全部 AI 动态 · AI 热点

6月23日

14:21

14:21IT之家（博客/媒体）

Sakana AI 推出多智能体编排系统 Sakana Fugu，它是一个语言模型，可根据任务智能调用包括自身在内的最适模型，并封装为单一 API。初始提供平衡型 Fugu 和面向复杂问题的 Fugu Ultra 两种版本。Sakana AI 宣称 Fugu Ultra 在部分工程、科学和推理基准测试中可提供与 Anthropic Fable 5 / Mythos Preview 相当甚至更优的性能。该系统帮助用户避免对单一供应商的依赖。

AI模型 Sakana Fugu Sakana AI Anthropic Fable 5 模型编排

推荐理由：日本 Sakana AI 搞了个 Fugu 系统，能自动选最好的模型干活，Fugu Ultra 在某些测试上比 Anthropic Fable 5 还强，值得看看。

原文

14:03

elvis@omarsar0

Sakana AI推出Fugu Ultra模型，这是一个可通过单个API调用的多智能体编排系统。Fugu Ultra在3D渲染任务上表现极佳，性能与Fable和Mythos相当，同时避免了出口管制风险。该模型展示了无需受限制即可获得前沿能力。

AI模型 Sakana AI Fugu Ultra Fable Mythos 多智能体

推荐理由：Sakana AI的Fugu Ultra多智能体系统，3D渲染强到离谱，性能比肩Fable和Mythos，还不用怕出口管制，快去试试。

原文

02:51

marktechpost@Asif Razzaq

精选73°

Sakana AI 推出 Sakana Fugu，一种编排模型，可将用户任务动态路由至可替换的前沿 LLM 池。其增强版 Fugu Ultra 在多个编码、推理和智能体基准测试中取得领先成绩。该模型通过选择最适合的模型来提升任务效率，无需用户手动切换。

AI模型 Sakana AI Sakana Fugu 编排模型智能体推理模型

推荐理由：Sakana AI 搞了个 Fugu 编排模型，能自动在多个前沿 LLM 之间切换最优选择，在编码和推理基准上表现很突出。

原文

00:42

berryxia@berryxia

Sakana AI是一家2023年在东京成立的AI研发公司，由David Ha（前Google Brain日本团队负责人）、Llion Jones（Transformer论文共同作者）和Ren Ito（前日本外交官、Mercari早期员工）联合创立。公司核心定位是开发“自然启发”的AI模型，强调集体智能和演化方法，旨在摆脱单一大模型限制。该公司的创办背景体现了日本AI主权的战略需求，团队和运营完全基于东京。

行业 Sakana AI David Ha Llion Jones Transformer 日本AI

推荐理由：这家日本AI公司有Transformer论文作者和前Google Brain负责人，主打集体智能，背景扎实值得看。

原文

6月22日

22:25

elvis@omarsar0

Sakana AI推出了Sakana Fugu，一个可通过单一模型API访问的多智能体编排系统。其Fugu Ultra模型性能匹配Fable和Mythos，提供前沿能力且不受出口管制限制。该系统展示了集体AI智能的潜力，但多智能体协调尚未完全成熟。

AI产品 Sakana AI Fugu Fugu Ultra 多智能体编排系统

推荐理由：Sakana AI搞了个Fugu，一个多智能体系统，用一个API就能调用多个模型。Fugu Ultra性能追平Fable和Mythos，还不用担心出口限制，快去试试官网。

原文

16:33

Decoder@Matthias Bastian

Sakana AI推出了Fugu系统，该系统能动态协调多个大型语言模型（如GPT-4、Claude等），在Fable和Mythos基准测试上达到与Anthropic的Fable 5相当的性能。Fugu通过实时路由和模型组合，减少了对单一AI提供商的依赖。测试中，Fugu在Fable基准上得分超过Anthropic的Fable 5，并在Mythos基准上表现出色。

AI模型 Sakana AI Fugu Anthropic Fable 多模型协作

推荐理由：日本AI公司Sakana AI搞了个新系统叫Fugu，能让不同模型一起干活，不用只靠一家供应商。效果还跟Anthropic的Fable 5差不多，值得看看怎么做到的。

原文

14:27

The Rundown AI@therundownai

精选73°

日本Sakana AI发布了Fugu和Fugu Ultra模型。Fugu Ultra采用多智能体编排系统，整合多种模型协同工作。在多个基准测试中，Fugu Ultra达到Fable和Mythos模型的性能水平。模型通过单一API提供，声称可规避出口管制风险。

