Sakana AI 相关 AI 资讯

8月18日

04:02

OpenRouter@OpenRouterAI

精选

SakanaAI发布新模型Sakana Namazu，基于Kimi K2.6构建，已上线OpenRouter平台。该模型融合对日本文化的深度理解与高性能推理能力，并集成网络搜索和代码执行。它面向商业场景中的复杂任务，能处理日本本土化业务需求。用户现可直接通过OpenRouter访问使用。

推荐理由：SakanaAI出了个叫Namazu的模型，基于Kimi K2.6，懂日本文化还能搜索和写代码，适合搞日本业务，去OpenRouter试试。

原文

7月26日

08:18

官方一手marktechpost@Asif Razzaq

Sakana AI 发布了基于 Fugu 编排模型的安全调优端点 Fugu-Cyber。该模型在 CyberGym 基准上取得 86.9% 准确率，在 CTI-REALM 上达到 72.1%。其性能超过了 GPT-5.5-Cyber 和 Claude Mythos Preview。访问需要手动批准并遵循防御性使用政策及 Token 计划。

AI模型 Sakana AI Fugu-Cyber CyberGym

推荐理由：Sakana AI 新出的网络安全模型 Fugu-Cyber 在 CyberGym 上拿了 86.9%，比 GPT-5.5-Cyber 还高，做安全测试的可以关注。

原文

7月21日

15:18

15:18IT之家（博客/媒体）

Sakana AI发布Fugu Cyber模型，专为现代网络防御设计。该模型在CyberGym基准测试中成功率达86.9%，在CTI-REALM测试中成功率达72.1%。其表现优于OpenAI GPT-5.5-Cyber和Anthropic Claude Mythos-Preview。Fugu Cyber是一个多智能体系统，通过单一API动态编排专业智能体处理复杂任务。Sakana AI还提供人工智能驱动的网络安全解决方案实地部署服务。

AI模型 Sakana AI Fugu Cyber GPT-5.5-Cyber

事件专题

推荐理由：Sakana AI新出的Fugu Cyber在安全基准上比GPT-5.5-Cyber还强，86.9%的CyberGym成功率很硬核，搞网络安全的可以关注。

原文

7月18日

14:42

官方一手marktechpost@Asif Razzaq

精选

Sakana AI 提出 Error Diffusion 方法，可训练符合 Dale 原则的双流兴奋/抑制网络，无需依赖反向传播。在 MNIST 基准上达到 96.7% 准确率，在 CIFAR-10 上达到 61.7% 准确率。该方法通过模数误差路由将训练规则从 MNIST 扩展到 CIFAR-10 及强化学习场景。消融实验显示，不同任务所依赖的机制具有特定性。

AI模型 Sakana AI Error Diffusion Dale's principle

事件专题

推荐理由：Sakana AI 搞出了不用反向传播也能训练的网络，MNIST 和 CIFAR-10 成绩还不错，研究生物合理学习的人可以看看。

原文

7月16日

22:41

官方账号Decoder@Jonathan Kemper

Sakana AI 将 Nvidia 开源 Nemotron 模型集成到 Fugu 编排器中，动态组合多个语言模型完成特定任务。该公司主张，开源模型只有通过协调使用才能与 Frontier 系统竞争。不过公告尚未提供新组合的具体基准数据。

AI模型 Sakana AI Nvidia Nemotron Fugu

事件专题

推荐理由：Sakana 把 Nvidia 的 Nemotron 加进 Fugu，用多个开源模型协作比肩单个前沿模型，思路挺新，值得围观。

原文

7月14日

11:38

小互@imxiaohu

Sakana AI联合哥本哈根IT大学、Autodesk研发出3D“细胞砖”系统。每块砖通过6个方向与邻居通信，无中央控制器。当近200块砖拼成飞机、吉他、船等形状时，系统能自识别整体结构。损坏后砖块能局部协调自修复。这是首个将仿生自组织原理从软件模拟推进到真实三维硬件的实现。

AI产品 Sakana AI 3D细胞砖自组织系统

推荐理由：Sakana AI做了个能用近200个方块自己拼形状的硬件，坏了还能自己长回去，像生物一样。

原文

11:36

小互@imxiaohu

Sakana AI 将群体智能和细胞自动机理论从软件模拟移植到真实物理世界硬件中。他们验证了在存在信号干扰和延迟的现实条件下，这套原理依然能够稳定运行。该成果表明群体智能可在实际机器人或物理系统中部署，突破了传统仅限仿真的局限。

AI模型 Sakana AI 群体智能细胞自动机

推荐理由：Sakana AI 把细胞自动机从电脑模拟搬到真实硬件里，还扛得住信号干扰，挺有看头。

原文

7月6日

13:39

官方一手marktechpost@Michal Sutter

Sakana AI 在 Sakana Chat 中新增了 Sakana Translate 翻译工具。该工具基于 Namazu 模型系列，支持日语、英语、中文三语双向翻译。它提供 Translate（翻译）、Proofread（校对）和 Ask（提问）三种操作模式。工具在 XCOMET-XL 基准上进行了评估。具体用例包括跨语言文档翻译和语境理解。

AI产品 Sakana AI Sakana Translate Namazu

推荐理由：Sakana AI 新出的翻译工具，支持日英中互译，有翻译、校对、提问三种模式，基于自家 Namazu 模型。

原文

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

事件专题

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

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

官方一手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

事件专题

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

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

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

官方账号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

事件专题

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

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

官方账号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

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

官方账号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

事件专题

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

官方账号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

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

官方账号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

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

官方账号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

官方账号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

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

09:26

官方一手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

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

12:27

官方账号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

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

官方账号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

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

官方账号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

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6日

22:09

官方账号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

事件专题

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

官方一手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

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