Apidog에서 Sakana Fugu API를 테스트하려면, Fugu의 OpenAI 호환 /chat/completions 경로를 가리키는 새 HTTP 요청을 생성하고, 키와 함께 Authorization: Bearer 헤더를 추가한 다음, fugu 또는 fugu-ultra 모델을 지정하는 페이로드를 전송하세요. Fugu는 하나의 OpenAI 호환 엔드포인트를 제공하므로, OpenAI 채팅 형식을 지원하는 모든 도구는 SDK 교체 없이 작동하며, Apidog는 하나의 창에서 스트리밍 검사, 저장된 요청 변형 및 응답 차이 비교 기능을 제공합니다. 이 가이드는 요청 구축, SSE 델타 관찰, usage 객체 읽기, 균형 잡힌 티어와 느린 Ultra 티어 간의 지연 시간 비교를 통해 실제 응답에서 오케스트레이션 홉 비용을 확인할 수 있도록 전체 과정을 안내합니다.
테스트 및 관찰 경로 대신 코드 우선 통합 경로를 원한다면, 관련 Sakana Fugu API 사용 가이드에서 SDK 연결에 대해 다룹니다. 이 문서는 Apidog 내부에 초점을 맞춥니다.
Fugu로 실제로 테스트하는 것
Fugu는 단순한 채팅 모델이 아닙니다. Sakana에 따르면, Fugu는 하나의 API 뒤에 단일 파운데이션 모델로 제시된 다중 에이전트 오케스트레이션 시스템입니다. 훈련된 언어 모델은 위임, 에이전트 통신 및 작업 통합에 특화되어 있으며, 재귀적 인스턴스를 포함한 여러 LLM을 동적으로 조정합니다. 출시 헤드라인은 "모든 것을 지휘하는 하나의 모델(One Model to Command Them All)"입니다. 오케스트레이션 배경에 대해서는 Sakana Fugu란 무엇인가에 대한 설명을 참조하세요.
이러한 설계는 테스트에 중요합니다. 하나의 요청을 보내면 Fugu는 직접 응답할지 또는 배후에서 팀을 구성할지 결정합니다. 당신은 하나의 응답을 보지만, 그 아래에서 수행된 작업은 여러 모델을 거쳤을 수 있습니다. 따라서 Apidog에서 측정할 가치가 있는 것들은 일반적인 모델 테스트와 다릅니다. Fugu가 단일 패스로 실행되었는지 또는 오케스트레이션 홉을 거쳤는지에 대한 프록시로 지연 시간을 관찰하고, usage 객체를 읽어 상위 호출의 토큰 비용을 확인합니다.
두 가지 변형이 단일 엔드포인트를 공유합니다:
- Fugu (균형 잡힌 저지연 변형)는 코딩, 코드 검토, 챗봇 및 대화형 서비스와 같은 일상적인 작업을 목표로 합니다.
- Fugu Ultra는 AI 연구, 논문 재현, 사이버 보안 분석 및 문헌 또는 특허 조사와 같은 최대 답변 품질을 목표로 합니다.
베타 버전과 초기 언론의 대부분은 작은 변형을 "Fugu Mini"라고 불렀습니다. 출시 페이지에는 "Fugu"와 "Fugu Ultra"가 명시되어 있으므로 이 이름을 사용하세요. "Mini"는 오래된 베타 레이블입니다.
시작하기 전에 기본 URL과 키를 확보하세요
Fugu는 로그인 장벽 뒤에 있습니다. Google 또는 이메일을 사용하여 console.sakana.ai에 로그인하면 콘솔에서 API 키와 기본 URL을 복사할 수 있습니다.
2026년 6월 22일 현재 중요한 사항 하나: 기본 URL은 Sakana의 어떤 공개 페이지에도 게시되어 있지 않습니다. 추측하지 마세요. 콘솔에서 실제 호스트를 복사하여 변수로 보관하세요. 이 가이드에서 <YOUR_FUGU_BASE_URL_FROM_CONSOLE>이 보이는 모든 곳에 콘솔에 표시된 값으로 교체하세요. 접근 권한 또한 약 500명의 사용자 베타에서 일반 사용 가능으로 전환되었습니다. 셀프 서비스 가입이 완전히 열려 있는지, EU/EEA 제한이 있는지 여부는 모두 콘솔에서 실시간으로 확인하는 것이 좋습니다.
Apidog에서 Fugu 요청 설정
Apidog가 없다면 다운로드한 다음, 새 프로젝트와 새 HTTP 요청을 생성하세요.
