Fugu Ultra là lựa chọn tập trung vào chiều sâu của Sakana AI trong họ điều phối mô hình Fugu. Bản Ultra gốc của nhà phát triển điều phối một nhóm chuyên gia chuyên sâu hơn cho các vấn đề khó nhiều bước. Các ứng dụng được nêu gồm nghiên cứu AI, tái lập nghiên cứu được mô tả trong bài báo, kiểm tra mã, phân tích an ninh mạng và khảo sát tài liệu hoặc bằng sáng chế.
Bản thân Fugu là mô hình ngôn ngữ được huấn luyện để điều phối đóng góp của các mô hình khác. Nó quyết định cách phân công, cách các tác tử nên giao tiếp và cách kết hợp công việc của chúng. Hệ thống quản lý lựa chọn, xác minh và tổng hợp bên trong một giao diện mô hình của nhà phát triển. Đầu ra hữu ích là phần giải thích, phân tích hoặc hiện vật mã nguồn được đề xuất cuối cùng, gắn với mục tiêu người dùng.
Trọng tâm chiều sâu của Ultra hữu ích cho công việc tiến triển qua nhiều quan sát. Nhà phát triển mô tả các tác vụ nghiên cứu khám phá ý tưởng, chạy thí nghiệm, diễn giải thất bại và điều chỉnh cách tiếp cận. Vì vậy, tác vụ dành cho mô hình cần xác định mục tiêu, tư liệu cần xem xét và bằng chứng đủ để giữ hoặc bác bỏ kết quả được đề xuất.
Để tái lập nghiên cứu được mô tả trong bài báo, cung cấp phương pháp liên quan, điều kiện triển khai và quan sát từ lần thử hiện tại. Yêu cầu các bước cần để so sánh triển khai với phương pháp mô tả và các khác biệt chưa giải quyết. Để phân tích tài liệu, xác định phạm vi và yêu cầu các phát hiện, đoạn trích hỗ trợ cùng những khoảng trống ảnh hưởng đến kết luận.
Để kiểm tra mã, cung cấp nguồn thực tế và hành vi đang đánh giá. Yêu cầu giải thích từng phát hiện đáng kể và phép kiểm tra có thể xác nhận. Với đánh giá bảo mật được cho phép, xác định hệ thống và phạm vi, rồi yêu cầu báo cáo có bằng chứng và các bước kiểm tra lại. Đây là những cách tổ chức các lĩnh vực tác vụ được nhà phát triển tài liệu hóa, không phải bảo đảm về kết quả của một cuộc đánh giá cụ thể.
Giữ lựa chọn Ultra không ghi phiên bản tách biệt với phiên bản mang tên tường minh Ultra v2. Sakana phát triển cơ chế điều phối và nhóm chuyên gia theo thời gian, nên tên họ mô hình không cố định một thành phần bất biến. Khi ứng dụng chạy công cụ bên ngoài, trả lại kết quả quan sát được cho bước tiếp theo và dùng đầu ra cuối cùng để thể hiện điều tác vụ thực sự đã xác lập.
", "aboutText": "Fugu Ultra là lựa chọn tập trung vào chiều sâu của Sakana AI trong họ điều phối mô hình Fugu. Bản Ultra gốc của nhà phát triển điều phối một nhóm chuyên gia chuyên sâu hơn cho các vấn đề khó nhiều bước. Các ứng dụng được nêu gồm nghiên cứu AI, tái lập nghiên cứu được mô tả trong bài báo, kiểm tra mã, phân tích an ninh mạng và khảo sát tài liệu hoặc bằng sáng chế.\n\nBản thân Fugu là mô hình ngôn ngữ được huấn luyện để điều phối đóng góp của các mô hình khác. Nó quyết định cách phân công, cách các tác tử nên giao tiếp và cách kết hợp công việc của chúng. Hệ thống quản lý lựa chọn, xác minh và tổng hợp bên trong một giao diện mô hình của nhà phát triển. Đầu ra hữu ích là phần giải thích, phân tích hoặc hiện vật mã nguồn được đề xuất cuối cùng, gắn với mục tiêu người dùng.\n\nTrọng tâm chiều sâu của Ultra hữu ích cho công việc tiến triển qua nhiều quan sát. Nhà phát triển mô tả các tác vụ nghiên cứu khám phá ý tưởng, chạy thí nghiệm, diễn giải thất bại và điều chỉnh cách tiếp cận. Vì vậy, tác vụ dành cho mô hình cần xác định mục tiêu, tư liệu cần xem xét và bằng chứng đủ để giữ hoặc bác bỏ kết quả được đề xuất.\n\nĐể tái lập nghiên cứu được mô tả trong bài báo, cung cấp phương pháp liên quan, điều kiện triển khai và quan sát từ lần thử hiện tại. Yêu cầu các bước cần để so sánh triển khai với phương pháp mô tả và các khác biệt chưa giải quyết. Để phân tích tài liệu, xác định phạm vi và yêu cầu các phát hiện, đoạn trích hỗ trợ cùng những khoảng trống ảnh hưởng đến kết luận.