Sakana AI 釋出安全編排模型 Fugu-Cyber：基準分 86.9%，對標頂級大模型

現在行業裡有個很奇怪的現象：一方面大家都在恐慌前沿 AI 的網路攻擊能力，另一方面企業安全團隊真把前沿模型接進來，卻發現它們除了狂報假警，幾乎幫不上什麼忙。

總部位於東京的 Sakana AI 打算換個思路解這道題。它們正式上線了專為企業網路防禦設計的編排模型 Fugu-Cyber，並開放了新的 API 端點。

跑分上它確實很硬。在測試複雜程式碼庫真實漏洞驗證的 CyberGym 基準上，Fugu-Cyber 拿到了 86.9% 的成功率；在測試將原始威脅情報轉化為可用檢測規則的 CTI-REALM 上，成績是 72.1%。這個表現已經咬平了 OpenAI 的 GPT-5.5-Cyber 以及 Anthropic 的 Mythos-Preview。

包裝成單模型的智慧體軍團

和以前的 Fugu 類似，Fugu-Cyber 表面上看是一個單獨的 API，呼叫體驗和普通大模型一樣。但它的底層其實是一個多智慧體編排系統。

當你發過去一個複雜的安全任務時，後臺會動態呼叫一組專門的子智慧體去協同分工。這種設計最大的好處，是不把企業的身家性命綁在某一家底層模型供應商身上。

Sakana AI 還特意潑了盆冷水。它們援引日經數字治理的報道指出，哪怕拿到 Anthropic 的 Mythos 這種頂尖模型，日本的大型金融機構依然很難直接落地。

原因很現實：孤立部署的大模型根本搞不懂生產環境的邊界，動不動就誤報。沒有內部專業安全人員把關，沒有深入私有程式碼庫的定製驗證流程，給再聰明的模型也是白搭。

所以它們目前正通過自家的企業應用團隊，與日本大型機構一起搭建安全測試架和人機協同流程。AI 發現可疑漏洞後，先由專門的子智慧體和人類專家二次確認，確認能在真實生產環境復現，才會生成修復補丁。

為了防止被惡意利用，Fugu-Cyber 並沒有對所有人敞開大門。除了更新使用政策禁止攻擊性用途外，企業必須提交使用場景和聯絡方式，經過人工逐一稽核後，才能通過 Token 計費方案呼叫。

為什麼重要

我們認為，Sakana AI 這一步走得相當清醒。

市面上大多數安全 AI 產品，要麼是在原有大模型外面套個安全殼子，要麼是吹噓能全自動修漏洞。但安全行業最忌諱的就是不可控，誤報會讓工程師疲憊不堪，瞎改程式碼更可能直接搞崩業務。Sakana 承認模型單打獨鬥不行，把重點放在多模型編排和人機迴環上，明顯更貼近傳統政企客戶的實際痛點。

對企業和開發者來說，這意味著網路安全攻防正在從比拼單卡大模型，轉向比拼系統編排。不過你現在想用上它門檻並不低，不僅要通過人工背景審查，還得有能力把自己的業務流和它的編排架構打通，中小團隊短期內很難直接喝到這口頭啖湯。

更值得琢磨的是它的地緣定位。日本產業界一直對資料主權和 AI 主權高度敏感。Fugu-Cyber 強調多模型混用和本土化安全落地，看起來正是給那些不敢把敏感系統完全託付給美國單一巨頭的機構，提供了一張進退自如的防禦底牌。