Wie verwendet man die Sakana Fugu API?

Sie verwenden die Sakana Fugu API, indem Sie unter console.sakana.ai einen API-Schlüssel erstellen, die in der Konsole angezeigte Basis-URL kopieren und Ihren vorhandenen OpenAI-Client auf diesen Endpunkt richten. Eine SDK-Migration ist nicht nötig: Fugu wird als OpenAI-kompatible API bereitgestellt, sodass dieselben openai-Bibliotheken für Python und JavaScript funktionieren, sobald Sie base_url und api_key austauschen. Laut Sakana Release-Seite entscheidet serverseitig ein Multi-Agenten-Orchestrierungssystem, ob Fugu direkt antwortet oder ein Team von Modellen zusammenstellt. Ihr Client sieht weiterhin nur eine normale Chat-Completion. Wenn Sie bereits andere Gateways eingerichtet haben, etwa wie im Leitfaden zur Claude Fable 5 API, ist das Setup sehr ähnlich.

Probieren Sie Apidog noch heute aus

In diesem Leitfaden richten Sie Fugu praktisch ein: API-Schlüssel erstellen, OpenAI-Client in Python und JavaScript konfigurieren, das passende Modell auswählen und Streaming-Antworten verarbeiten.

Was die Sakana Fugu API tatsächlich ist

Fugu ist im üblichen Sinn kein einzelnes Modell. Sakana beschreibt Fugu als trainiertes Sprachmodell, das auf Delegation, Agentenkommunikation und Arbeitssynthese spezialisiert ist. Die Veröffentlichung fasst es als „Ein Modell, um sie alle zu befehligen“ zusammen.

Wenn Sie eine Anfrage senden, analysiert ein trainierter Konduktor Ihre Eingabe. Danach gibt es zwei Möglichkeiten:

1. Fugu beantwortet die Anfrage direkt.
2. Fugu koordiniert dynamisch mehrere LLMs, einschließlich rekursiver Instanzen seiner selbst, und synthetisiert daraus eine finale Antwort.

Für Ihren Code bleibt dieser Ablauf unsichtbar. Sie senden eine OpenAI-kompatible Chat-Completion-Anfrage und erhalten eine normale Antwort zurück. Sie müssen keine Agenten definieren, kein Routing zwischen Providern implementieren und kein Team verwalten. Die Orchestrierung passiert serverseitig.

Es gibt zwei aktuelle Varianten:

Variante	Einsatzbereich
fugu	Ausgewogene Option mit geringer Latenz für alltägliche Aufgaben, Coding, Code-Reviews, Chatbots und interaktive Dienste
fugu-ultra	Maximale Antwortqualität für KI-Forschung, Reproduktion von Veröffentlichungen, Cybersicherheitsanalysen sowie Literatur- oder Patentrecherchen

Während der Beta-Phase wurde die kleinere Variante häufig „Fugu Mini“ genannt. Verwenden Sie für neue Integrationen die aktuellen Namen fugu und fugu-ultra.

Die Forschungslinie hinter Fugu ist öffentlich dokumentiert. Zwei ICLR-2026-Artikel stützen den Ansatz:

• Trinity: ein Koordinator mit weniger als 20.000 Parametern, optimiert durch derivative-freie Evolution mit Thinker-, Worker- und Verifier-Rollen.
• Conductor: ein 7B-Modell, das mit Reinforcement Learning trainiert wurde und Kommunikationsstrukturen zwischen Agenten lernt.

Diese Arbeiten verwenden unterschiedliche Methoden und Größen. Die genaue Parameteranzahl des ausgelieferten Fugu-Produkts ist nicht veröffentlicht.

Schritt 1: Fugu API-Schlüssel unter console.sakana.ai erstellen

Öffnen Sie console.sakana.ai und melden Sie sich mit Google oder E-Mail an. Der Zugang kann je nach Region und aktuellem Rollout-Status eingeschränkt sein. Die Beta-Version lief ab Ende April 2026 mit etwa 500 Benutzern. Prüfen Sie daher in der Konsole, ob Ihr Konto und Ihre Region unterstützt werden. Es wurde außerdem über eine mögliche Verfügbarkeitseinschränkung für EU/EWR berichtet.

Nach der Anmeldung:

1. Öffnen Sie den Bereich für API-Schlüssel.
2. Erstellen Sie einen neuen Schlüssel.
3. Speichern Sie ihn sicher, z. B. als Umgebungsvariable oder in einem Secrets Manager.
4. Committen Sie den Schlüssel niemals in Git.
5. Rotieren Sie den Schlüssel, falls er offengelegt wurde.

