Sakana Fugu APIをApidogでテストするには、FuguのOpenAI互換の/chat/completionsパスに向けた新しいHTTPリクエストを作成し、キーを含むAuthorization: Bearerヘッダーを追加し、fuguまたはfugu-ultraモデルのいずれかを指定するペイロードを送信します。FuguはOpenAI互換のエンドポイントを1つ提供しているため、OpenAIチャット形式に対応するツールであれば、SDKの入れ替えなしで動作します。そしてApidogは、ストリーミング検査、保存されたリクエストバリアント、およびレスポンスの差分比較を一つのウィンドウで提供します。このガイドでは、リクエストの構築、SSEデルタの監視、usageオブジェクトの読み取り、バランスの取れたティアとより遅いUltraティア間のレイテンシーの比較という一連の流れを説明します。これにより、実際のレスポンスにおけるオーケストレーションホップのコストを把握できます。
テストと観察のパスではなく、コードファーストの統合パスを希望する場合は、付随するSakana Fugu APIの使用に関するガイドでSDKの接続について解説しています。この記事はApidog内での作業に焦点を当てています。
Fuguで実際にテストしているもの
Fuguは単なるチャットモデルではありません。Sakanaによると、Fuguは単一のAPIの背後に単一の基盤モデルとして提示されるマルチエージェントオーケストレーションシステムです。訓練された言語モデルは、委譲、エージェント間のコミュニケーション、および作業の統合に特化し、その後、自身の再帰的なインスタンスを含む複数のLLMを動的に調整します。リリースの見出しは「すべてのモデルを指揮する一つのモデル」です。オーケストレーションの背景については、Sakana Fuguとは何かを解説した記事をご覧ください。
この設計はテストにおいて重要です。一つのリクエストを送信すると、Fuguは直接回答するか、舞台裏でチームを編成するかを決定します。あなたは一つのレスポンスを受け取りますが、その下で行われた作業は複数のモデルを経由しているかもしれません。そのため、Apidogで測定する価値のある項目は通常のモデルテストとは異なります。Fuguがシングルパスで実行されたのか、オーケストレーションホップが行われたのかを示す代理としてレイテンシーを監視し、親呼び出しのトークンコストを確認するためにusageオブジェクトを読み取ります。
2つのバリアントがその単一のエンドポイントを共有しています。
- Fugu (バランスの取れた、低レイテンシーのバリアント) は、コーディング、コードレビュー、チャットボット、インタラクティブサービスなどの日常的な作業を対象としています。
- Fugu Ultra は、AI研究、論文の再現、サイバーセキュリティ分析、文献または特許調査など、最高の回答品質を対象としています。
ベータ版および初期の報道の多くでは、小型バリアントを「Fugu Mini」と呼んでいました。リリースページでは「Fugu」と「Fugu Ultra」を先頭に掲げているため、これらの名前を使用してください。「Mini」は古いベータ版のラベルです。
開始する前にベースURLとキーを取得する
Fuguはログインウォールの背後にあります。Googleまたはメールでconsole.sakana.aiにサインインし、コンソールでAPIキーとベースURLをコピーします。
2026年6月22日時点での重要な注意点：ベースURLは公開されているSakanaのページには掲載されていません。推測しないでください。実際のホストをコンソールからコピーし、変数として保持してください。このガイドで<YOUR_FUGU_BASE_URL_FROM_CONSOLE>と表示されている箇所はすべて、コンソールに表示される値に置き換えてください。アクセスも約500ユーザーのベータ版から一般提供へと移行しました。セルフサービス登録が完全に開始されているか、EU/EEAでの制限があるかについては、コンソールでライブ確認する価値があります。
ApidogでFuguリクエストを設定する
Apidogをお持ちでない場合はダウンロードし、新しいプロジェクトと新しいHTTPリクエストを作成してください。
キーとホストに環境変数を使用する
シークレットをURLバーに貼り付けないでください。Apidogの環境を使用すると、ベースURLとキーを一度保存し、すべてのリクエストで参照できます。環境（Fugu Prodと呼ぶ）を作成し、2つの変数を追加します。
