Pour tester l'API Sakana Fugu dans Apidog, créez une nouvelle requête HTTP pointant vers le chemin compatible OpenAI `/chat/completions` de Fugu, ajoutez un en-tête `Authorization: Bearer` avec votre clé, et envoyez une charge utile qui nomme soit le modèle `fugu` soit `fugu-ultra`. Parce que Fugu propose un point de terminaison compatible OpenAI, tout outil qui prend en charge le format de chat OpenAI fonctionne sans échange de SDK, et Apidog vous offre l'inspection de streaming, les variantes de requêtes enregistrées et la comparaison des réponses dans une seule fenêtre. Ce guide parcourt le cycle complet : construisez la requête, observez les deltas SSE, lisez l'objet `usage`, et comparez la latence entre le niveau équilibré et le niveau Ultra plus lent afin de voir le coût du saut d'orchestration dans les réponses réelles.buttonSi vous préférez le chemin d'intégration basé sur le code plutôt que le chemin de test et d'observation, le guide complémentaire sur l'utilisation de l'API Sakana Fugu couvre le câblage du SDK. Cet article reste dans Apidog.
Ce que vous testez réellement avec Fugu
Fugu n'est pas un simple modèle de chat. Selon Sakana, c'est un système d'orchestration multi-agents présenté comme un modèle de fondation unique derrière une seule API. Un modèle de langage entraîné se spécialise dans la délégation, la communication entre agents et la synthèse de travail, puis coordonne dynamiquement plusieurs LLM, y compris des instances récursives de lui-même. Le titre de la version est "Un modèle pour les commander tous". Pour l'histoire de l'orchestration, consultez l'explication de ce qu'est Sakana Fugu.
Cette conception est importante pour les tests. Lorsque vous envoyez une requête, Fugu décide de répondre directement ou de former une équipe en coulisses. Vous voyez une seule réponse, mais le travail sous-jacent peut avoir traversé plusieurs modèles. Ainsi, les choses à mesurer dans Apidog sont différentes d'un test de modèle normal : vous surveillez la latence comme un indicateur de si Fugu a effectué une seule passe ou un saut d'orchestration, et vous lisez l'objet `usage` pour voir le coût des jetons sur l'appel parent.
Deux variantes partagent ce point de terminaison unique :
- Fugu (la variante équilibrée, à faible latence) cible le travail quotidien : codage, révision de code, chatbots et services interactifs.
- Fugu Ultra cible la qualité de réponse maximale : recherche en IA, reproduction d'articles, analyse de cybersécurité et investigation littéraire ou de brevets.
La version bêta et une grande partie de la presse initiale appelaient la petite variante "Fugu Mini". La page de publication met en avant "Fugu" et "Fugu Ultra", utilisez donc ces noms ; "Mini" est l'ancienne étiquette bêta.
Obtenez l'URL de base et la clé avant de commencer
Fugu est derrière un mur de connexion. Vous vous connectez sur console.sakana.ai avec Google ou par e-mail, et la console est l'endroit où vous copiez votre clé API et votre URL de base.
Une note importante pour le 22/06/2026 : l'URL de base n'est pas publiée sur une page publique de Sakana. Ne la devinez pas. Copiez l'hôte réel de la console et conservez-le comme variable. Partout dans ce guide où vous voyez `<YOUR_FUGU_BASE_URL_FROM_CONSOLE>`, remplacez-le par la valeur affichée dans la console. L'accès est également passé d'une version bêta d'environ 500 utilisateurs à une disponibilité générale ; il convient de vérifier en direct dans la console si l'inscription en libre-service est entièrement ouverte et s'il existe une restriction UE/EEE.
Configurez la requête Fugu dans Apidog
Téléchargez Apidog si vous ne l'avez pas, puis créez un nouveau projet et une nouvelle requête HTTP.
button
Utilisez des variables d'environnement pour la clé et l'hôte
Ne collez pas de secrets dans la barre d'URL. Les environnements Apidog vous permettent de stocker l'URL de base et la clé une seule fois et de les référencer dans toutes les requêtes. Créez un environnement (appelez-le `Fugu Prod`) et ajoutez deux variables :
- `fugu_base_url` défini sur votre valeur `<YOUR_FUGU_BASE_URL_FROM_CONSOLE>`.
