Sakana Namazu

Fiche modèle · Sakana AI · sakana-namazu

Sakana Namazu is Sakana AI's proprietary closed API model specialized for Japanese language and Japanese business contexts. It is a post-trained derivative of Moonshot's open Kimi K2.6 with in-house data for Japanese/business adaptation and reduced refusals/bias. Modalities: text, image, and file inputs → text output. Built-in tools include web_search and code_interpreter (code execution). Context window 256K. OpenAI-compatible API (model id sakana-namazu; pricing SKU sakana-namazu-v1.0). List pricing: $0.95 input / $0.15 cached input / $4.00 output per 1M tokens; thinking tokens billed as output. Tool fees (description only besides web_search field): web search $7.00 per 1,000 calls; code execution $0.12 per hour (session retained). Not yet available in the EU/EEA, UK, or Switzerland pending GDPR and region-specific compliance. Chart scores with catalog ids: AIME 2026 0.9667, MMLU-Pro 0.9033, LiveCodeBench v6 0.9033. No catalog id for JFBench 0.374, FairPoliticsQA 0.563, or in-house Translation 0.522 — recorded here only. Source: https://sakana.ai/namazu/

Fiches modèles

Identité

Organisation	Sakana AI
Pays	—
Famille	—
Type	llm
Date de sortie	2026-08-03
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text
Fenêtre de contexte	1 000 000
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	1.75 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	14.70 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-08-12T18:44:05.377111Z
Mis à jour le	2026-11-04T06:05:14.984323Z
Source	LLM Stats
URL	https://llm-stats.com/models/sakana-namazu

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non.

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Sakana AI	llm-stats	non	0.95 $	4.00 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.90
legal	0.90
math	0.90
reasoning	0.90
finance	0.90
general	0.90
healthcare	0.90

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2026	math	0.97	1.00	0.97	non	oui	2026-11-04T06:05:14.987473Z
livecodebench-v6	reasoning	0.90	1.00	0.90	non	oui	2026-11-04T06:05:14.993255Z
mmlu-pro	language	0.90	1.00	0.90	non	oui	2026-11-04T06:05:14.990320Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
math	30	0.90	37.83	2	trueskill	2026-11-04T08:08:42.442591Z	rankings

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04