"model":"sakana/fugu-ultra-v2"Fugu Ultra v2 — более производительная модель в семействе Fugu от Sakana AI. Fugu — это не единая монолитная модель, а обученная система мультиагентной оркестрации: языковая модель, обученная распределять задачи по фиксированному пулу открытых и специализированных моделей и рекурсивно вызывать собственные экземпляры.
Fugu Ultra v2 ставит во главу угла качество ответов в сложных многошаговых рассуждениях, автономных исследованиях и full-stack-разработке ПО и не зависит от отдельных проприетарных передовых моделей в своём пуле. Она поддерживает настраиваемый уровень усилий рассуждений (high, xhigh, max), вызов функций, структурированный вывод, ввод изображений и PDF и встроенный веб-поиск. Промпты длиннее 272 тыс. токенов тарифицируются по повышенной ставке. Токены оркестрации, потребляемые системой, тарифицируются как обычные входные и выходные токены.
Поддерживаемые параметры
Указывает, возвращать ли вместе с ответом цепочку рассуждений модели. При включении в ответе появляется поле с ходом размышлений, что полезно для отладки, аудита и объяснимости. При отключении пользователь видит только финальный результат, а рассуждения остаются скрытыми. Доступно для моделей, поддерживающих режим рассуждений.
Включает режим внутренних пошаговых рассуждений модели перед выдачей финального ответа. Позволяет управлять «обдумыванием»: глубиной размышлений или бюджетом токенов на них. Как правило, повышает качество на сложных задачах — логике, математике, многошаговом планировании — ценой большего времени и стоимости. Сами рассуждения могут не показываться пользователю, если не запрошены отдельно.
Регулирует, насколько глубоко модель «думает» перед ответом, обычно через уровни low / medium / high. Более высокий уровень повышает точность на сложных задачах, но увеличивает задержку и расход токенов. Низкий уровень даёт быстрые и дешёвые ответы там, где глубокое рассуждение не нужно. Это упрощённая альтернатива ручной настройке бюджета рассуждений.
Гарантирует, что ответ модели строго соответствует заданной JSON-схеме. В отличие от обычной просьбы «верни JSON», провайдер на уровне декодирования не позволяет нарушить структуру и типы полей. Это критично для надёжных интеграций, где ответ сразу передаётся в код без дополнительной валидации. Поддерживается не всеми моделями и обычно используется вместе с описанием схемы.
Управляет тем, будет ли модель вызывать инструменты и какой именно. Режим auto оставляет решение модели, none запрещает вызовы, required заставляет вызвать хотя бы один инструмент. Можно жёстко указать конкретную функцию, которую нужно вызвать. Полезно, когда логика приложения требует предсказуемого поведения вместо свободного выбора модели.
Описание набора функций (инструментов), которые модель может вызвать в ходе ответа. Для каждого инструмента передаётся имя, назначение и JSON-схема параметров. Модель сама решает, когда уместно вызвать инструмент, и возвращает имя функции с аргументами, а выполнение остаётся на стороне приложения. Это основа агентных сценариев и интеграций с внешними сервисами и данными.
Настраивает встроенный веб-поиск для моделей, которые умеют дополнять ответ свежими данными из интернета. Здесь можно задать, например, объём поисковой выдачи или контекст местоположения. Веб-поиск помогает отвечать на вопросы о текущих событиях и фактах вне обучающих данных модели. Использование поиска тарифицируется отдельно от токенов (см. блок цены).
Быстрый старт
curl https://api.aiadapter.ru/api/v1/chat/completions \
-H "Authorization: Bearer sk-aa-v1-..." \
-H "Content-Type: application/json" \
-d '{"model":"sakana/fugu-ultra-v2","messages":[{"role":"user","content":"Привет!"}]}'