- `fugu_key` défini sur votre clé API de console.
Maintenant, l'URL de votre requête devient `{{fugu_base_url}}/chat/completions` et la valeur de votre en-tête devient `Bearer {{fugu_key}}`. Basculer entre une clé de staging et une clé de production est un changement dans un menu déroulant, pas un remplacement dans toutes les requêtes. Si vous avez déjà configuré d'autres fournisseurs compatibles OpenAI via une passerelle, cela reflète le modèle de la procédure pas à pas de Claude Code avec OpenRouter, où une URL de base et un jeton bearer redirigent un client OpenAI vers un nouveau backend.
Construisez le corps de la requête
Définissez la méthode sur `POST`, l'URL sur `{{fugu_base_url}}/chat/completions`, et ajoutez ces en-têtes :
Authorization: Bearer {{fugu_key}}
Content-Type: application/json
Ensuite, insérez une charge utile de chat OpenAI standard dans le corps JSON :
{
"model": "fugu",
"messages": [
{ "role": "system", "content": "You are a concise API testing assistant." },
{ "role": "user", "content": "Summarize what an SSE delta is in two sentences." }
],
"stream": false
}
La forme correspond exactement à la référence des complétions de chat OpenAI, ce qui est le but d'un point de terminaison compatible OpenAI. Les chaînes d'identification de modèle signalées au lancement sont `fugu` et `fugu-ultra` (et éventuellement une forme datée comme `fugu-ultra-20260615`). Confirmez l'identifiant exact dans la console plutôt que de coder en dur une chaîne datée, car les identifiants datés changent.
Envoyez-le. Vous devriez recevoir un objet de complétion de chat normal en retour, avec un tableau `choices` et un bloc `usage`. Enregistrez cette requête dans Apidog sous le nom "Fugu balanced."
Envoyez à la variante Ultra et sauvegardez les deux
Dupliquez la requête enregistrée, modifiez un champ, et vous avez votre deuxième cas de test :
{
"model": "fugu-ultra",
"messages": [
{ "role": "user", "content": "Reproduce the core result of the Trinity coordinator paper in plain language and note one limitation." }
],
"stream": false
}
Enregistrez ceci sous le nom "Fugu Ultra". Vous avez maintenant deux requêtes enregistrées atteignant un seul point de terminaison, séparées uniquement par le champ `model`. C'est la configuration qui rend le reste du test significatif. Vous envoyez la même invite aux deux, puis comparez les réponses et les temps. Apidog conserve un historique des réponses par requête, vous pouvez donc réexécuter chacune et observer comment les réponses et la latence évoluent. Pour un schéma plus large sur l'enchaînement et la comparaison des appels API, le guide d'orchestration des tests API explique comment séquencer et affirmer à travers plusieurs requêtes.
Inspectez les deltas de streaming SSE
Le streaming est l'endroit où le comportement de Fugu devient intéressant, car un long saut d'orchestration diffuse toujours des jetons au fur et à mesure de leur finalisation. Activez `stream` en le mettant à `true` :
{
"model": "fugu-ultra",
"messages": [
{ "role": "user", "content": "Walk through a one-shot chess opening analysis, step by step." }
],
"stream": true
}
Avec le streaming activé, la réponse est `text/event-stream` et arrive sous forme de séries de fragments `data:`. Apidog affiche le flux SSE en direct, vous permettant d'observer les deltas au lieu de fixer un spinner. Chaque fragment ressemble à ceci :
data: {"id":"chatcmpl-xxx","object":"chat.completion.chunk","choices":[{"index":0,"delta":{"content":"The"},"finish_reason":null}]}
data: {"id":"chatcmpl-xxx","object":"chat.completion.chunk","choices":[{"index":0,"delta":{"content":" Sicilian"},"finish_reason":null}]}
data: [DONE]
L'objet `delta` transporte le contenu incrémental des jetons. Le premier fragment contient généralement le `role`, puis les fragments suivants transportent des fragments de `content`, et le flux se termine par `finish_reason` défini et une ligne finale `data: [DONE]`. Observez le délai avant le premier delta sur Ultra. Une longue pause avant que les jetons ne commencent, puis un flux régulier, est un signal utile que Fugu a rassemblé une équipe avant de répondre. La variante équilibrée a tendance à commencer à diffuser plus tôt car elle répond plus souvent directement.
