czy zadanie można obsłużyć bezpośrednio, czy należy je delegować, a następnie porządkuje wkłady i tworzy odpowiedź końcową. Wybór, delegowanie, weryfikacja i synteza są częściami tego systemu producenta, a nie osobnymi agentami, których użytkownik musi ręcznie przypisywać w prompcie.
Dla Max producent ustala pulę uczestników, aby koordynator mógł optymalizować ich kombinacje. Nie udostępnia takiego samego mechanizmu wykluczania pojedynczych modeli, jaki opisano dla standardowego wariantu Fugu. Zachowuj to rozróżnienie przy wyborze modelu: duża pula ekspertów i pula konfigurowalna przez użytkownika to różne cechy.
Przygotuj zadanie z konkretnym celem i informacjami potrzebnymi do oceny wyniku. Do przeglądu kodu dołącz źródła, oczekiwane zachowanie i problem do zbadania. Poproś o ustalenia powiązane z odpowiednią implementacją i proponowaną kontrolę dla każdego istotnego problemu. Przy porównaniu technicznym określ wspólne kryteria i poproś, aby odpowiedź wyjaśniała, które dowody zmieniają wybór.
Zadaniu wieloetapowemu pomaga jasno określony rezultat końcowy. Poproś na przykład o propozycję zmiany, notatkę badawczą lub analizę strukturalną oddzielającą ustalenia od nierozstrzygniętych pytań. Jeśli aplikacja korzystająca z modelu uruchamia narzędzia, przekaż ich rzeczywiste obserwacje przed kolejną decyzją. Pomaga to kontynuować proces na podstawie tego, co się wydarzyło, zamiast traktować sugerowane działanie jako ukończone.
Sakana odróżnia cel optymalizacyjny Max od nacisku Ultra na maksymalną głębię odpowiedzi. Wykorzystaj to rozróżnienie producenta do dopasowania zadania do wariantu modelu, oceniając zwrócony rezultat względem pierwotnego celu. System orkiestracji składa odpowiedź; aplikacja ustala rzeczywisty wynik każdego działania zewnętrznego i decyduje, jak wykorzystać rezultat.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity sakana/fugu-max | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.012 / 1K tokenów Wejście · Odczyt cache $0.0005 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.012 / 1K tokenów Wejście · Odczyt cache $0.0005 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "sakana/fugu-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra sakana/fugu-max
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
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.