Beispiel für lokale Umgebungsvariablen:

export FUGU_API_KEY="YOUR_FUGU_API_KEY"
export FUGU_BASE_URL="<YOUR_FUGU_BASE_URL_FROM_CONSOLE>"

Kopieren Sie außerdem die Basis-URL aus Ihrer Sakana-Konsole. Dieser Schritt ist wichtig: Die Basis-URL für den Fugu-Endpunkt ist zum Zeitpunkt dieses Schreibens nicht auf einer öffentlichen Sakana-Seite veröffentlicht. Verwenden Sie exakt den Wert aus Ihrer Konsole. Raten Sie die URL nicht und übernehmen Sie keinen Host aus Foren oder Beispielen anderer Anbieter.

Schritt 2: Vorhandenen OpenAI-Client auf Fugu ausrichten

Da Fugu OpenAI-kompatibel ist, behalten Sie Ihr vorhandenes SDK. Sie ändern nur:

• api_key
• base_url beziehungsweise baseURL

Die Anfrage folgt weiterhin dem Format der OpenAI Chat-Completions API.

In den folgenden Beispielen ist <YOUR_FUGU_BASE_URL_FROM_CONSOLE> ein Platzhalter. Ersetzen Sie ihn durch die Basis-URL aus Ihrer Sakana-Konsole. Bestätigen Sie auch den Modellstring in Ihrer Konsole.

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["FUGU_API_KEY"],
    base_url=os.environ["FUGU_BASE_URL"],  # aus console.sakana.ai kopieren, nicht erraten
)

response = client.chat.completions.create(
    model="fugu",  # genauen Modellstring in Ihrer Konsole bestätigen
    messages=[
        {
            "role": "system",
            "content": "Sie sind ein hilfreicher Ingenieurassistent."
        },
        {
            "role": "user",
            "content": "Refaktorisieren Sie diese Funktion, um die verschachtelte Schleife zu entfernen."
        },
    ],
)

print(response.choices[0].message.content)

JavaScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.FUGU_API_KEY,
  baseURL: process.env.FUGU_BASE_URL, // aus console.sakana.ai kopieren, nicht erraten
});

const response = await client.chat.completions.create({
  model: "fugu", // genauen Modellstring in Ihrer Konsole bestätigen
  messages: [
    {
      role: "system",
      content: "Sie sind ein hilfreicher Ingenieurassistent.",
    },
    {
      role: "user",
      content: "Refaktorisieren Sie diese Funktion, um die verschachtelte Schleife zu entfernen.",
    },
  ],
});

console.log(response.choices[0].message.content);

Das ist die gesamte Migration. Wenn Sie zuvor einen OpenAI-Client über ein Drittanbieter-Gateway geleitet haben, entspricht das Muster Setups wie Claude Code mit OpenRouter: derselbe Client, neue Basis-URL, neuer Schlüssel.

Schritt 3: Das richtige model-Feld auswählen

Das Feld model wählt die Fugu-Variante aus. Gemeldete Strings sind:

fugu
fugu-ultra

Einige Quellen nennen auch datierte Kennungen wie:

fugu-ultra-20260615

Solche Kennungen können sich zwischen Releases ändern. Kopieren Sie deshalb den Modellstring aus Ihrer Konsole, statt eine datierte ID aus einem Artikel zu übernehmen.

Praktische Faustregel:

• Verwenden Sie fugu für interaktive Workloads, Coding, Code-Reviews und Chat.
• Verwenden Sie fugu-ultra, wenn Antwortqualität wichtiger ist als Latenz, z. B. bei tiefer Recherche, Paper-Reproduktion oder Sicherheitsanalysen.

Der Wechsel ist eine einzeilige Änderung:

# Ausgewogen, geringe Latenz
fast = client.chat.completions.create(
    model="fugu",
    messages=[
        {
            "role": "user",
            "content": "Fassen Sie dieses Änderungsprotokoll in drei Stichpunkten zusammen."
        }
    ],
)

# Maximale Antwortqualität
deep = client.chat.completions.create(
    model="fugu-ultra",  # genauen String in Ihrer Konsole bestätigen
    messages=[
        {
            "role": "user",
            "content": "Reproduzieren Sie das Hauptergebnis dieses Papers und kennzeichnen Sie eventuelle Lücken."
        }
    ],
)

Schritt 4: Antworten streamen

Streaming funktioniert wie bei OpenAI. Setzen Sie stream=True in Python oder stream: true in JavaScript und iterieren Sie über die Chunks. Das ist besonders nützlich für Chat-UIs und lange Antworten.