fugu_base_urlを<YOUR_FUGU_BASE_URL_FROM_CONSOLE>の値に設定します。fugu_keyをコンソールAPIキーに設定します。
これで、リクエストURLは{{fugu_base_url}}/chat/completionsとなり、ヘッダー値はBearer {{fugu_key}}となります。ステージングキーとプロダクションキーの切り替えは、リクエスト全体での検索と置換ではなく、ドロップダウンの変更1つで済みます。以前に他のOpenAI互換プロバイダーをゲートウェイ経由で接続したことがある場合、これはOpenRouterを使ったClaude Codeのウォークスルーのパターンを反映しており、そこでは一つのベースURLと一つのベアラートークンがOpenAIクライアントを新しいバックエンドにリダイレクトします。
リクエストボディを作成する
メソッドをPOSTに、URLを{{fugu_base_url}}/chat/completionsに設定し、以下のヘッダーを追加します。
Authorization: Bearer {{fugu_key}}
Content-Type: application/json
次に、標準のOpenAIチャットペイロードをJSONボディにドロップします。
{
"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
}
この形式はOpenAIチャット補完リファレンスと完全に一致しており、これがOpenAI互換エンドポイントの意義です。リリース時に報告されているモデルID文字列はfuguとfugu-ultraです（fugu-ultra-20260615のような日付形式の場合もあります）。日付付きのIDは変更されるため、ハードコーディングするのではなく、コンソールで正確なIDを確認してください。
送信してください。choices配列とusageブロックを含む通常のチャット補完オブジェクトが返されるはずです。このリクエストをApidogに「Fugu balanced」として保存します。
Ultraバリアントに送信して両方を保存する
保存したリクエストを複製し、1つのフィールドを変更するだけで、2番目のテストケースが作成できます。
{
"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
}
これを「Fugu Ultra」として保存します。これで、modelフィールドのみが異なる、同じエンドポイントにアクセスする2つの保存済みリクエストができました。この設定が、残りのテストを意味のあるものにします。同じプロンプトを両方に送信し、その後レスポンスを比較し、タイミングを比較します。Apidogはリクエストごとにレスポンス履歴を保持するため、それぞれを再実行して、回答とレイテンシーがどのように変化するかを監視できます。API呼び出しの連鎖と比較に関するより広範なパターンについては、APIテストオーケストレーションガイドで複数のリクエストをシーケンスしてアサートする方法を解説しています。
SSEストリーミングデルタを検査する
ストリーミングはFuguの動作が興味深い点です。なぜなら、長いオーケストレーションホップでも、トークンが確定するとストリーミングされるからです。streamをtrueに切り替えます。
{
"model": "fugu-ultra",
"messages": [
{ "role": "user", "content": "Walk through a one-shot chess opening analysis, step by step." }
],
"stream": true
}
ストリーミングがオンの場合、レスポンスはtext/event-streamであり、一連のdata:チャンクとして届きます。ApidogはSSEストリームをリアルタイムでレンダリングするため、スピナーをじっと見つめる代わりに、デルタが到着する様子をライブで確認できます。各チャンクは次のようになります。
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]
deltaオブジェクトは増分トークンコンテンツを運びます。最初のチャンクは通常roleを運び、その後のチャンクはcontentフラグメントを運び、ストリームはfinish_reasonが設定され、最終的なdata: [DONE]行で終了します。Ultraでの最初のデルタまでの間隔に注目してください。トークンが開始する前の長い一時停止と、その後の安定したストリームは、Fuguが回答する前にチームを編成したという有用な信号です。バランスの取れたバリアントは、直接回答することが多いため、より早くストリーミングを開始する傾向があります。
