Fugu Ultra는 Sakana AI의 멀티 에이전트 지휘자로, 현재 EmpirioLabs에서 생방송 중입니다. 단일 모델로 답변하는 대신, 각 요청마다 전문가 모델들을 조율해 하나의 답변으로 작업을 구성하는데, 사카나는 이를 '지휘자'라고 부릅니다. 복잡한 추론, 코드 생성 및 검토, 연구, 그리고 긴 다단계 작업 등 어렵고 고위험 문제에 맞게 설계되었습니다.
Fugu Ultra는 현재 OpenAI 호환 API를 통해 1M 토큰 컨텍스트 창, 텍스트 및 이미지 입력, 조정 가능한 추론 노력, 함수 호출, JSON 모드 구조화 출력, 내장 웹 검색 기능을 제공합니다. 한번 해봐. 팟캐스트 또는 읽어보면 API 문서·.
토큰 사용 및 청구
Fugu Ultra는 단일 모델보다 더 많은 토큰을 사용하기 때문에 시작하기 전에 이 점을 이해하는 것이 도움이 됩니다. 각 요청은 내부적으로 여러 전문가 모델을 조정하며, 그 모든 작업이 청구되는 표준 입력 및 출력 토큰 수에 통합됩니다. 실제로는 짧은 프롬프트라도 보낸 텍스트보다 더 많은 입력 및 출력 토큰을 보고하는데, 이는 모델의 내부 조정도 포함되기 때문입니다. 청구는 입력 및 출력 토큰에 대한 사용 기반의 토큰별 가격 책정을 간단하게 적용하는 것입니다; 정확하고 항상 최신 속도, 할인된 캐시드 입력 속도는 다음과 같습니다. 모델 페이지 그리고 가격표·.
퀵스타트
어떤 OpenAI 호환 클라이언트든 EmpirioLabs 기본 URL을 가리키고 호출하세요 푸구-울트라::
curl https://api.empiriolabs.ai/v1/chat/completions \ -h "인증: 보유자 $EMPIRIOLABS_API_KEY" \ -h "내용 유형: application/json" \ -d '{ "model": "fugu-ultra", "reasoning_effort": "높음", "메시지": [ {"role": "user", "content": "기계 학습 논문 결과를 재현할 계획을 개요 작성." } ] }'Python OpenAI SDK는 변경 없이 작동합니다:
openai로부터 가져오기 OpenAI client = OpenAI(base_url="https://api.empiriolabs.ai/v1", api_key="YOUR_EMPIRIOLABS_KEY") resp = client.chat.completions.create(model="fugu-ultra", reasoning_effort="high", messages=[{"role": "user", "content": "TLS가 어떻게 작동하는지 설명하고, 설명을 비평하세요."}],) print(resp.choices[0].message.content)잘 알고
- 답변은 시간이 오래 걸릴 수 있습니다. 요청당 여러 모델을 실행하기 때문에 복잡한 프롬프트에서는 몇 초에서 몇 분 정도 걸릴 수 있습니다. 전체 답변은 모델이 끝나면 토큰 단위가 아니라 즉시 반환됩니다. 스트리밍 요청은 여전히 작동하지만, 생성 토큰이 아니라 최종 응답을 전달합니다.
- 이성은 항상 작동한다. 설치하기
이유 effort로하이·,하이, 또는최대. 오프, 로우, 미디엄 구분이 없습니다. Xhigh와 Max는 가장 어려운 문제에 가장 많은 노력을 기울입니다. - 답변을 위한 여지를 남겨두세요. 넉넉하게 사용하세요
max_tokens, 매우 작은 극한은 답을 잘라내거나 비울 수 있기 때문이다. - 이미지 입력. 표준 OpenAI로 이미지를 전송하세요
image_url내용 부분. 업로드와 URL 모두 작동합니다. - 웹 검색. 켜
tool_web_search 에내장 웹 검색을 위한 기능입니다. 별도의 검색 수수료는 없습니다; 그 비용은 요청의 토큰 수에 포함됩니다. - 긴 맥락입니다. 이 모델은 최대 100만 개의 토큰 컨텍스트를 지원하므로 큰 문서와 코드베이스를 입력할 수 있습니다.