키와 호스트에 환경 변수 사용
URL 바에 비밀 정보를 붙여넣지 마세요. Apidog 환경을 사용하면 기본 URL과 키를 한 번 저장하고 모든 요청에서 참조할 수 있습니다. 환경을 생성하고 (이름을 Fugu Prod로 지정) 두 개의 변수를 추가하세요:
fugu_base_url을<YOUR_FUGU_BASE_URL_FROM_CONSOLE>값으로 설정합니다.fugu_key를 콘솔 API 키로 설정합니다.
이제 요청 URL은 {{fugu_base_url}}/chat/completions이 되고 헤더 값은 Bearer {{fugu_key}}가 됩니다. 스테이징 키와 프로덕션 키 사이를 전환하는 것은 요청 전체에서 찾기 및 바꾸기가 아니라 하나의 드롭다운 변경으로 가능합니다. 이전에 게이트웨이를 통해 다른 OpenAI 호환 공급자를 연결한 경험이 있다면, 이는 OpenRouter 가이드와 함께 Claude Code 사용의 패턴을 따릅니다. 이 가이드에서는 하나의 기본 URL과 하나의 베어러 토큰이 OpenAI 클라이언트를 새 백엔드로 리디렉션합니다.
요청 본문 구축
메서드를 POST로, URL을 {{fugu_base_url}}/chat/completions으로 설정하고 다음 헤더를 추가합니다:
Authorization: Bearer {{fugu_key}}
Content-Type: application/json
그런 다음 표준 OpenAI 채팅 페이로드를 JSON 본문에 넣습니다:
{
"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
}
형태는 OpenAI 채팅 완성 참조와 정확히 일치하며, 이것이 OpenAI 호환 엔드포인트의 핵심입니다. 출시 시 보고된 모델 ID 문자열은 fugu와 fugu-ultra입니다 (그리고 fugu-ultra-20260615와 같은 날짜가 포함된 형태도 가능합니다). 날짜가 포함된 ID는 변경될 수 있으므로, 하드코딩된 문자열 대신 콘솔에서 정확한 ID를 확인하세요.
전송합니다. choices 배열과 usage 블록이 포함된 일반 채팅 완성 객체를 받아야 합니다. 이 요청을 Apidog에 “Fugu balanced”로 저장하세요.
Ultra 변형으로 전송하고 둘 다 저장
저장된 요청을 복제하고 필드 하나를 변경하면 두 번째 테스트 케이스가 완성됩니다:
{
"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
}
이를 “Fugu Ultra”로 저장합니다. 이제 model 필드만으로 구분된, 하나의 엔드포인트를 호출하는 두 개의 저장된 요청이 있습니다. 이 설정이 나머지 테스트를 의미 있게 만듭니다. 두 요청에 동일한 프롬프트를 보내고, 응답을 비교하고 타이밍을 비교합니다. Apidog는 요청별 응답 기록을 유지하므로, 각 요청을 다시 실행하고 응답과 지연 시간이 어떻게 변하는지 관찰할 수 있습니다. API 호출을 연결하고 비교하는 더 넓은 패턴에 대해서는 API 테스트 오케스트레이션 가이드에서 여러 요청에 걸쳐 시퀀스를 지정하고 단언하는 방법을 다룹니다.
SSE 스트리밍 델타 검사
스트리밍은 Fugu의 동작이 흥미로워지는 지점입니다. 긴 오케스트레이션 홉이 있더라도 토큰이 확정되는 대로 스트리밍되기 때문입니다. stream을 true로 전환합니다:
{
"model": "fugu-ultra",
"messages": [
{ "role": "user", "content": "Walk through a one-shot chess opening analysis, step by step." }
],
"stream": true
}
스트리밍을 켜면 응답은 text/event-stream이며 일련의 data: 청크로 도착합니다. Apidog는 SSE 스트림을 실시간으로 렌더링하므로, 스피너를 응시하는 대신 델타가 도착하는 것을 볼 수 있습니다. 각 청크는 다음과 같습니다:
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 객체는 증분 토큰 내용을 전달합니다. 첫 번째 청크는 일반적으로 role을 전달하고, 이후 청크는 content 조각을 전달하며, 스트림은 finish_reason이 설정되고 최종 data: [DONE] 줄로 끝납니다. Ultra에서 첫 번째 델타 전의 간격을 살펴보세요. 토큰이 시작되기 전의 긴 일시 중지 후 안정적인 스트림은 Fugu가 응답하기 전에 팀을 구성했다는 유용한 신호입니다. 균형 잡힌 변형은 직접 응답하는 경우가 더 많기 때문에 더 빨리 스트리밍을 시작하는 경향이 있습니다.