AI模型 Sakana AI Fugu Fugu Ultra 多智能体

推荐理由：Sakana AI搞了个新玩法，用多个小模型组团干活，性能追平Fable和Mythos，还不用怕出口限制，搞AI的值得看看。

原文

6月20日

08:53

Sakana AI@SakanaAILabs

伊藤錬在G7峰会后于読売新聞发文，指出国际AI环境正发生剧变，日本必须持续获得尖端AI访问权。他强调在国防和国家安全等根本领域，日本自身应拥有主权决策能力。文章呼吁日本在AI竞争中维护自主性，避免依赖外部。

行业 Sakana AI 伊藤錬 AI主权 G7 日本AI政策

推荐理由：Sakana AI联合创始人伊藤錬在読売新闻撰文，呼吁日本在AI国际竞争中掌握主权决策，值得关注。

原文

08:52

Sakana AI@SakanaAILabs

美国上周限制外国访问Anthropic最先进模型，凸显AI已成为地缘政治议题。Sakana AI联合创始人Ren Ito在Project Syndicate撰文指出，AI主权并非打造国家级ChatGPT，而是保持对前沿AI的访问权限。他主张各国应确保能自由选择多个模型，避免被单一供应商锁定。

行业 Anthropic Sakana AI AI主权模型出口管制地缘政治

推荐理由：Ren Ito解释了为什么AI主权不是造个本国ChatGPT，而是要保证能用上多个前沿模型。

原文

08:51

Sakana AI@SakanaAILabs

Sakana AI 研究科学家 Rujikorn (Tan) Charakorn 在 MLCollective 的 DLCT 期刊俱乐部上介绍了 Doc-to-LoRA 方法。该方法利用超网络生成 LoRA 权重，通过成本分摊降低计算开销。演讲还讨论了 Doc-to-LoRA 的未来方向，并引发了热烈讨论。

论文 Sakana AI Doc-to-LoRA LoRA 微调超网络

推荐理由：Sakana AI 介绍了 Doc-to-LoRA，用超网络一键生成 LoRA 权重，微调更省钱。

原文

08:50

Sakana AI@SakanaAILabs

Sakana AI董事长Ren Ito参加了在法国埃维昂举行的G7 AI会议，与全球AI领导者共同讨论AI开发与AI主权。此次会议聚焦如何确保各国在AI领域的自主性，Sakana AI表示将助力塑造日本独特的AI战略。参与G7会议标志着这家日本AI公司获得国际关注。

行业 Sakana AI AI主权 G7 日本

推荐理由：Sakana AI的创始人去G7聊AI主权了，听听日本公司在国际舞台上怎么表态。

原文

08:47

Sakana AI@SakanaAILabs

精选

Sakana AI 今日发布其首个商业产品 Sakana Marlin。它是一个自主商业研究助手，只需输入研究主题，便能自主运行约8小时，形成假设、收集信息并验证发现。最终输出结构化幻灯片和数十页的研究报告。Marlin 基于长视野推理和 AB-MCTS 方法，并融合了 Sakana AI 在日本的行业部署经验。产品提供按次付费、Pro、团队和企业计划。

AI产品 Sakana AI Marlin 智能体推理模型

推荐理由：Sakana AI 出了个叫 Marlin 的助手，给它一个主题就能自己研究8小时出报告，按次付费没月费，适合做深度商业分析。

原文

08:46

Sakana AI@SakanaAILabs

精选72°

Sakana AI 正式推出其首个商业产品 Sakana Marlin，这是一款面向企业的自主研究助手。Marlin 能够自动完成文献调研、数据分析和报告生成等研究任务。该产品专为商业环境设计，旨在提升团队研究效率。

AI产品 Sakana AI Sakana Marlin 智能体企业应用 AI助手

推荐理由：Sakana AI 终于出手了，他们做了一个能帮你自动搞研究的企业助手，叫 Marlin，省人力。

原文

6月16日

20:46

AITOP6月16日 20:46

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

09:26

marktechpost@Asif Razzaq

Sakana AI 发布了首个商业产品 Sakana Marlin，基于 AB-MCTS 和 AI Scientist 工作流。该智能体可自主运行最长 8 小时，一次任务生成多达 100 页的研究报告并附带幻灯片。它面向企业用户，旨在自动化深度调研与文档生成流程。

AI产品 Sakana AI Sakana Marlin AB-MCTS 智能体研究报告自动生成

推荐理由：Sakana AI 搞了个 Marlin，能自动跑最长 8 小时，输出上百页研究报告还带幻灯片，适合懒得写长报告的人。

原文

6月12日

12:57

AITOP6月12日 12:57

Claude代码里藏了个20260612，18个月后的AI记忆革命已经开始倒计时

12:27

Sakana AI@SakanaAILabs

Sakana AI 宣布将于 7 月 7 日（周二）在首尔举办晚餐交流会，面向 ICML 2026 参会者。活动旨在为机器学习前沿研究者提供交流与社交空间。名额有限，若申请超额将抽签决定，结果于 6 月 30 日前通知。这是与顶尖 AI 研究者面对面交流的难得机会。

