Sakana AI 上线 Sakana Chat：后训练去除模型审查，拒答率降至近零

开源大模型现在确实越来越强，但如果你在非英语或非中文本土语境下用过它们，大概率遇到过一种尴尬：要么模型自带某种海外的意识形态偏见，要么一碰到敏感历史或外交问题就干脆装傻拒答。

总部位于东京的 Sakana AI 决定换个思路解决这个问题。3 月 24 日，Sakana AI 正式上线了网页端对话服务 Sakana Chat，并同步推出了名为 Namazu 的试作模型系列（α 版）。他们没有从头烧钱去预训练，而是直接拿市面上最顶尖的开源基座做定向事后训练（post-training），把它们改造成符合日本本土文化与中立要求的版本。

专治「拒答」与海外审查

这次公开的 Namazu 系列一共端出了三款模型，分别基于不同的顶级开源底座：Namazu-DeepSeek-V3.1-Terminus、Llama-3.1-Namazu-405B，以及 Namazu-gpt-oss-120B。针对 Llama 的那款，Sakana 还特别按 Meta 的开源协议调整了命名顺序。

最显眼的技术突破在于政治与历史话题的去审查。在 Sakana AI 自己的基准测试里，原版的 DeepSeek-V3.1-Terminus 面对日本与他国相关的政治、历史和外交敏感提问时，有高达 72% 的概率直接拒答。经过 Sakana 的事后训练后，这个拒答率被生生压到了接近 0%，而且模型在给出回答时表现出了更好的多角度中立性和事实准确性。

很多人会担心，动了模型的对齐层，会不会把原有的智商改坏了？Sakana 给出的测试数据显示，在 AIME’25、MMLU-Redux、GPQA Diamond、LiveCodeBench 和 IFEval 这些核心基准上，Namazu 系列几乎完全继承了底座模型的推理、常识和代码能力。在日语专属评测集（Nejumi Leaderboard4、Swallow 等）上，表现最突出的 Namazu-DeepSeek 也与底座及同级别模型打了个平手。

带着实时搜索直接上线

光有模型还不够，Sakana AI 这次直接把它们做成了一个可以直接上手的在线服务 Sakana Chat，并集成了网页搜索功能，能抓取最新资讯来回答时效性问题。在此之前，他们已经找了约 1000 名用户完成封闭内测。

训练这些庞然大物耗费不小。Sakana 透露，项目在 2025 年 10 月至 11 月期间得到了 GMO Internet 提供的「GMO GPU 云」算力支持。官方还表示，稍后会发布完整技术报告，并计划公开发布部分 Namazu 模型的权重文件。

为什么重要

对于日本本土的用户和开发者来说，Sakana Chat 提供了一个难得的工具：你终于可以享受 DeepSeek 或 Llama 405B 级别的顶尖智力，却不用忍受原版模型里那些生硬的别国审查和避而不谈的回答，同时还能结合实时联网搜索处理日常工作。值不值得试？完全值得，尤其是用来处理涉及东亚地缘、国际关系或需要严肃客观视角的复杂研究场景。

从行业角度看，Sakana 这一步踩得极其现实，也极其聪明。前沿大模型的预训练成本已经高到只有中美少数科技巨头玩得起，其他国家如果硬搞自己的千亿基座，往往落得花了大钱却做出来个二流产品的下场。Sakana 的做法相当于告诉大家：不要去和他们拼预训练基建，把战略重心放在开源基座的「后训练本土化」上，用自己的高质量数据集修正偏见与合规问题，同样能拿到一流的本土模型主权。

但这种模式也有隐患。一方面，你的命脉依然系在开源社区和别家厂商的授权上，哪天海外巨头收紧开源协议，后训练的源头就会断档；另一方面，强行把基础模型的拒答率从 72% 抹平到接近零，在拆掉不合理政治审查的同时，如何守住真正的安全防护边界，也是后续开源权重后必须面对的拷问。