사용량 객체를 읽고 비용 비교
비스트리밍 호출이 반환되면 응답에서 usage 블록을 엽니다:
{
"usage": {
"prompt_tokens": 38,
"completion_tokens": 412,
"total_tokens": 450
}
}
상위 호출의 토큰 수는 Apidog가 직접 보여주는 내용입니다. 한 가지 솔직한 점을 염두에 두세요: Fugu는 다른 공급업체의 최첨단 모델을 재귀적으로 포함하여 자신을 호출하는 오케스트레이터입니다. 당신이 읽는 usage는 Fugu에 대한 당신의 요청에 대한 계산이며, Fugu가 호출했을 수 있는 모든 다운스트림 모델에 대한 창이 아닙니다. Sakana에 따르면 가격 구조는 일상적인 사용을 위한 구독 티어와 더 무거운 엔터프라이즈 워크로드를 위한 종량제 요금제입니다.
구체적인 비교 기준을 위해, Anthropic의 공개 요금 (2026-06-09)은 Fable 5와 Mythos 5를 입력 1M당 $10, 출력 1M당 $50로 책정합니다. 관련 Claude Fable 5 API 가이드는 동일한 Apidog 프로젝트에서 Fugu와 함께 테스트할 단일 모델 기준선을 원할 경우 해당 엔드포인트를 다룹니다.
지연 시간으로 오케스트레이션 홉 비용 측정
이것은 두 가지 변형을 모두 실행해야 하는 이유를 설명하는 테스트입니다. 동일한 프롬프트를 “Fugu balanced”와 “Fugu Ultra”에 전송한 다음, Apidog가 각 결과 하단에 보고하는 응답 시간을 읽으세요.
일반적으로 균형 잡힌 변형이 더 빠르게 반환되는 것을 볼 수 있습니다. Sakana에 따르면, 균형 잡힌 "Fugu"는 낮은 지연 시간과 대화형 서비스를 목표로 하는 반면, Ultra는 연구 등급 작업에 대한 최대 품질을 목표로 합니다. 지연 시간 차이는 오케스트레이션 홉에 대한 가시적인 판독값입니다. Ultra가 더 오래 걸릴 때, 그 추가 시간은 Fugu가 한 번에 응답하는 대신 팀을 조정하는 데 걸리는 시간입니다. Apidog의 요청별 타이밍 및 저장된 기록을 통해 각 변형을 여러 번 실행하고 간격이 안정적인지 또는 프롬프트에 따라 달라지는지 눈으로 확인할 수 있습니다.
차이를 강조하기 위해 Sakana가 강력한 결과를 주장하는 자체 애플리케이션 목록에서 작업을 선택하십시오: AutoResearch, 기계 설계, 금융 시계열 예측 또는 원샷 체스. Sakana에 따르면, Fugu는 이러한 특정 애플리케이션에서 Gemini 3.1 Pro, Opus 4.8 및 GPT 5.5를 지속적으로 능가합니다. 이 주장을 신중하게 읽으십시오. Fugu는 이러한 모델을 호출하고 출력을 통합하여 이러한 결과를 달성할 수 있으므로, "Opus 4.8을 능가한다"는 결과는 단일 모델의 승리가 아니라 모델 중의 모델 결과일 수 있습니다. Sakana는 또한 Fugu Ultra를 엔지니어링 및 추론 벤치마크 전반에 걸쳐 Fable 5 및 이전 Mythos Preview와 동등하게 위치시키며, 이는 "능가한다"는 주장이 아니라 동등하다는 주장입니다. 직접 테스트하고 자신의 프롬프트로 판단하십시오.
탐색 가능한 에이전트 라우팅 및 거버넌스
Fugu의 출시 페이지는 직접 테스트할 가치가 있는 메커니즘을 설명합니다. 풀 내의 에이전트는 교체 가능합니다. 팀은 데이터 또는 규정 준수상의 이유로 특정 에이전트를 제외할 수 있습니다. Fugu는 또한 공급자 제한을 동적으로 우회합니다. 콘솔이 에이전트 풀 제어를 노출하는 경우, 어떤 모델이 사용 가능한지 변경하고 저장된 Apidog 요청을 다시 실행하여 라우팅 및 응답이 어떻게 변화하는지 관찰할 수 있습니다.
연구 계보(lineage)는 실제이며 인용 가능합니다. 이 접근 방식 뒤에는 두 개의 ICLR 2026 논문이 있습니다: Trinity, "An Evolved LLM Coordinator"는 Thinker, Worker, Verifier 역할을 가진 미만 2만 개 파라미터 코디네이터가 미분 없는 진화로 최적화되었으며, Conductor, "Learning to Orchestrate Agents in Natural Language"는 자체 통신 구조를 학습하고 더 낮은 비용으로 Mixture-of-Agents를 능가한다고 주장하는 7B 모델입니다. 이들은 다른 방법과 크기를 사용하므로 혼동하지 마십시오. 또한 특정 파라미터 수를 출시된 제품에 매핑하는 것은 공식적인 수치가 아니라 타사 추론이라는 점에 유의하십시오.