行业 Sakana AI ICML 2026 首尔机器学习社交活动

推荐理由：ICML 参会者别错过——Sakana AI 的晚餐会能让你直接和前沿研究者聊技术，名额有限建议尽早申请。

原文

12:26

Sakana AI@SakanaAILabs

精选

Sakana AI 在东京成立专门研究递归自我改进（RSI）的实验室「RSI Lab」，旨在让 AI 自动生成并改进 AI 模型。该实验室基于此前在 LLM-Squared、The AI Scientist 等项目上的积累，目标是在不依赖无限计算资源的前提下实现 RSI。2026 年以来，RSI 已成为全球 AI 研究的重要趋势，Sakana AI 希望凭借其独特方法，在计算资源有限的日本推动这一领域的发展。实验室将招募全球研究人员和工程师，并与社区共享成果。

行业递归自我改进 Sakana AI RSI Lab AI 研究东京

推荐理由：RSI 是让 AI 自我进化的前沿方向，做 AI 研究和模型开发的团队值得关注——Sakana AI 试图用更少的算力实现它，这对资源有限的团队尤其有启发。

原文

12:25

Sakana AI@SakanaAILabs

精选

Sakana AI 宣布成立递归自我改进（RSI）实验室，专注于用 AI 重新设计 AI 开发流程。该实验室整合了多项突破性成果，包括 LLM² 自动优化偏好算法、Darwin Gödel Machine 自主重写代码库、ShinkaEvolve 高效程序进化等。团队认为递归自我改进可在适度算力下实现，不应被超大规模集群垄断。目前正在东京招募前沿科学家和工程师，以构建开放、自适应的集体自我改进架构。

AI产品 Sakana AI 递归自我改进 AI 自动化东京实验室开源/仓库

推荐理由：Sakana AI 把自我改进 AI 从理论推向实践，整合了多项已验证的技术成果。做 AI 研究和开发的团队值得关注——他们正在探索一条不同于堆算力的路径，可能改变未来 AI 开发范式。

原文

6月11日

15:28

AITOP6月11日 15:28

1107 vs 303：谷歌悄悄开源了一个“拆打字机”的模型，把大模型速度翻了4倍

15:23

AITOP6月11日 15:23

DiffusionGemma颠覆文本生成？自回归模型的“统治”要结束了

15:07

AITOP6月11日 15:07

每秒1107个token，Google开源的扩散模型为什么能改变本地推理格局？

6月6日

22:09

Decoder@Tomislav Bezmalinović

精选

日本 AI 初创公司 Sakana AI 宣布成立专门研究递归自改进（RSI）的实验室，目标是让 AI 能够迭代地自我提升。该公司由 Transformer 论文合著者 Llion Jones 联合创立，认为 RSI 是大型美国实验室之间算力军备竞赛的替代方案。Anthropic 则警告这种技术存在控制风险。Sakana AI 的实验室将专注于开发能够自主改进自身代码和架构的 AI 系统，从而减少对大规模计算资源的依赖。这一方向可能改变 AI 发展的范式，从“堆算力”转向“用智能提升智能”。

AI产品递归自改进 Sakana AI 算力军备竞赛 AI 实验室 Transformer

推荐理由：Sakana AI 的递归自改进路线为算力受限的团队提供了新思路——用算法效率替代硬件堆叠，做 AI 研究的开发者值得关注这个方向。

原文

5月28日

08:59

marktechpost@Asif Razzaq

精选

Sakana AI 提出 DiffusionBlocks 框架，将残差网络中的每一层更新解释为逆向扩散去噪步骤，从而将网络分解为多个独立可训练的块。这种方法允许每个块单独训练，无需端到端反向传播，降低了训练复杂度和内存需求。实验表明，DiffusionBlocks 在图像生成任务上达到与标准残差网络相当的性能，同时训练效率更高。该工作为扩散模型与残差网络的结合提供了新思路，有望推动大规模模型的分布式训练。

论文扩散模型残差网络块式训练 Sakana AI 图像生成

推荐理由：Sakana AI 这个框架解决了残差网络训练中梯度回传的瓶颈，做大规模生成模型或分布式训练的团队值得关注——它让每个模块可以独立优化，直接降低显存和通信开销。

原文