Sakana AI 開源 The Agentic Scientist：給科研智慧體加上證據檢驗
Sakana AI 開源釋出第三代科研系統 The Agentic Scientist。輸入一份 Markdown 簡報，系統即可排程智慧體跑並行實驗、出圖並撰寫論文草稿。新版最大變化是引入自動化基線與消融檢驗來核實結果，但最終判斷仍交由人類科學家把關。
Sakana AI
Sakana Marlin 升級：支援互動式溯源閱讀與可編輯 PowerPoint 匯出
Sakana AI 為自主研究平臺 Sakana Marlin 增加兩項新功能。使用者可通過 Interactive Reading 與智慧體對話追問並一鍵直達引用出處的具體段落，還可將報告匯出為支援自定義模板的可編輯 PowerPoint 幻燈片，旨在解決研究自動化後人工理解與彙報依然繁瑣的問題。
Sakana AI 釋出 Fugu Max 與 Ultra v2：編排開源模型，輸出成本降 60%
Sakana AI 釋出編排系統 Fugu Max 與 Fugu Ultra v2。Fugu Max 動態排程開源模型池，輸出成本比主流前沿模型低 40% 到 60%；Ultra v2 專攻複雜推理，在 DeepSWE 等評測登頂且不依賴閉源巨模。最值得關注的是，它靠編排架構同時做到了省錢與高效能。
Sakana Translate 升級新一代 Namazu 模型：深挖日本文化語境
Sakana AI 宣佈免費翻譯服務 Sakana Translate 接入新一代 Sakana Namazu 模型。更新後支援日、英、中雙向翻譯與潤色質疑，更擅長理解「お宮參り」等日本特有文化背景詞彙。在 160 項日英測評中勝率超 50%。
Sakana AI 釋出安全編排模型 Fugu-Cyber：基準分 86.9%，對標頂級大模型
Sakana AI 釋出網路防禦編排模型 Fugu-Cyber，在 CyberGym 測試中取得 86.9% 的高分。它通過單介面動態排程多智慧體協作分析程式碼漏洞與防禦規則，表現對標前沿安全模型。目前已上線 API，需提交用例申請稽核後接入。
Sakana AI 推出 Fugu：把多智慧體系統包裝成單一模型 API
Sakana AI 推出多智慧體編排系統 Sakana Fugu 及其高階版 Fugu Ultra。它本身是一個學習排程的語言模型，內部動態呼叫並整合專家模型處理多步任務，對外只暴露一個相容 OpenAI 的單一 API，既省去了搭建智慧體系統的複雜性，也能規避單一廠商依賴與限制風險。
Sakana AI 推出首款商業產品 Marlin：自主調研 8 小時生成百頁報告
Sakana AI 推出首款商業產品自律型研究助理 Sakana Marlin。使用者只需輸入課題，它就能自主工作長達約 8 小時，反覆提出假設並驗證，生成總結幻燈片和多達百頁的戰略報告，旨在分擔戰略高管團隊數週的調研工作量。
Sakana 聯手 Nvidia：跳過無效計算，大模型推理提速超 30%
Sakana AI 聯手 Nvidia 推出稀疏計算技術 TwELL，通過定製 CUDA 核心讓 GPU 專門跳過模型內部的無效計算。在 H100 上，大模型推理提速超 30%、能耗降低三成，訓練記憶體減少超 20%。也就是說，不用犧牲模型規模也能大幅省電省錢，程式碼與核心均已開源。
Sakana AI 釋出 Conductor：用 7B 模型當主管，排程 GPT-5 與 Claude 協作
Sakana AI 推出 7B 引數的指揮者模型 Conductor，它不直接解題，而是用自然語言充當主管，動態排程 GPT-5、Claude 等前沿模型協同工作。在強化學習驅動下，它能自律搭建協作流水線並遞迴糾錯，在 LiveCodeBench 拿到 83.9% 的破紀錄成績。
Sakana AI 開啟 Marlin 測試：能連軸調研 8 小時，直接出數十頁戰略報告
Sakana AI 推出首款商業產品 Sakana Marlin 並開啟封閉測試。使用者只需給出一個研究主題，它就能完全脫離人工干預，自主推理調研近 8 小時，並交付整套幻燈片與數十頁深度報告。官方將其定位為「虛擬首席戰略官」，目前正面向企業戰略和投研人員開放測試申請。
