Ett hero-titelkort för Sakana Namazu — Japans eget LLM-API, med undertexten 'Byggd på Kimi K2.6, anpassad för japanska företag — live 2 augusti 2026' och stat-chips för $0,95/$4,00 per 1M tokens, OpenAI-kompatibelt API samt inbyggd webbsökning och kodkörning. OrcaRouter-logotyp placerad nedtill höger.
Engineering & Research

Sakana Namazu API: Japans egen LLM till grundmodellens pris

Författare

Jim Song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Sakana Namazu, Sakana AI:s japanska affärs-LLM-API byggt på Moonshots öppna viktmodell Kimi K2.6, lanserades den 2 augusti 2026 — och det viktigaste numret är att den kostar exakt lika mycket som basmodellen redan kostar. Moonshot tar $0,95 per miljon inmatade tokens och $4,00 per miljon genererade tokens för Kimi K2.6 på sitt eget API. Sakana tar samma $0,95 / $4,00 för Sakana Namazu, en modell som den post-tränade internt för japanska språket, keigo och affärskontext. Hela post-träningspremien är noll dollar.

Vad som faktiskt levererades

The API är OpenAI-kompatibel: behåll din befintliga klient, byt ut base_url, sätt modellen till sakana-namazu, och det bara fungerar — inklusive funktionsanrop. Det som främst skiljer den från en vanlig Kimi K2.6-endpoint är att webbsökning och kodkörning är inbyggda som förstklassiga verktyg, och att modellen är tränad att använda dem i en autonom loop. Sakana demonstrerade en veckovis marknadsundersökningsagent som planerar, söker, korskollar och skriver en rapport utan mänsklig inblandning; ett kundsupportarbetsflöde som sammanställer orderdata medan det svarar på ärenden; och en fiskstimsljusshow som läser akvarieskärmbilder, bestämmer nästa motiv och utför det.

Specifikationer som publicerats:

• Basmodell — Moonshot AI:s Kimi K2.6, en 1T-parameter / 32B-aktiv öppen-vikt MoE, eftertränad internt på Sakanas egna japanska data

• Gränssnitt — OpenAI-kompatibelt; modellnamn sakana-namazu; ändra base_url och API-nyckel, ingen kodomskrivning

• Pris — $0,95 per 1M input-tokens, $4,00 per 1M output-tokens, $0,15 per 1M cachelagrad input; tanketokens debiteras till outputtaxa.

• Verktyg — webbsökning för $7,00 per 1 000 anrop, kodkörning för $0,12 per timme (sessionen behålls), debiteras utöver tokens

• Modalitet — text- och bildinmatning, textutmatning

• Kontextfönster — ej avslöjat av Sakana

• Tillgänglighet — live via Sakanas API-konsol; inte tillgänglig i EU/EES, Storbritannien eller Schweiz medan GDPR-arbetet pågår

Notera ärlighetsklyftan: alla kvalitetspåståenden här är leverantörsrapporterade. Sakana har inte avslöjat ett kontextfönster, har inte publicerat latens- eller genomströmningssiffror, och inget oberoende labb har betygsatt Sakana Namazu ännu.

A single-column scoreboard for Sakana Namazu listing the Kimi K2.6 base, $0.95/$4.00 per 1M tokens, an undisclosed context window, built-in web search and code execution, a vendor-reported FairPoliticsQA jump from 34.1% to 56.3%, and no independent scores, with a sourcing footer noting vendor-reported benchmarks. OrcaRouter logo composited bottom-right.

FairPoliticsQA-hoppet är den verkliga historien.

Sakanas främsta riktmärke är FairPoliticsQA, en intern utvärdering av svarsneutralitet i politiskt och historiskt laddade frågor – precis de ämnen där en modell som till stor del tränats på ett lands internet tenderar att anamma det landets tolkningsram. Sakana rapporterar att Sakana Namazu stiger från 34,10 % till 56,30 % jämfört med basmodellen Kimi K2.6. Det är en slående siffra och en ärlig sådan att granska: utvärderingen är Sakanas egen, dess konstruktion är inte helt offentlig, och ett hopp på ett neutralitetsriktmärke säger lika mycket om basmodellens utgångspartiskhet som om åtgärden. Riktningen är dock hela poängen med produkten – en japansk-suverän LLM som inte svarar som en kinesisk eller amerikansk sådan.