Lisez l'objet `usage` et comparez les coûts
Une fois qu'un appel non-streaming est renvoyé, ouvrez le bloc `usage` dans la réponse :
{
"usage": {
"prompt_tokens": 38,
"completion_tokens": 412,
"total_tokens": 450
}
}
Les décomptes de jetons sur l'appel parent sont ce qu'Apidog vous montre directement. Gardez un point d'honnêteté à l'esprit : Fugu est un orchestrateur qui appelle les modèles de pointe d'autres fournisseurs, y compris récursivement lui-même. L'objet `usage` que vous lisez est la comptabilité de votre requête à Fugu, et non une fenêtre sur chaque modèle en aval qu'il a pu appeler. La structure tarifaire, selon Sakana, comprend des abonnements pour une utilisation quotidienne et un plan de paiement à l'usage pour les charges de travail plus lourdes et les entreprises.
Pour une ancre de comparaison concrète, les tarifs publiés par Anthropic (09/06/2026) fixent Fable 5 et Mythos 5 à 10 $ par million d'entrées et 50 $ par million de sorties. Le guide API Claude Fable 5 couvre ce point de terminaison si vous souhaitez un point de référence à modèle unique à tester aux côtés de Fugu dans le même projet Apidog.
Mesurez le coût du saut d'orchestration en latence
C'est le test qui justifie d'exécuter les deux variantes. Envoyez la même invite à "Fugu balanced" et "Fugu Ultra", puis lisez le temps de réponse qu'Apidog signale en bas de chaque résultat.
Vous verrez généralement la variante équilibrée revenir plus rapidement. Selon Sakana, le "Fugu" équilibré vise une faible latence et des services interactifs, tandis qu'Ultra vise une qualité maximale pour les travaux de recherche. Le delta de latence est votre lecture visible sur le saut d'orchestration : lorsque Ultra prend plus de temps, ce temps supplémentaire signifie que Fugu coordonne une équipe plutôt que de répondre en une seule passe. Le chronométrage par requête d'Apidog et l'historique enregistré vous permettent d'exécuter chaque variante plusieurs fois et de voir si l'écart est stable ou dépend de l'invite.
Pour accentuer la différence, choisissez une tâche dans la propre liste d'applications de Sakana où elle revendique de solides résultats : AutoResearch, conception mécanique, prévision de séries temporelles financières, ou échecs en un coup. Selon Sakana, Fugu surpasse constamment Gemini 3.1 Pro, Opus 4.8 et GPT 5.5 sur ces applications spécifiques. Lisez attentivement cette affirmation. Fugu peut atteindre ces résultats en appelant ces mêmes modèles et en synthétisant leurs sorties, de sorte qu'un résultat "bat Opus 4.8" peut être un résultat de modèle de modèles, et non une victoire d'un modèle unique. Sakana positionne également Fugu Ultra comme étant au coude à coude avec Fable 5 et l'ancien Mythos Preview sur les bancs d'essai d'ingénierie et de raisonnement, ce qui est une affirmation de parité, pas une affirmation de "victoire". Testez-le vous-même et jugez par vos propres invites.
Routage d'agents et gouvernance que vous pouvez sonder
La page de publication de Fugu décrit des mécanismes qui méritent d'être testés directement. Les agents du pool sont interchangeables. Les équipes peuvent exclure des agents spécifiques pour des raisons de données ou de conformité. Fugu gère également de manière dynamique les restrictions des fournisseurs. Si votre console expose des contrôles de pool d'agents, vous pouvez modifier les modèles éligibles et relancer vos requêtes Apidog enregistrées pour observer comment le routage et les réponses changent.
La lignée de recherche est réelle et citable. Deux articles de l'ICLR 2026 sont à l'origine de cette approche : Trinity, "An Evolved LLM Coordinator", un coordinateur de moins de 20 000 paramètres optimisé par évolution sans dérivée avec des rôles Penseur, Travailleur et Vérificateur, et Conductor, "Learning to Orchestrate Agents in Natural Language", un modèle de 7 milliards de paramètres entraîné par apprentissage par renforcement qui apprend sa propre structure de communication et prétend surpasser le mélange d'agents à moindre coût. Ils utilisent des méthodes et des tailles différentes, il ne faut donc pas les confondre, et notez que l'association d'un nombre spécifique de paramètres au produit livré est une inférence tierce plutôt qu'un chiffre officiel.