Apidog 워크플로에 이것을 통합하는 방법
일회성 curl 대신 Apidog에서 Fugu를 테스트하는 이유는 반복성입니다. 두 가지 변형 요청을 저장하고, 환경에 키와 호스트를 보관하며, 새 프롬프트에 대해 다시 재생하고, 응답을 나란히 비교하고, 도구를 벗어나지 않고 지연 시간과 usage를 읽을 수 있습니다. Fugu가 모델 ID를 교체하거나 스테이징 키에서 프로덕션으로 전환할 때, 하나의 환경 변수를 변경하면 저장된 모든 요청에 적용됩니다. 이것이 테스트 및 관찰 루프입니다. 한 번 구축한 다음, 오케스트레이션 시스템이 다른 프롬프트를 통해 어떻게 동작하는지 관찰하는 것입니다.
Sakana는 일본어로 물고기를 뜻하는 단어에서 이름을 따왔으며, 물고기 떼(school-of-fish) 브랜딩은 많은 모델을 하나의 응답으로 조정하는 오케스트레이터에 잘 맞습니다. 복어(Fugu)는 숙련된 요리사가 준비할 때만 안전한 진미입니다. 신중한 준비라는 비유는 벤치마크가 아니라 색깔(color)이라는 점을 기억하는 한 에이전트 간에 작업을 라우팅하는 방법을 생각하는 좋은 방법입니다.
OpenAI 호환 요청을 Fugu로 향하게 하고, 변형을 저장하고, Apidog가 부하 상태에서 오케스트레이터가 무엇을 하는지 보여주도록 하세요. Apidog를 다운로드하여 첫 Fugu 환경을 설정하고, 두 변형에 동일한 프롬프트를 전송하여 오케스트레이션 홉을 직접 확인하는 것으로 시작하세요.
자주 묻는 질문
Apidog에서 Fugu를 테스트하려면 어떤 기본 URL을 사용해야 하나요?
로그인한 후 console.sakana.ai에서 기본 URL을 복사하십시오. Sakana는 2026년 6월 22일 현재 어떤 공개 페이지에도 호스트를 게시하지 않았으므로 추측하지 마십시오. 이를 Apidog 환경 변수로 저장하고 {{fugu_base_url}}/chat/completions로 참조하십시오.
Fugu를 호출하려면 특별한 SDK가 필요한가요?
아니요. Fugu는 하나의 OpenAI 호환 엔드포인트를 제공하므로, 모든 OpenAI 클라이언트 또는 OpenAI 채팅 형식을 지원하는 모든 도구는 기본 URL과 키 변경만으로 작동합니다. 동일한 리디렉션 패턴은 OpenRouter 가이드와 함께 Claude Code 사용에도 나타납니다.
Fugu에서 스트리밍 응답을 테스트하려면 어떻게 해야 하나요?
요청 본문에서 "stream": true로 설정하세요. 응답은 증분 delta 내용을 담고 있는 data: 청크와 함께 text/event-stream으로 도착하며, data: [DONE]으로 끝납니다. Apidog는 SSE 스트림을 실시간으로 렌더링하므로 델타가 실시간으로 도착하는 것을 볼 수 있습니다.
Fugu와 Fugu Ultra의 차이점은 무엇인가요?
Fugu는 일상적인 코딩, 검토 및 챗봇을 위한 균형 잡힌 저지연 변형입니다. Fugu Ultra는 연구, 논문 재현 및 보안 분석을 위한 최대 답변 품질을 목표로 합니다. 둘 다 동일한 엔드포인트를 통해 실행되며 model 필드만으로 구분됩니다. 이 때문에 Apidog에서 쉽게 저장하고 비교할 수 있습니다.
Fugu Ultra가 균형 잡힌 변형보다 느린 이유는 무엇인가요?
추가 지연 시간은 오케스트레이션 홉 때문입니다. Sakana에 따르면, Fugu는 직접 응답하거나 모델 팀을 구성할 수 있으며, Ultra는 품질을 위해 더 깊은 조정을 지향합니다. Apidog에서 읽을 수 있는 느린 응답 시간은 Fugu가 한 번에 응답하는 대신 여러 모델을 조정했다는 가시적인 신호입니다.
Fugu의 벤치마크 승리가 단일 모델 결과인가요?
아니요. Fugu는 다른 공급업체의 최첨단 모델을 재귀적으로 포함하여 자신을 호출하는 오케스트레이터입니다. 따라서 Sakana에 따르면 "Opus 4.8을 능가하는" 결과는 Opus를 호출하고 그 출력을 통합하여 얻을 수 있습니다. Fugu의 수치를 단일 모델의 승리가 아닌 모델 중의 모델 결과로 취급하고, 자신의 프롬프트와 비교하여 확인하십시오.