Sakana AI 发布安全编排模型 Fugu-Cyber：基准分 86.9%，对标顶级大模型

现在行业里有个很奇怪的现象：一方面大家都在恐慌前沿 AI 的网络攻击能力，另一方面企业安全团队真把前沿模型接进来，却发现它们除了狂报假警，几乎帮不上什么忙。

总部位于东京的 Sakana AI 打算换个思路解这道题。它们正式上线了专为企业网络防御设计的编排模型 Fugu-Cyber，并开放了新的 API 端点。

跑分上它确实很硬。在测试复杂代码库真实漏洞验证的 CyberGym 基准上，Fugu-Cyber 拿到了 86.9% 的成功率；在测试将原始威胁情报转化为可用检测规则的 CTI-REALM 上，成绩是 72.1%。这个表现已经咬平了 OpenAI 的 GPT-5.5-Cyber 以及 Anthropic 的 Mythos-Preview。

包装成单模型的智能体军团

和以前的 Fugu 类似，Fugu-Cyber 表面上看是一个单独的 API，调用体验和普通大模型一样。但它的底层其实是一个多智能体编排系统。

当你发过去一个复杂的安全任务时，后台会动态调用一组专门的子智能体去协同分工。这种设计最大的好处，是不把企业的身家性命绑在某一家底层模型供应商身上。

Sakana AI 还特意泼了盆冷水。它们援引日经数字治理的报道指出，哪怕拿到 Anthropic 的 Mythos 这种顶尖模型，日本的大型金融机构依然很难直接落地。

原因很现实：孤立部署的大模型根本搞不懂生产环境的边界，动不动就误报。没有内部专业安全人员把关，没有深入私有代码库的定制验证流程，给再聪明的模型也是白搭。

所以它们目前正通过自家的企业应用团队，与日本大型机构一起搭建安全测试架和人机协同流程。AI 发现可疑漏洞后，先由专门的子智能体和人类专家二次确认，确认能在真实生产环境复现，才会生成修复补丁。

为了防止被恶意利用，Fugu-Cyber 并没有对所有人敞开大门。除了更新使用政策禁止攻击性用途外，企业必须提交使用场景和联系方式，经过人工逐一审核后，才能通过 Token 计费方案调用。

为什么重要

我们认为，Sakana AI 这一步走得相当清醒。

市面上大多数安全 AI 产品，要么是在原有大模型外面套个安全壳子，要么是吹嘘能全自动修漏洞。但安全行业最忌讳的就是不可控，误报会让工程师疲惫不堪，瞎改代码更可能直接搞崩业务。Sakana 承认模型单打独斗不行，把重点放在多模型编排和人机回环上，明显更贴近传统政企客户的实际痛点。

对企业和开发者来说，这意味着网络安全攻防正在从比拼单卡大模型，转向比拼系统编排。不过你现在想用上它门槛并不低，不仅要通过人工背景审查，还得有能力把自己的业务流和它的编排架构打通，中小团队短期内很难直接喝到这口头啖汤。

更值得琢磨的是它的地缘定位。日本产业界一直对数据主权和 AI 主权高度敏感。Fugu-Cyber 强调多模型混用和本土化安全落地，看起来正是给那些不敢把敏感系统完全托付给美国单一巨头的机构，提供了一张进退自如的防御底牌。