Comment cela s'intègre à votre flux de travail Apidog
L'intérêt de tester Fugu dans Apidog au lieu d'un simple curl est la répétabilité. Vous enregistrez les deux requêtes variantes, conservez votre clé et votre hôte dans un environnement, les rejouez avec de nouvelles invites, comparez les réponses côte à côte, et lisez la latence et l'`usage` sans quitter l'outil. Lorsque Fugu fait tourner un ID de modèle ou que vous passez d'une clé de staging à la production, vous changez une variable d'environnement et toutes les requêtes enregistrées suivent. C'est la boucle de test et d'observation : construisez une fois, puis observez comment un système d'orchestration se comporte lorsque vous lui soumettez différentes invites.
Sakana tire son nom du mot japonais désignant le poisson, et le thème du banc de poissons correspond bien à un orchestrateur qui coordonne plusieurs modèles en une seule réponse. Le fugu, poisson-globe, est une délicatesse sûre uniquement lorsqu'un chef expérimenté le prépare. La métaphore de la préparation minutieuse est une bonne façon de concevoir le routage du travail entre les agents, à condition de se souvenir que c'est une métaphore colorée, et non un point de repère.
Pointez vos requêtes compatibles OpenAI vers Fugu, enregistrez vos variantes et laissez Apidog vous montrer comment l'orchestrateur se comporte sous la charge. Téléchargez Apidog pour configurer votre premier environnement Fugu, et commencez par envoyer la même invite aux deux variantes pour observer par vous-même le saut d'orchestration.
button
Foire Aux Questions
Quelle URL de base dois-je utiliser pour tester Fugu dans Apidog ?
Copiez l'URL de base de console.sakana.ai après vous être connecté. Sakana n'a pas publié l'hôte sur une page publique au 22/06/2026, ne le devinez donc pas. Stockez-le comme variable d'environnement Apidog et référencez-le comme `{{fugu_base_url}}/chat/completions`.
Ai-je besoin d'un SDK spécial pour appeler Fugu ?
Non. Fugu propose un point de terminaison compatible OpenAI, de sorte que tout client OpenAI ou tout outil qui parle le format de chat OpenAI fonctionne avec seulement un changement d'URL de base et de clé. Le même modèle de redirection apparaît dans le guide Claude Code avec OpenRouter.
Comment tester les réponses en streaming de Fugu ?
Définissez `"stream": true` dans le corps de la requête. La réponse arrive en tant que `text/event-stream` avec des fragments `data:` qui contiennent le contenu incrémental `delta`, se terminant par `data: [DONE]`. Apidog affiche le flux SSE en direct afin que vous puissiez voir les deltas arriver en temps réel.
Quelle est la différence entre Fugu et Fugu Ultra ?
Fugu est la variante équilibrée et à faible latence pour le codage, la révision et les chatbots quotidiens. Fugu Ultra vise une qualité de réponse maximale pour la recherche, la reproduction d'articles et l'analyse de sécurité. Les deux fonctionnent via le même point de terminaison, séparés uniquement par le champ `model`, ce qui les rend faciles à enregistrer et à comparer dans Apidog.
Pourquoi Fugu Ultra est-il plus lent que la variante équilibrée ?
La latence supplémentaire est due au saut d'orchestration. Selon Sakana, Fugu peut répondre directement ou assembler une équipe de modèles, et Ultra privilégie une coordination plus approfondie pour la qualité. Le temps de réponse plus lent que vous lisez dans Apidog est le signal visible que Fugu a coordonné plusieurs modèles au lieu de répondre en une seule passe.
Les victoires de Fugu en matière de benchmark sont-elles des résultats de modèle unique ?
Non. Fugu est un orchestrateur qui appelle les modèles de pointe d'autres fournisseurs, y compris récursivement lui-même. Ainsi, un résultat qui « bat Opus 4.8 », selon Sakana, peut provenir de l'appel d'Opus et de la synthèse de sa sortie. Traitez les chiffres de Fugu comme des résultats de modèles de modèles, et non comme des victoires de modèle unique, et vérifiez-les avec vos propres invites.