Python Streaming

stream = client.chat.completions.create(
    model="fugu",
    messages=[
        {
            "role": "user",
            "content": "Erklären Sie mir Schritt für Schritt, wie man eine CI-Pipeline einrichtet."
        }
    ],
    stream=True,
)

for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

JavaScript Streaming

const stream = await client.chat.completions.create({
  model: "fugu",
  messages: [
    {
      role: "user",
      content: "Erklären Sie mir Schritt für Schritt, wie man eine CI-Pipeline einrichtet.",
    },
  ],
  stream: true,
});

for await (const chunk of stream) {
  const delta = chunk.choices[0]?.delta?.content;
  if (delta) process.stdout.write(delta);
}

Wichtig: Auch wenn Tokens gestreamt werden, sehen Sie keine Zwischenkommunikation von Agenten und keinen Routing-Graphen. Falls Fugu ein Team zusammengestellt hat, bleibt diese Orchestrierung serverseitig. Der Stream enthält nur die synthetisierte finale Ausgabe.

Was hinter einer Anfrage geschieht

Fugu unterscheidet sich von einer einfachen Modell-API durch die serverseitige Orchestrierung. Bei jeder Anfrage entscheidet der Konduktor:

1. Direkt antworten.
2. Ein Team aus mehreren LLMs zusammenstellen.
3. Optional rekursive Fugu-Instanzen einbeziehen.
4. Die Ergebnisse zu einer Antwort synthetisieren.

Für Governance- und Compliance-Anforderungen sind einige Details relevant. Laut Release-Seite sind Agenten im Pool austauschbar. Teams können bestimmte Agenten ausschließen. Das kann hilfreich sein, wenn Daten- oder Compliance-Regeln bestimmte Anbieter für bestimmte Workloads ausschließen. Fugu kann außerdem dynamisch Anbieterbeschränkungen berücksichtigen. Damit ist die Orchestrierungsschicht nicht nur ein Qualitäts-, sondern auch ein Compliance-Hebel.

Benchmarks sollten Sie entsprechend lesen. Fugu ist ein Orchestrator, der führende Modelle anderer Anbieter aufrufen kann, einschließlich rekursiver Instanzen seiner selbst. Wenn Sakana berichtet, dass Fugu Ultra „Schulter an Schulter mit führenden Modellen wie Fable 5 und Mythos Preview“ bei technischen, wissenschaftlichen und Reasoning-Benchmarks steht, ist das eine Sakana zugeschriebene Paritätsbehauptung eines Modell-der-Modelle-Systems, kein isolierter Sieg eines Einzelmodells.

Sakana berichtet außerdem, dass Fugu Gemini 3.1 Pro, Opus 4.8 und GPT 5.5 bei spezifischen Anwendungen wie AutoResearch, One-Shot-Schach und Finanzzeitreihenvorhersage „konstant übertrifft“. Ein solches Ergebnis kann daraus entstehen, dass Fugu ein anderes Modell aufruft und dessen Ausgabe synthetisiert. Das ist eine reale Fähigkeit, aber nicht dasselbe wie ein eigenständiges Modell, das eine Rangliste allein anführt.

Wenn Sie einzelne Anthropic-Modelle vergleichen möchten, behandelt der Leitfaden zur Claude Fable 5 API Fable 5 direkt. Weitere Hintergründe zur Modellabstammung und Orchestrierung finden Sie in Was ist Sakana Fugu.

Hinweis zu Zugang, Preisen und Alternativen

Die Release-Seite bestätigt Abonnementstufen für den täglichen Gebrauch sowie einen Pay-as-you-go-Plan für größere und Enterprise-Workloads. Konkrete Dollarbeträge, die für Stufen, Promos oder Pro-Token-Preise kursieren, stammen aus sekundären, durch JavaScript gerenderten Quellen und nicht aus der Release-Seite selbst.

Da sich Preise ändern können und die Zahlen nicht auf der offiziellen Seite standen, werden sie hier nicht zitiert. Prüfen Sie die aktuellen Preise in Ihrer Konsole, bevor Sie einen Plan auswählen. Stand dieses Leitfadens: 2026-06-22.

Wenn Sie Fugu mit Routing-Gateways vergleichen, trennen Sie die Kategorien:

• Router wie OpenRouter und Martian wählen typischerweise ein Modell pro Anfrage.
• Fugu betreibt eine gelernte, adaptive Topologie, die mehrere Modelle und sich selbst verwenden kann.

Wenn Sie Gateways für Ihren Stack evaluieren, ist die Übersicht der besten OpenRouter-Alternativen ein nützlicher Ausgangspunkt.

