Sakana AI 上線 Sakana Chat：後訓練去除模型審查，拒答率降至近零

開源大模型現在確實越來越強，但如果你在非英語或非中文本土語境下用過它們，大機率遇到過一種尷尬：要麼模型自帶某種海外的意識形態偏見，要麼一碰到敏感歷史或外交問題就乾脆裝傻拒答。

總部位於東京的 Sakana AI 決定換個思路解決這個問題。3 月 24 日，Sakana AI 正式上線了網頁端對話服務 Sakana Chat，並同步推出了名為 Namazu 的試作模型系列（α 版）。他們沒有從頭燒錢去預訓練，而是直接拿市面上最頂尖的開源基座做定向事後訓練（post-training），把它們改造成符合日本本土文化與中立要求的版本。

專治「拒答」與海外審查

這次公開的 Namazu 系列一共端出了三款模型，分別基於不同的頂級開源底座：Namazu-DeepSeek-V3.1-Terminus、Llama-3.1-Namazu-405B，以及 Namazu-gpt-oss-120B。針對 Llama 的那款，Sakana 還特別按 Meta 的開源協議調整了命名順序。

最顯眼的技術突破在於政治與歷史話題的去審查。在 Sakana AI 自己的基準測試裡，原版的 DeepSeek-V3.1-Terminus 面對日本與他國相關的政治、歷史和外交敏感提問時，有高達 72% 的機率直接拒答。經過 Sakana 的事後訓練後，這個拒答率被生生壓到了接近 0%，而且模型在給出回答時表現出了更好的多角度中立性和事實準確性。

很多人會擔心，動了模型的對齊層，會不會把原有的智商改壞了？Sakana 給出的測試資料顯示，在 AIME’25、MMLU-Redux、GPQA Diamond、LiveCodeBench 和 IFEval 這些核心基準上，Namazu 系列幾乎完全繼承了底座模型的推理、常識和程式碼能力。在日語專屬評測集（Nejumi Leaderboard4、Swallow 等）上，表現最突出的 Namazu-DeepSeek 也與底座及同級別模型打了個平手。

帶著即時搜尋直接上線

光有模型還不夠，Sakana AI 這次直接把它們做成了一個可以直接上手的線上服務 Sakana Chat，並集成了網頁搜尋功能，能抓取最新資訊來回答時效性問題。在此之前，他們已經找了約 1000 名使用者完成封閉內測。

訓練這些龐然大物耗費不小。Sakana 透露，專案在 2025 年 10 月至 11 月期間得到了 GMO Internet 提供的「GMO GPU 雲」算力支援。官方還表示，稍後會發布完整技術報告，並計劃公開發布部分 Namazu 模型的權重檔案。

為什麼重要

對於日本本土的使用者和開發者來說，Sakana Chat 提供了一個難得的工具：你終於可以享受 DeepSeek 或 Llama 405B 級別的頂尖智力，卻不用忍受原版模型裡那些生硬的別國審查和避而不談的回答，同時還能結合即時聯網搜尋處理日常工作。值不值得試？完全值得，尤其是用來處理涉及東亞地緣、國際關係或需要嚴肅客觀視角的複雜研究場景。

從行業角度看，Sakana 這一步踩得極其現實，也極其聰明。前沿大模型的預訓練成本已經高到只有中美少數科技巨頭玩得起，其他國家如果硬搞自己的千億基座，往往落得花了大錢卻做出來個二流產品的下場。Sakana 的做法相當於告訴大家：不要去和他們拼預訓練基建，把戰略重心放在開源基座的「後訓練本土化」上，用自己的高質量資料集修正偏見與合規問題，同樣能拿到一流的本土模型主權。

但這種模式也有隱患。一方面，你的命脈依然系在開源社群和別家廠商的授權上，哪天海外巨頭收緊開源協議，後訓練的源頭就會斷檔；另一方面，強行把基礎模型的拒答率從 72% 抹平到接近零，在拆掉不合理政治審查的同時，如何守住真正的安全防護邊界，也是後續開源權重後必須面對的拷問。