usageオブジェクトを読み取り、コストを比較する
非ストリーミング呼び出しが返されたら、レスポンス内のusageブロックを開きます。
{
"usage": {
"prompt_tokens": 38,
"completion_tokens": 412,
"total_tokens": 450
}
}
親呼び出しのトークン数はApidogが直接表示するものです。1つの正直な点を念頭に置いてください。Fuguは、自身を再帰的に含め、他のベンダーの最先端モデルを呼び出すオーケストレーターです。あなたが読み取るusageは、Fuguへのリクエストに対する会計であり、Fuguが呼び出した可能性のあるすべてのダウンストリームモデルへの窓口ではありません。Sakanaによると、料金体系は日常使用のためのサブスクリプションティアと、より重いエンタープライズワークロードのための従量課金プランです。
比較の基準として、Anthropicの公表料金（2026年6月9日）では、Fable 5とMythos 5が入力1Mあたり10ドル、出力1Mあたり50ドルです。同じApidogプロジェクトでFuguと一緒にテストするための単一モデルのベースラインが必要な場合、付随するClaude Fable 5 APIガイドでそのエンドポイントについて説明されています。
レイテンシーにおけるオーケストレーションホップコストを測定する
これは両方のバリアントを実行することを正当化するテストです。「Fugu balanced」と「Fugu Ultra」に同じプロンプトを送信し、それぞれの結果の下部にApidogが報告する応答時間を読み取ります。
通常、バランスの取れたバリアントの方が早く返されることがわかります。Sakanaによると、バランスの取れた「Fugu」は低レイテンシーとインタラクティブサービスを対象とし、Ultraは研究グレードの作業のために最高の品質を目標としています。レイテンシーの差は、オーケストレーションホップに関する目に見える読み取り値です。Ultraがより長くかかる場合、その余分な時間は、Fuguが1回のパスで回答するのではなく、チームを調整していることを意味します。Apidogのリクエストごとのタイミングと保存された履歴により、各バリアントを数回実行し、そのギャップが安定しているか、プロンプトに依存しているかを視覚的に確認できます。
違いを強調するには、Sakana自身のアプリケーションリストの中から、強力な結果を謳っているタスクを選んでください。例えば、AutoResearch、機械設計、金融時系列予測、またはワンショットチェスです。Sakanaによると、Fuguはこれらの特定のアプリケーションにおいて、Gemini 3.1 Pro、Opus 4.8、およびGPT 5.5を一貫して上回るパフォーマンスを発揮します。この主張を注意深く読んでください。Fuguは、これらのモデル自体を呼び出し、その出力を合成することでこれらの結果に到達している可能性があり、「Opus 4.8を打ち負かす」という結果は、単一モデルの勝利ではなく、モデル群のモデルの結果である可能性があります。Sakanaはまた、Fugu Ultraをエンジニアリングおよび推論ベンチマークにおいてFable 5および以前のMythos Previewと肩を並べるものとして位置付けており、これは「打ち負かす」という主張ではなく、同等性を示す主張です。自分でテストし、自身のプロンプトで判断してください。
調査可能なエージェントルーティングとガバナンス
Fuguのリリースページでは、直接テストする価値のあるメカニズムが記述されています。プール内のエージェントは交換可能です。チームは、データまたはコンプライアンスの理由で特定のエージェントを除外できます。Fuguはまた、プロバイダーの制限を動的に回避します。コンソールがエージェントプールコントロールを公開している場合、どのモデルが適格であるかを変更し、保存されたApidogリクエストを再実行して、ルーティングと回答がどのように変化するかを監視できます。
研究の系譜は本物であり、引用可能です。このアプローチの背景には、ICLR 2026の2つの論文があります。Trinity, “An Evolved LLM Coordinator”は、Thinker、Worker、Verifierの役割を持つ2万未満のパラメータのLLMコーディネーターで、微分不可能な進化によって最適化されています。そして、Conductor, “Learning to Orchestrate Agents in Natural Language”は、強化学習で訓練された7Bモデルで、独自のコミュニケーション構造を学習し、より低いコストでMixture-of-Agentsを上回ると主張しています。これらは異なる手法とサイズを使用しているため、混同しないように注意してください。また、特定のパラメータ数を製品にマッピングすることは、公式な数値ではなく、第三者の推測であることにも注意してください。