Wie Fugu in Ihren Apidog-Workflow passt

Da Fugu das OpenAI-Chat-Completions-Format verwendet, können Sie die API wie jede andere HTTP-API testen. In Apidog gehen Sie praktisch so vor:

1. Neue HTTP-Anfrage erstellen.
2. Basis-URL aus der Sakana-Konsole einfügen.
3. API-Schlüssel als Bearer-Token setzen.
4. JSON-Body mit model und messages definieren.
5. Anfrage senden und Rohantwort prüfen.

Beispiel-Body:

{
  "model": "fugu",
  "messages": [
    {
      "role": "system",
      "content": "Sie sind ein hilfreicher Ingenieurassistent."
    },
    {
      "role": "user",
      "content": "Erstellen Sie eine Checkliste für ein sicheres API-Deployment."
    }
  ]
}

So können Sie die Basis-URL validieren, den Modellstring prüfen und das Antwortformat inspizieren, bevor Sie Fugu in Ihre Anwendung integrieren.

Apidog ermöglicht außerdem, die Anfrage zu speichern, Schlüssel über Umgebungen zu parametrisieren und ein funktionierendes Beispiel mit Ihrem Team zu teilen. Eine detaillierte Anleitung finden Sie im Leitfaden zum Testen der Sakana Fugu API mit Apidog. Wenn Sie mit der Implementierung starten möchten, laden Sie Apidog herunter und beginnen Sie mit einer verifizierten Anfrage statt mit geratenen Endpunkten.

Häufig gestellte Fragen

Benötige ich ein neues SDK, um die Sakana Fugu API aufzurufen?

Nein. Fugu stellt einen OpenAI-kompatiblen Endpunkt bereit. Sie können Ihren vorhandenen openai-Client für Python oder JavaScript behalten. Ändern Sie nur base_url beziehungsweise baseURL auf den Wert aus Ihrer Konsole und setzen Sie Ihren Fugu API-Schlüssel.

Wo finde ich die Fugu Basis-URL?

Kopieren Sie sie aus Ihrem Dashboard unter console.sakana.ai, nachdem Sie sich mit Google oder E-Mail angemeldet haben. Die Basis-URL ist nicht auf einer öffentlichen Sakana-Seite veröffentlicht. Verwenden Sie daher ausschließlich den Wert aus Ihrer Konsole.

Was ist der Unterschied zwischen Fugu und Fugu Ultra?

fugu ist die ausgewogene Variante mit geringer Latenz für alltägliche Aufgaben, Coding, Code-Reviews und Chat. fugu-ultra zielt auf maximale Antwortqualität für Forschung, Reproduktion von Veröffentlichungen und Sicherheitsanalysen ab. Beide laufen über denselben Endpunkt. Sie wechseln durch Ändern des model-Feldes.

Schlägt Fugu Einzelmodelle wie Fable 5?

Vorsicht bei der Interpretation. Sakana beschreibt Fugu Ultra als „Schulter an Schulter“ mit Fable 5 und Mythos Preview. Das ist eine Paritätsbehauptung, keine reine „übertrifft“-Aussage. Da Fugu ein Orchestrator ist und führende Modelle anderer Anbieter aufrufen kann, spiegeln seine Ergebnisse ein Modell-der-Modelle-System wider. Der Leitfaden zur Claude Fable 5 API behandelt den Vergleichspunkt mit Einzelmodellen.

Wie viel kostet die Sakana Fugu API?

Die Release-Seite bestätigt Abonnementstufen und einen Pay-as-you-go-Plan. Konkrete Dollarbeträge aus sekundären Quellen können sich ändern und werden hier nicht zitiert. Prüfen Sie die aktuellen Preise in Ihrer Sakana-Konsole. Stand dieses Leitfadens: 2026-06-22.

Wie teste ich Fugu, bevor ich Code schreibe?

Senden Sie eine Anfrage aus einem API-Client wie Apidog. Fügen Sie die Konsolen-Basis-URL ein, setzen Sie den Bearer-Token, definieren Sie model und messages und prüfen Sie die Antwort. Der Leitfaden zum Testen der Sakana Fugu API mit Apidog zeigt den vollständigen Ablauf.

Fugu kapselt ein Multi-Agenten-System hinter einem einzigen OpenAI-kompatiblen Aufruf. Der wichtigste Implementierungsschritt ist daher, die korrekte Basis-URL aus der Konsole zu kopieren. Danach übernimmt Ihr vorhandener OpenAI-Client den Rest. Mit Apidog können Sie den Vertrag prüfen, bevor Sie ihn in Produktion verwenden. Laden Sie Apidog herunter und senden Sie Ihre erste Fugu-Anfrage über eine wiederholbare, überprüfbare API-Anfrage.