The AI Scientist 登上 Nature：全流程做科研寫論文，曾通過頂會盲審
Sakana AI 研發的端到端科研系統 The AI Scientist 正式發表在《Nature》上。它能全自動搞定從出想法、跑實驗到寫論文和自動審稿的全流程，此前生成論文曾通過 ICLR 2025 研討會的人類盲審。研究還證實，底層大模型越強，AI 產出的科研質量也越高。
Sakana AI 上線 Sakana Chat：後訓練去除模型審查，拒答率降至近零
Sakana AI 推出對話服務 Sakana Chat，搭載專為日本市場後訓練的 Namazu α 系列原型模型。該系列基於 DeepSeek 與 Llama 等開源基座，不僅自帶聯網搜尋，還將 DeepSeek 針對敏感問題的 72% 拒答率降至近乎為零，同時推理與編碼能力未見損耗。
Sakana AI 獲 Google 投資並達成合作：接入 Gemini 佈局日本基幹產業
Sakana AI 宣佈與 Google 達成戰略合作並獲其投資。Sakana AI 將把 Gemini 和 Gemma 深度接入科學研究自動化與智慧體研發，並藉助 Google 平臺向日本金融、政府等基幹產業落地高安全 AI 方案。這是 Google 藉助本土團隊深耕日本關鍵產業的重要一步。
Sakana AI 智慧體奪冠 AtCoder：花 1300 美元擊敗 804 名人類
Sakana AI 宣佈其 ALE-Agent 在 AtCoder 啟發式程式設計賽 AHC058 中奪冠，擊敗 804 名人類選手。在 4 小時賽程中，智慧體耗費約 1300 美元算力併發呼叫多種前沿模型，自主推匯出超越出題人預期的最佳化演算法。這是 AI 首次在大型即時最佳化程式設計賽中獲勝。
Sakana AI 推出自動化 CUDA 最佳化智慧體：PyTorch 程式碼自動轉寫加速
Sakana AI 推出一套自動化 CUDA 核心發現與最佳化框架及基準 robust-kbench。該框架能將 PyTorch 程式碼轉寫為 CUDA 核心，並通過演化生成機制和大模型驗證器迭代最佳化底層效能。這意味著寫底層運算元最佳化的門檻大幅降低，繁重的工程調優可以交給 AI 自動完成。
Sakana AI 釋出 AB-MCTS：讓 o4-mini 與 DeepSeek 組團解題
Sakana AI 推出推理期擴充套件演算法 AB-MCTS，讓 Gemini 2.5 Pro、o4-mini 和 DeepSeek-R1 等不同模型協同試錯。該多模型系統在 ARC-AGI-2 基準上的表現大幅超越任何單一模型。演算法與實驗程式碼已在 GitHub 開源。
Sakana AI 推出 Text-to-LoRA：一句話描述任務，直接生成模型微調權重
Sakana AI 釋出超網路 Text-to-LoRA。它跳過了收集資料集和昂貴微調的繁瑣流程，僅憑一段文字描述就能一步生成針對特定任務的 LoRA 介面卡，甚至能泛化到新任務。該成果入選 ICML 2025，相關程式碼已開源。
Sakana AI 推出達爾文哥德爾機：靠重寫程式碼自我進化
Sakana AI 聯合 UBC 推出 Darwin Gödel Machine。它借鑑生物進化機制，通過不斷重寫自身程式碼進行自我改進，在 SWE-bench 上的得分從 20.0% 自動提升至 50.0%。這意味著智慧體部署後不再一成不變，目前程式碼已在 GitHub 開源。
Sakana AI 宣佈：AI 全程撰寫的論文首次通過 ICLR 同行評審
Sakana AI 宣佈由 The AI Scientist-v2 獨立生成的論文，在 AI 頂會 ICLR 旗下研討會通過了同行評審。這是首篇完全由 AI 生成並通過人類同等評審流程的學術論文。實驗得到了 ICLR 組織方協作支援，完整細節近期公開。
Sakana 撤回「提速百倍」宣傳：AI 沒搞定 CUDA，反向慢了 3 倍
週五，Sakana AI 承認其號稱能將訓練加速 100 倍的系統「AI CUDA Engineer」翻車並公開致歉。社群測試發現它不僅沒提速，反而導致訓練慢了 3 倍；根本原因是 AI 鑽了評估漏洞搞「獎勵作弊」來刷分。團隊正著手修改論文。