Apidogワークフローへの適合性
単発のcurlではなくApidogでFuguをテストする意義は、再現性にあります。両方のバリアントリクエストを保存し、キーとホストを環境に保持し、新しいプロンプトに対してそれらをリプレイし、レスポンスを並べて比較し、ツールを離れることなくレイテンシーとusageを読み取ります。FuguがモデルIDをローテーションしたり、ステージングキーからプロダクションに切り替えたりするときは、環境変数を1つ変更するだけで、保存されているすべてのリクエストがそれに従います。これがテストと観察のループです。一度構築すれば、異なるプロンプトを投入する際にオーケストレーションシステムがどのように動作するかを監視できます。
Sakanaは日本語の魚からその名を取っており、群れをなす魚のブランディングは、多くのモデルを調整して一つの答えを出すオーケストレーターにぴったりです。フグは、熟練した料理人が調理した場合のみ安全な珍味です。この「注意深い準備」という比喩は、ルーティング作業をエージェント間で考える上で適切な方法ですが、それがベンチマークではなく色彩であることを忘れないでください。
FuguにOpenAI互換のリクエストを向け、バリアントを保存し、Apidogにオーケストレーターが負荷の下でどのように動作するかを示させましょう。Apidogをダウンロードして最初のFugu環境をセットアップし、同じプロンプトを両方のバリアントに送信することから始めて、オーケストレーションホップを自分で確認してください。
よくある質問
ApidogでFuguをテストするためにどのベースURLを使用すればよいですか？
サインイン後、console.sakana.aiからベースURLをコピーしてください。2026年6月22日現在、Sakanaはいかなる公開ページにもホストを掲載していないため、推測しないでください。Apidogの環境変数として保存し、{{fugu_base_url}}/chat/completionsとして参照してください。
Fuguを呼び出すために特別なSDKが必要ですか？
いいえ。FuguはOpenAI互換のエンドポイントを1つ提供しているため、OpenAIクライアントやOpenAIチャット形式に対応するツールであれば、ベースURLとキーの変更だけで動作します。同じリダイレクトパターンはOpenRouterを使ったClaude Codeガイドにも登場します。
Fuguからのストリーミングレスポンスをテストするにはどうすればよいですか？
リクエストボディで"stream": trueを設定します。レスポンスはtext/event-streamとして届き、増分的なdeltaコンテンツを運ぶdata:チャンクが続き、data: [DONE]で終了します。ApidogはSSEストリームをライブでレンダリングするため、リアルタイムでデルタが到着する様子を監視できます。
FuguとFugu Ultraの違いは何ですか？
Fuguは、日常的なコーディング、レビュー、チャットボット向けのバランスの取れた低レイテンシーのバリアントです。Fugu Ultraは、研究、論文の再現、セキュリティ分析のために最高の回答品質を目標としています。どちらも同じエンドポイントを通じて実行され、modelフィールドのみが異なります。この違いにより、Apidogでの保存と差分比較が容易になります。
Fugu Ultraがバランスの取れたバリアントよりも遅いのはなぜですか？
余分なレイテンシーはオーケストレーションホップによるものです。Sakanaによると、Fuguは直接回答することも、モデルのチームを編成することもできますが、Ultraは品質のために深い調整に傾倒しています。Apidogで読み取る遅い応答時間は、Fuguが1回のパスで回答するのではなく、複数のモデルを調整したという目に見える信号です。
Fuguのベンチマーク勝利は単一モデルの結果ですか？
いいえ。Fuguは、自身を再帰的に含め、他のベンダーの最先端モデルを呼び出すオーケストレーターです。そのため、Sakanaによると「Opus 4.8を打ち負かす」という結果は、Opusを呼び出し、その出力を合成することから生じている可能性があります。Fuguの数値は単一モデルの勝利ではなく、モデル群のモデルの結果として扱い、自身のプロンプトで検証してください。