Sakana Namazu API: własny japoński LLM w cenie modelu bazowego

Sakana Namazu — API LLM dla japońskiego biznesu firmy Sakana AI, zbudowane na modelu Kimi K2.6 o otwartych wagach firmy Moonshot — wystartowało 2 sierpnia 2026 r., a najważniejsza liczba jest taka, że kosztuje dokładnie tyle, ile już kosztuje jego model bazowy. Moonshot pobiera 0,95 USD za milion tokenów wejściowych i 4,00 USD za milion tokenów wyjściowych za Kimi K2.6 we własnym API. Sakana pobiera te same 0,95 / 4,00 USD za Sakana Namazu, model, który dotrenowała we własnym zakresie pod kątem języka japońskiego, keigo i kontekstu biznesowego. Cała dopłata za post-training wynosi zero dolarów.

Co faktycznie zostało wydane

API jest kompatybilne z OpenAI: zachowaj istniejącego klienta, zmień base_url, ustaw model na sakana-namazu i wszystko po prostu działa — w tym wywoływanie funkcji. Tym, co najbardziej odróżnia je od zwykłego endpointu Kimi K2.6, jest to, że wyszukiwanie w sieci i wykonywanie kodu są wbudowane jako narzędzia pierwszej klasy, a model jest dostrojony do korzystania z nich w autonomicznej pętli. Sakana zaprezentowała agenta do cotygodniowych badań rynkowych, który planuje, wyszukuje, krzyżowo weryfikuje i pisze raport bez interwencji człowieka; przepływ pracy obsługi klienta, który agreguje dane zamówień podczas odpowiadania na zgłoszenia; oraz pokaz świetlny ławicy ryb, który odczytuje zrzuty ekranu z akwarium, decyduje o następnym motywie i go wykonuje.

Specyfikacje zgodnie z publikacją:

• Model bazowy — Kimi K2.6 firmy Moonshot AI, otwarty model MoE o otwartych wagach (1T parametrów / 32B aktywnych), dotrenowany wewnętrznie na własnych japońskich danych firmy Sakana

• Interfejs — kompatybilny z OpenAI; nazwa modelu sakana-namazu; zmień base_url i klucz API, bez przepisywania kodu

• Cena — 0,95 USD za 1 mln tokenów wejściowych, 4,00 USD za 1 mln tokenów wyjściowych, 0,15 USD za 1 mln tokenów wejściowych z pamięci podręcznej; tokeny myślenia rozliczane według stawki za tokeny wyjściowe

• Narzędzia — wyszukiwanie w sieci po $7,00 za 1 000 wywołań, wykonywanie kodu po $0,12 za godzinę (sesja zachowana), rozliczane oprócz tokenów.

• Modalność — wejście tekstowe i graficzne, wyjście tekstowe

• Okno kontekstu — nieujawnione przez firmę Sakana

Dostępność — obecnie dostępna za pośrednictwem konsoli API Sakany; niedostępna w UE/EOG, Wielkiej Brytanii ani Szwajcarii, dopóki trwają prace nad RODO.

Zwróć uwagę na lukę wiarygodności: każde twierdzenie o jakości pochodzi tu od dostawcy. Firma Sakana nie ujawniła rozmiaru okna kontekstu, nie opublikowała danych o opóźnieniach ani przepustowości, a żadne niezależne laboratorium nie oceniło jeszcze modelu Sakana Namazu.

Prawdziwą historią jest skok FairPoliticsQA.

Sztandarowym benchmarkiem Sakana jest FairPoliticsQA — wewnętrzna ocena neutralności odpowiedzi na pytania nacechowane politycznie i historycznie, czyli właśnie te tematy, w przypadku których model trenowany w dużej mierze na internecie jednego kraju ma tendencję do przejmowania ram interpretacyjnych tego kraju. Sakana podaje, że Sakana Namazu odnotowuje wzrost z 34,10% do 56,30% względem bazowego modelu Kimi K2.6. To liczba robiąca wrażenie, którą warto uczciwie poddać weryfikacji: ocena jest autorstwa samego Sakana, jej konstrukcja nie jest w pełni jawna, a skok w benchmarku neutralności mówi tyle samo o wyjściowym uprzedzeniu modelu bazowego, co o wprowadzonej poprawce. Kierunek jest jednak sednem tego produktu — suwerennego japońskiego modelu LLM, który nie odpowiada jak model chiński czy amerykański.