På andra håll är bilden "hållen serve plus lite till": JFBench (japansk instruktionsföljning) upp 1,5 % jämfört med basen, en intern utvärdering av japansk-engelsk översättning förbättrades på text med mycket hedersbetygelser, och AIME26, MMLU-Pro och LiveCodeBench v6 i stort sett oförändrade. Om basmodellen redan var stark, är den finjusterade modellen som förblir stark samtidigt som den förbättrar beteendet i japanska sammanhang precis den avvägning du vill ha från ett efterträningsarbete.

A pricing card for Sakana Namazu v1.0 showing $0.95 input, $4.00 output, and $0.15 cached input per 1M tokens, web search at $7.00 per 1,000 calls, code execution at $0.12 per hour, and a note that the model is not available in the EU/EEA, UK, or Switzerland and may train on inputs by default.

Priset är basmodellens pris.

{{1}}Prissättningen är där Sakana Namazu antingen är slug eller desperat, och det är värt att ta båda tolkningarna på allvar.{{/1}} {{2}}Att ta ut basmodellens listpris{{/2}} {{3}}innebär att en utvecklare som jämför{{/3}} "{{4}}call Kimi K2.6 directly{{/4}}" {{5}}mot{{/5}} "{{6}}call the Japanese-tuned Sakana Namazu{{/6}}" {{7}}inte ser något premium för anpassningen — vilket är hela adoptionsstrategin i en enda siffra.{{/7}} {{8}}Det gör också värdet uppenbart för arbetsbelastningar inom japanskt affärsliv: keigo, jargongen, minskningen av avvisningar, den inbyggda webbsökningen och kodkörningen kommer utan ett påslag per token.{{/8}}

Verktygsavgifterna är den del man bör hålla koll på, eftersom det är där en agentloop faktiskt spenderar pengar. Webbsökning till $7,00 per 1 000 anrop och kodkörning till $0,12 i timmen låter små, tills en veckovis forskningsagent kör några hundra sökningar — det är antalet anrop, inte tokenpriset, som skalar. En routing-gateway som förmedlar leverantörspriser utan påslag håller exakt dessa siffror ärliga: inget plattformslager som blåser upp verktygskostnaden, och en prissänkning från leverantören som är live hos dig samma dag som den publiceras. (Sakana Namazu i sig finns ännu inte i OrcaRouters katalog — den körs på Sakanas egen konsol — men pass-through-principen är anledningen till att jämförelsen med basmodellen håller sig ren.)

The Artificial Analysis page for Kimi K2.6 in English, showing an Intelligence Index of 45, first-party pricing of $0.95/$4.00 per 1M tokens, and a note that Moonshot has since launched Kimi K3, captured August 11, 2026.

De saker Sakana inte publicerade

Tre brister väger tyngre än något riktmärke. För det första: inget kontextfönster – Sakanas tillkännagivande och produktsida utelämnar det helt, vilket är ovanligt för ett API som marknadsförs för agentisk användning. För det andra: ingen oberoende utvärdering; Kimi K2.6, basmodellen, är en av världens bäst mätta open-weight-modeller – Artificial Analysis rankar den högst bland open-weight-modellerna – men Sakana Namazus skillnader är helt självrapporterade. För det tredje: datahantering – som standard kan dina indata användas för träning, med en opt-out i konsolen, och det är inte garanterat att behandlingen stannar i Japan – värt att veta innan du skickar kunddata genom den.

Vem borde prova det, vem borde vänta

Prova det om du levererar japanskspråkiga produkter eller interna verktyg och den saknade pusselbiten är en modell som svarar som en japansk affärspartner — med keigo intakt, färre avvisanden, inbyggda agentiska verktyg — och du kan klara dig ett tag utan oberoende riktmärken. Vänta om din driftsättning är i EU, Storbritannien eller Schweiz (den är inte tillgänglig där), om ditt efterlevnadsregelverk kräver garanterad datahantering enbart inom Japan, eller om du behöver ett kontextfönster att planera en hämtningsdesign kring.

Vad man bör hålla utkik efter de närmaste veckorna: ett oberoende resultatkort för Sakana Namazu på en offentlig topplista, offentliggörandet av ett kontextfönster och huruvida EU-restriktionen hävs. Tills dessa är på plats, behandla Sakana Namazu som vad det är — en seriös, välprisad satsning på ett suveränt Japan som för närvarande bara är så bra som tillverkarens ord.

© 2026 OrcaRouter

För leverantörer

Driver du en inferensplattform? Få dina modeller på OrcaRouter.

Kontakta oss

Gå med i vår community

DiscordEmailXGitHubYouTube