✔️ Sakana AI делает ставку на самообучающийся ИИ, чтобы обойти гонку вычислительных мощностей

Японский AI-стартап Sakana AI объявил о запуске исследовательской лаборатории RSI Lab, посвященной рекурсивному самоулучшению (RSI) — концепции, при которой ИИ-системы могут итеративно перепроектировать и улучшать себя. Компания видит в этом путь к созданию более эффективного ИИ, не требующего огромных вычислительных ресурсов.

Лаборатория опирается на предыдущие проекты Sakana: LLM-Squared (языковые модели улучшают обучение других моделей), Darwin Gödel Machine (эволюция собственного кода), The AI Scientist (автоматизация научных исследований, чья статья прошла рецензирование и была опубликована в Nature). Дорожная карта RSI включает четыре фазы: от агентно-ориентированных моделей к полному рекурсивному самоулучшению и, в перспективе, к демократизации frontier AI.

Sakana позиционирует RSI как альтернативу доминирующей парадигме масштабирования — вместо обучения гигантских моделей на кластерах GPU компания делает ставку на адаптивные системы, которые находят лучшие решения за минимальное количество попыток. Примечательно, что Anthropic ранее предупреждал о рисках RSI: после достижения полного рекурсивного самоулучшения ИИ может развиваться быстрее, чем институты успевают реагировать.

#AI #SakanaAI #RSI #SelfImprovement #Tech #Computing

📝 Sakana AI и KPMG представили CoffeeBench — бенчмарк для LLM-агентов в многолетней экономической среде

Sakana AI совместно с аудиторской фирмой KPMG Azsa опубликовали CoffeeBench — новый бенчмарк для оценки долгосрочных управленческих способностей LLM-агентов. Тест симулирует цепочку поставок в кофейной индустрии: шесть агентов (фермеры, обжарщики, розничные продавцы) управляют бизнесом в течение 90 дней, взаимодействуя через ценовые переговоры, заказы и управление запасами. Цель — максимизировать чистую прибыль.

Эксперименты показали значительные различия между моделями. GPT-5.5 и Claude Opus 4.7 активно вели переговоры и наращивали прибыль, тогда как Claude Haiku 4.5 впадал в «ступор» — анализировал ситуацию, но не предпринимал действий, что приводило к убыткам. Инструментарий включает открытый код на GitHub, техническую статью и треки траекторий агентов. Бенчмарк также планируется использовать для изучения механизмов финансовых махинаций (циклические сделки, принудительные продажи) в условиях сильного давления на KPI.

#AI #Research #Agents #SakanaAI #CoffeeBench #LLM #Benchmark

😂 Азиатские стартапы выпускают аналоги Mythos на фоне экспортного запрета Anthropic

Китайская компания 360 представила ИИ-инструмент Tulongfeng, который, по заявлению разработчика, способен конкурировать с моделью Mythos от Anthropic. Речь идет о специализированной модели для кибербезопасности, экспорт которой администрация США запретила для неамериканских пользователей вместе с более ограниченной версией Fable 5.

Ранее на той же неделе токийский стартап Sakana AI запустил модель Fugu, названную в честь японского слова «рыба-фугу». Компания утверждает, что эта модель «стоит плечом к плечу» с ведущими моделями, включая Anthropic Fable 5 и Mythos Preview. Fugu также ориентирована на агентные сценарии и умеет координировать доступ к другим моделям через их API.

Запуски произошли на фоне продолжающегося запрета правительства США на глобальный доступ к Mythos и Fable, введенного две недели назад. Представитель Sakana AI заявил TechCrunch, что выпуск новой модели был «полностью случайным», однако компания активно использует момент. На сайте стартапа указано, что Fugu предлагает «передовые возможности без риска экспортных ограничений».

Sakana, основанная в 2023 году бывшими исследователями Google, создает доступные генеративные ИИ-модели, оптимизированные для японского языка и культуры, и нацеливает Fugu на японские компании и госорганы, стремящиеся снизить зависимость от ужесточающихся экспортных ограничений.

Сооснователь Sakana Дэвид Ха описал Fugu как нечто большее, чем просто захват рынка в уязвимый для американских конкурентов момент. Модель предназначена для координации агентного использования множества моделей. «Оркестрационные модели - это следующий рубеж, за пределами больших моделей», - написал он в X. По его словам, полагаться на одного провайдера для национальной инфраструктуры - риск, который недавние экспортные ограничения сделали невозможным игнорировать.

«Доступ к лучшим моделям может исчезнуть в одночасье. Коллективный интеллект - это практическая страховка от такой концентрации власти», - добавил Ха. Китайская 360, в отличие от Sakana, не хеджирует риски: компания представила два инструмента для ИИ-безопасности, назвав поиск уязвимостей национальным стратегическим активом.

#Ai #Anthropic #SakanaAI #Mythos #Fugu #ExportControls

🌐 Сооснователь Sakana AI вошел в глобальную комиссию ООН «AI for Good»

Рэн Ито, сооснователь и председатель Sakana AI, назначен членом-основателем новой «AI for Good Global Commission» при ООН. Комиссия высокого уровня объединяет около 40 мировых лидеров из правительств, промышленности и международных организаций.

Сопредседателем выступает Марк Бениофф (Salesforce), а среди членов — Дженсен Хуанг (NVIDIA), Альберт Бурла (Pfizer), Мукеш Амбани (Reliance Industries) и Рэн Ито. Комиссия займется вопросами доверия к ИИ, управления и социального внедрения технологий. Первое заседание пройдет 8 июля в Женеве в рамках AI for Good Global Summit 2026.