W innych obszarach obraz to „utrzymanie poziomu plus odrobina”: JFBench (japońskie podążanie za instrukcjami) wzrósł o 1,5% względem modelu bazowego, wewnętrzna ewaluacja tłumaczenia z japońskiego na angielski wypadła lepiej na tekstach pełnych honoryfikatów, a AIME26, MMLU-Pro i LiveCodeBench v6 pozostały w zasadzie bez zmian. Jeśli model bazowy był już mocny, to model dostrojony, który pozostaje mocny, jednocześnie poprawiając zachowanie w kontekście japońskim, to dokładnie ten kompromis, jakiego oczekujesz od procesu po treningu.

Cena to cena modelu podstawowego.

Ceny to obszar, w którym Sakana Namazu jest albo przebiegłe, albo zdesperowane, i warto traktować obie te interpretacje poważnie. Ustalenie ceny na poziomie ceny katalogowej modelu bazowego sprawia, że deweloper porównujący „bezpośrednie wywołanie Kimi K2.6” z „wywołaniem Sakana Namazu dostrojonego do języka japońskiego” nie widzi żadnej dopłaty za dostrojenie — co w jednej liczbie streszcza całą strategię adopcji. To także uwidacznia wartość dla japońskich zastosowań biznesowych: keigo, żargon, redukcja odmów, wbudowane wyszukiwanie internetowe i wykonywanie kodu są dostępne bez dopłaty za token.

Opłaty za narzędzia to element, na który trzeba uważać, ponieważ to na nich pętla agentowa faktycznie wydaje pieniądze. Wyszukiwanie w sieci po 7,00 USD za 1000 wywołań i wykonywanie kodu po 0,12 USD za godzinę wydają się niewielkie, dopóki cotygodniowy agent badawczy nie wykona kilkuset wyszukiwań — to liczba wywołań, a nie cena tokenów, się skaluje. Brama routująca, która przekazuje ceny dostawców bez narzutu, sprawia, że dokładnie te liczby pozostają uczciwe: żadna warstwa platformy nie zawyża kosztów narzędzi, a obniżka ceny dostawcy jest u ciebie widoczna tego samego dnia, w którym została ogłoszona. (Sam model Sakana Namazu nie ma jeszcze w katalogu OrcaRouter — działa on na własnej konsoli Sakany — ale to właśnie zasada przekazywania cen bez narzutu sprawia, że porównanie z modelem bazowym pozostaje czyste.)

Rzeczy, których Sakana nie opublikowała

Trzy luki mają znaczenie większe niż jakikolwiek benchmark. Po pierwsze, brak okna kontekstowego — ogłoszenie i strona produktu Sakanay całkowicie je pomijają, co jest nietypowe dla API promowanego do zastosowań agentowych. Po drugie, brak niezależnej ewaluacji; Kimi K2.6, model bazowy, jest jednym z najlepiej przebadanych modeli open-weight na świecie — Artificial Analysis plasuje go na szczycie wśród modeli open-weight — ale przyrosty Sakanay Namazu są w całości deklarowane przez producenta. Po trzecie, obsługa danych: domyślnie Twoje dane wejściowe mogą być wykorzystywane do trenowania, z opcją rezygnacji w konsoli, i nie ma gwarancji, że przetwarzanie będzie odbywać się w Japonii — warto o tym wiedzieć, zanim wyślesz przez nie dane klientów.

Kto powinien tego spróbować, a kto powinien poczekać

Wypróbuj go, jeśli tworzysz produkty lub wewnętrzne narzędzia w języku japońskim, a brakującym elementem jest model, który odpowiada jak japoński partner biznesowy — z nienaruszoną keigo, ograniczonymi odmowami i wbudowanymi narzędziami agentowymi — i możesz przez jakiś czas obyć się bez niezależnych benchmarków. Zaczekaj, jeśli wdrożenie dotyczy UE, Wielkiej Brytanii lub Szwajcarii (tam nie jest dostępny), jeśli wymogi zgodności wymagają gwarantowanego przetwarzania danych wyłącznie w Japonii lub jeśli potrzebujesz okna kontekstowego, wokół którego możesz zaplanować projekt wyszukiwania.

Na co zwrócić uwagę w ciągu najbliższych kilku tygodni: niezależna punktacja dla Sakana Namazu na publicznym rankingu, ujawnienie rozmiaru okna kontekstowego oraz to, czy restrykcja UE zostanie zniesiona. Dopóki to nie nastąpi, traktuj Sakana Namazu takim, jakim jest — poważnym, dobrze wycenionym zakładem na suwerenną Japonię, który obecnie jest tylko tak dobry, jak słowo jego twórcy.