\n\nĐể kiểm tra mã, cung cấp nguồn thực tế và hành vi đang đánh giá. Yêu cầu giải thích từng phát hiện đáng kể và phép kiểm tra có thể xác nhận. Với đánh giá bảo mật được cho phép, xác định hệ thống và phạm vi, rồi yêu cầu báo cáo có bằng chứng và các bước kiểm tra lại. Đây là những cách tổ chức các lĩnh vực tác vụ được nhà phát triển tài liệu hóa, không phải bảo đảm về kết quả của một cuộc đánh giá cụ thể.\n\nGiữ lựa chọn Ultra không ghi phiên bản tách biệt với phiên bản mang tên tường minh Ultra v2. Sakana phát triển cơ chế điều phối và nhóm chuyên gia theo thời gian, nên tên họ mô hình không cố định một thành phần bất biến. Khi ứng dụng chạy công cụ bên ngoài, trả lại kết quả quan sát được cho bước tiếp theo và dùng đầu ra cuối cùng để thể hiện điều tác vụ thực sự đã xác lập.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Audit a paper-reproduction discrepancy\n\nCompare this supplied method with the reproduction notes. Method M: normalize each feature using training-set mean and variance, then apply the same values to validation data. Notes N: normalization is fitted once on the combined training and validation rows. Explain the discrepancy, its consequence for evaluation and one focused rerun that would distinguish the corrected procedure.A source-linked reproduction finding, an explanation of leakage and one bounded correction-and-comparison experiment.The proposed correction fits normalization only on training data and does not invent the rerun's outcome.sakana/fugu-ultraFugu Ultra của Sakana AI điều phối nhóm mô hình chuyên gia chuyên sâu hơn cho các tác vụ khó, nhiều bước. Các trường hợp sử dụng do nhà phát triển nêu gồm nghiên cứu, tái lập nghiên cứu được mô tả trong bài báo, kiểm tra mã và phân tích tài liệu, với các phát hiện được tổng hợp thành một câu trả lời.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Fugu Ultra là lựa chọn tập trung vào chiều sâu của Sakana AI trong họ điều phối mô hình Fugu. Bản Ultra gốc của nhà phát triển điều phối một nhóm chuyên gia chuyên sâu hơn cho các vấn đề khó nhiều bước. Các ứng dụng được nêu gồm nghiên cứu AI, tái lập nghiên cứu được mô tả trong bài báo, kiểm tra mã, phân tích an ninh mạng và khảo sát tài liệu hoặc bằng sáng chế.
Bản thân Fugu là mô hình ngôn ngữ được huấn luyện để điều phối đóng góp của các mô hình khác. Nó quyết định cách phân công, cách các tác tử nên giao tiếp và cách kết hợp công việc của chúng. Hệ thống quản lý lựa chọn, xác minh và tổng hợp bên trong một giao diện mô hình của nhà phát triển. Đầu ra hữu ích là phần giải thích, phân tích hoặc hiện vật mã nguồn được đề xuất cuối cùng, gắn với mục tiêu người dùng.
Trọng tâm chiều sâu của Ultra hữu ích cho công việc tiến triển qua nhiều quan sát. Nhà phát triển mô tả các tác vụ nghiên cứu khám phá ý tưởng, chạy thí nghiệm, diễn giải thất bại và điều chỉnh cách tiếp cận. Vì vậy, tác vụ dành cho mô hình cần xác định mục tiêu, tư liệu cần xem xét và bằng chứng đủ để giữ hoặc bác bỏ kết quả được đề xuất.
Để tái lập nghiên cứu được mô tả trong bài báo, cung cấp phương pháp liên quan, điều kiện triển khai và quan sát từ lần thử hiện tại. Yêu cầu các bước cần để so sánh triển khai với phương pháp mô tả và các khác biệt chưa giải quyết. Để phân tích tài liệu, xác định phạm vi và yêu cầu các phát hiện, đoạn trích hỗ trợ cùng những khoảng trống ảnh hưởng đến kết luận.
Để kiểm tra mã, cung cấp nguồn thực tế và hành vi đang đánh giá. Yêu cầu giải thích từng phát hiện đáng kể và phép kiểm tra có thể xác nhận. Với đánh giá bảo mật được cho phép, xác định hệ thống và phạm vi, rồi yêu cầu báo cáo có bằng chứng và các bước kiểm tra lại. Đây là những cách tổ chức các lĩnh vực tác vụ được nhà phát triển tài liệu hóa, không phải bảo đảm về kết quả của một cuộc đánh giá cụ thể.
