Aller au contenu
Alpha
  • Modèles
  • Classements
  • Ori
Contacter l’équipe commerciale

Pied de page

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

Produit

  • Chat
  • Classements
  • Évaluations comparatives
  • Applications
  • Découvrir
  • Modèles
  • Ori
  • Collections
  • Fournisseurs
  • Outils
  • Tarifs
  • Business
  • Enterprise
  • Laboratoire

Entreprise

  • À propos
  • Blog
  • Clients
  • Carrières
    Recrutement
  • Confidentialité
  • Conditions d’utilisation
  • Centre de confiance
  • Assistance
  • Compatible avec OR
  • Données
  • Marque

Développeur

  • Documentation
  • Référence de l’API
  • Plateforme pour développeurs
  • Statut
  • Plan du site pour l’IA

Connecter

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
Favicon de sakana

Sakana: Sakana Namazu

sakana/sakana-namazu

Comparer

Sakana Namazu is a Japanese-specialized reasoning model from Sakana AI, based on Kimi K2.6 with additional training for Japanese language and business contexts. It is suited for Japanese instruction following, business writing, mathematics, coding, research, and multi-step agent workflows.

Sakana AI may use inputs for model training and improvement by default, with an opt-out available in the Sakana Console. Processing entirely within Japan is not guaranteed.

Modalités
Prix en entrée / sortie
0,95 $US / 4 $USpar 1M
Contexte
262K
Publié
11 août 2026
Comparer
FournisseursTarificationPerformancesDisponibilitéApplicationsActivitéFAQExplorer

Fournisseurs

Ce modèle est hébergé par un seul fournisseur. OpenRouter lui transmet directement chaque requête — aucune décision de routage à prendre.

Tarification

Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.

Performances

Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).

Disponibilité

La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.

Applications

Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.

Activité

Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.

API

Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.

Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional

Explorer d’autres modèles

Modèles d’IA avec vision : LLM multimodaux pour la compréhension d’imagesCollectionClassements des modèles d’IAClassement
Latence / débit
0,95 $US4,00 $US0,15 $US0,92s70 tps
100,00 %
Débit
70jetons/s

P50, meilleur résultat tous fournisseurs confondus

Latence
0,92s

P50, meilleur fournisseur

Disponibilité (3 j)Le modèle était joignable. Requête acheminée vers un fournisseur.
100,00 %
Disponibilité (3 j)Le modèle a renvoyé un résultat d’inférence, quel que soit le fournisseur. Les erreurs et les réponses vides sont comptabilisées à son détriment.
96,53 %

Disponibilité au cours des 3 derniers jours

72 dernières heures
Disponibilité 96,53 %
Il y a 3 joursIl y a 2 joursHierMaintenant

Disponibilité au cours des dernières 24 heures

OpenRouter Availability
97,19 %

Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.

1.
Favicon de https://omp.sh/
omp
nouveau
8,98Mjetons
2.
Favicon de https://pi.dev/
pi
There are many coding agents, but this one is yours.
5,52Mjetons
3.
Favicon de https://janitorai.com/
Janitor AI
Janitor AI is a chatbot platform where users create and chat with custom AI characters for interactive roleplay, storytelling, and immersive fiction.
3,6Mjetons
4.
Favicon de https://lovemind.ai/
Luminaria bounded final manuscript review
nouveau
3,47Mjetons
5.
Favicon de https://kilocode.ai/
Kilo Code
Kilo Code is an open-source AI coding agent that works across VS Code, JetBrains, and CLI to help developers ship code faster with agentic workflows.
2,67Mjetons

Questions fréquentes

Sakana Namazu is a Japanese-specialized reasoning model from Sakana AI, based on Kimi K2.6 with additional training for Japanese language and business contexts. It is suited for Japanese instruction following, business writing, mathematics, coding, research, and multi-step agent workflows.

Sakana Namazu coûte 0,95 $US/M de jetons d’entrée et 4,00 $US/M de jetons de sortie, avec des tarifs distincts pour Cache Read à 0,15 $US/M tokens, Web Search à 7,00 $US/1K calls et Code Execution à 0,12 $US/hour.

Sakana Namazu dispose d’une fenêtre de contexte de 262 144 jetons. Il prend en charge jusqu’à 65 536 jetons de complétion.

Oui. Sakana Namazu accepte tools et tool_choice pour l’appel de fonctions. Il prend également en charge les sorties structurées via un schéma JSON dans response_format.

Sakana Namazu accepte texte, images et fichiers tels que des PDF en entrée et renvoie texte.

Fugu Ultra v2, Fugu Max et Fugu Ultra sont d’autres modèles de type texte de Sakana.

Sakana Namazu est sorti le 11 août 2026.

Autres modèles de sakana

Fugu Ultra v2

Fugu Ultra v2 is the higher-performance model in Sakana AI's Fugu family. Rather than a single monolithic model, Fugu is a learned multi-agent orchestration system: a language model trained to route tasks across a fixed pool of open and specialized models and to recursively call instances of itself.

Fugu Ultra v2 prioritizes answer quality on complex multi-step reasoning, autonomous research, and full-stack software development, and does not rely on individual proprietary frontier models in its pool. It supports configurable reasoning effort (high, xhigh, max), function calling, structured outputs, image and PDF input, and built-in web search. Prompts above 272K tokens are billed at a higher rate. Orchestration tokens consumed by the system are billed as standard input/output tokens.

TexteContexte de 1M5 $US / 30 $US
Fugu Max

Fugu Max is the cost-performance model in Sakana AI's Fugu family. Rather than a single monolithic model, Fugu is a learned multi-agent orchestration system: a language model trained to route tasks across a fixed pool of open-weights and specialized models, including NVIDIA's Nemotron family, and to recursively call instances of itself.

Fugu Max dynamically selects efficient combinations of expert agents to improve quality and cost together, and is priced flat regardless of context length. It supports configurable reasoning effort (high, xhigh, max), function calling, structured outputs, image and PDF input, and built-in web search and web fetch. Orchestration tokens consumed by the system are billed as standard input/output tokens.

TexteContexte de 1M2 $US / 6 $US
Fugu Ultra

Fugu Ultra is the higher-performance model in Sakana AI's Fugu family. Rather than a single monolithic model, Fugu is a learned multi-agent orchestration system: a language model trained to route tasks across a swappable pool of underlying models and to recursively call instances of itself.

Fugu Ultra prioritizes answer quality on complex, multi-step reasoning, coding, and agentic workflows. It supports configurable reasoning effort, tool calling, and built-in web search. Orchestration tokens consumed by the system are billed as standard input/output tokens.

TexteContexte de 1M5 $US / 30 $US