Giữ lựa chọn Ultra không ghi phiên bản tách biệt với phiên bản mang tên tường minh Ultra v2. Sakana phát triển cơ chế điều phối và nhóm chuyên gia theo thời gian, nên tên họ mô hình không cố định một thành phần bất biến. Khi ứng dụng chạy công cụ bên ngoài, trả lại kết quả quan sát được cho bước tiếp theo và dùng đầu ra cuối cùng để thể hiện điều tác vụ thực sự đã xác lập.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn sakana/fugu-ultra | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.01 / 1K token Đầu ra · Token đầu ra $0.06 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.001 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồm272.000 | Phí Đầu vào · Token đầu vào $0.01 / 1K token Đầu ra · Token đầu ra $0.06 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.001 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 2 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn272.000 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.02 / 1K token Đầu ra · Token đầu ra $0.09 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.002 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "sakana/fugu-ultra", "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-ultra',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-ultra',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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra sakana/fugu-ultra
Dùng các đường dẫn phương thức hiển thị ở trên.
sakana/fugu-ultraFugu Ultra của Sakana AI điều phối nhóm mô hình chuyên gia chuyên sâu hơn cho các tác vụ khó, nhiều bước. Các trường hợp sử dụng do nhà phát triển nêu gồm nghiên cứu, tái lập nghiên cứu được mô tả trong bài báo, kiểm tra mã và phân tích tài liệu, với các phát hiện được tổng hợp thành một câu trả lời.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Fugu Ultra là lựa chọn tập trung vào chiều sâu của Sakana AI trong họ điều phối mô hình Fugu. Bản Ultra gốc của nhà phát triển điều phối một nhóm chuyên gia chuyên sâu hơn cho các vấn đề khó nhiều bước. Các ứng dụng được nêu gồm nghiên cứu AI, tái lập nghiên cứu được mô tả trong bài báo, kiểm tra mã, phân tích an ninh mạng và khảo sát tài liệu hoặc bằng sáng chế.
Bản thân Fugu là mô hình ngôn ngữ được huấn luyện để điều phối đóng góp của các mô hình khác. Nó quyết định cách phân công, cách các tác tử nên giao tiếp và cách kết hợp công việc của chúng. Hệ thống quản lý lựa chọn, xác minh và tổng hợp bên trong một giao diện mô hình của nhà phát triển. Đầu ra hữu ích là phần giải thích, phân tích hoặc hiện vật mã nguồn được đề xuất cuối cùng, gắn với mục tiêu người dùng.
Trọng tâm chiều sâu của Ultra hữu ích cho công việc tiến triển qua nhiều quan sát. Nhà phát triển mô tả các tác vụ nghiên cứu khám phá ý tưởng, chạy thí nghiệm, diễn giải thất bại và điều chỉnh cách tiếp cận. Vì vậy, tác vụ dành cho mô hình cần xác định mục tiêu, tư liệu cần xem xét và bằng chứng đủ để giữ hoặc bác bỏ kết quả được đề xuất.
Để tái lập nghiên cứu được mô tả trong bài báo, cung cấp phương pháp liên quan, điều kiện triển khai và quan sát từ lần thử hiện tại. Yêu cầu các bước cần để so sánh triển khai với phương pháp mô tả và các khác biệt chưa giải quyết. Để phân tích tài liệu, xác định phạm vi và yêu cầu các phát hiện, đoạn trích hỗ trợ cùng những khoảng trống ảnh hưởng đến kết luận.
Để kiểm tra mã, cung cấp nguồn thực tế và hành vi đang đánh giá. Yêu cầu giải thích từng phát hiện đáng kể và phép kiểm tra có thể xác nhận. Với đánh giá bảo mật được cho phép, xác định hệ thống và phạm vi, rồi yêu cầu báo cáo có bằng chứng và các bước kiểm tra lại. Đây là những cách tổ chức các lĩnh vực tác vụ được nhà phát triển tài liệu hóa, không phải bảo đảm về kết quả của một cuộc đánh giá cụ thể.
Giữ lựa chọn Ultra không ghi phiên bản tách biệt với phiên bản mang tên tường minh Ultra v2. Sakana phát triển cơ chế điều phối và nhóm chuyên gia theo thời gian, nên tên họ mô hình không cố định một thành phần bất biến. Khi ứng dụng chạy công cụ bên ngoài, trả lại kết quả quan sát được cho bước tiếp theo và dùng đầu ra cuối cùng để thể hiện điều tác vụ thực sự đã xác lập.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn sakana/fugu-ultra | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.01 / 1K token Đầu ra · Token đầu ra $0.06 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.001 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồm272.000 | Phí Đầu vào · Token đầu vào $0.01 / 1K token Đầu ra · Token đầu ra $0.06 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.001 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 2 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn272.000 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.02 / 1K token Đầu ra · Token đầu ra $0.09 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.002 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "sakana/fugu-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-ultra', '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-ultra', '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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra sakana/fugu-ultra
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Audit a paper-reproduction discrepancy\n\nCompare this supplied method with the reproduction notes. Method M: normalize each feature using training-set mean and variance, then apply the same values to validation data. Notes N: normalization is fitted once on the combined training and validation rows. Explain the discrepancy, its consequence for evaluation and one focused rerun that would distinguish the corrected procedure.A source-linked reproduction finding, an explanation of leakage and one bounded correction-and-comparison experiment.The proposed correction fits normalization only on training data and does not invent the rerun's outcome.