Инициатива создана под эгидой ITU (Международный союз электросвязи) и направлена на поиск практических путей укрепления доверия, поддержки ответственных инноваций и реализации экономических и социальных выгод от ИИ для всех стран.

#AI #AIforGood #SakanaAI #UNO #ITU

🌉 Сферические оптимизаторы чёрного ящика: мост между двумя мирами

Исследователи Sakana AI представили на ICML 2026 работу «Bridging Spherical Black-Box Optimizers», объединяющую два разрозненных подхода к оптимизации без градиентов. Параметрические методы (Evolution Strategies) масштабируются на высокие размерности, но находят лишь одно решение. Непараметрические (Consensus-Based Optimization) находят множество решений, но не работают в больших размерностях. Команда показала, что оба семейства — вариации одного уравнения обновления.

На основе этого открытия созданы гибридные оптимизаторы AdaPol и SchedPol. Их ключевое применение — слияние фундаментальных моделей (LLM). Оценка больших языковых моделей на каждом шаге ресурсоёмка, а маленький датасет вызывает переобучение у стандартных оптимизаторов. Новые алгоритмы трактуют слияние LLM как мультимодальную задачу: находят несколько различных оптимумов на малом датасете, что позволяет получать обобщённые качественные слияния при кратно меньших вычислительных затратах.

#AI #BlackBoxOptimization #EvolutionStrategies #SakanaAI #ICML2026

🔒 Sakana AI представила Fugu-Cyber — оркестрационную модель для кибербезопасности

Sakana AI анонсировала Fugu-Cyber — новую версию своей оркестрационной модели, предназначенную для задач киберзащиты. Модель доступна как отдельный API-эндпоинт и показывает state-of-the-art результаты на отраслевых бенчмарках: 86,9% на CyberGym и 72,1% на CTI-REALM, что сопоставимо с показателями специализированных frontier-моделей вроде GPT-5.5-Cyber и Mythos-Preview.

Fugu-Cyber — это мультиагентная система, которая динамически оркестрирует пул специализированных агентов для выполнения сложных многошаговых задач, при этом внешне работая как единая модель. CyberGym оценивает способность анализировать код для верификации уязвимостей, а CTI-REALM — преобразовывать разведданные об угрозах в рабочие правила детектирования. API доступен по подписке Token Plan с обязательной верификацией пользователей.

#Safety #Tech #CyberSecurity #SakanaAI #FuguCyber #AI #ML

🐡 Sakana AI обновила маршрутизатор Fugu Ultra v1.1 — теперь он обходит Fable 5 без включения в пул

Японский стартап Sakana AI выпустил обновление своего ИИ-маршрутизатора Fugu Ultra v1.1, который динамически распределяет запросы между пулом публичных топ-моделей. Компания заявляет о приросте производительности до 7,9 баллов по сравнению с v1.0, особенно на бенчмарках ProgramBench и TerminalBench 2.1. По данным Sakana, новая версия превосходит Anthropic Fable 5, хотя эта модель даже не входит в пул выбора. Независимых подтверждений пока нет.

Цена остаётся прежней: $5 за миллион входных токенов и $30 за миллион выходных. На добавление новой топ-модели в пул уходит около двух недель обучения и оценки. Архитектура описана в техническом отчёте на arXiv. В обновлении также появился совместимый с Claude Code endpoint для вызова Fugu напрямую из терминала. С момента запуска Fugu доступен на платформах OpenRouter и Vercel.

Первая версия Fugu получила сдержанные отзывы из-за высокого расхода токенов, низкой скорости и слабых результатов. Sakana по-прежнему не обслуживает ЕС и ЕЭЗ, ссылаясь на GDPR и «специфические регуляции ЕС».

#Tech #SakanaAI #Fugu #Routing #LLM #AI #Benchmarks

❗️UnMaskFork: тестовое масштабирование для masked diffusion через детерминированное ветвление действий

Исследователи из Sakana AI представили метод UnMaskFork (UMF), позволяющий применять test-time scaling к masked diffusion language models (MDLM). В статье, принятой на ICML 2026, показано, что коллаборация нескольких MDLM над одним ответом улучшает результаты на задачах программирования и математики.

В отличие от стандартных LLM, генерирующих текст слева направо, MDLM заполняют полностью замаскированную последовательность параллельно. Однако обычный приём «повышения температуры» для увеличения разнообразия ответов на таких моделях, как Dream-Coder, не работает. UMF решает эту проблему через «переключение моделей»: несколько MDLM совместно раскрывают маски одного ответа, а Monte Carlo Tree Search определяет оптимальную последовательность, в которой каждая модель заполняет наиболее уверенные для неё части. Метод не требует дополнительного обучения — достаточно комбинировать предобученные модели на этапе инференса.

UMF стабильно превосходит существующие методы test-time scaling на бенчмарках по кодингу и показывает устойчивый рост производительности на математике. Работа продолжает линию исследований «коллективного интеллекта AI» в Sakana AI, включая AB-MCTS и Sakana Fugu.

#AI #DiffusalModels #TestTimeScaling #SakanaAI #ICML2026

🌎 Dream-Cubed: ИИ научился генерировать играбельные миры Minecraft, используя кубы как токены

Sakana AI совместно с Нью-Йоркским университетом представили Dream-Cubed — генеративную модель для создания интерактивных 3D-окружений в Minecraft. Исследователи обучили большие трансформеры на десятках миллиардов кубов, чтобы модель понимала структуру мира так же, как языковые модели понимают текст.

Проект состоит из двух частей. Во-первых, открыт масштабный датасет Dream-Cubed, включающий тщательно сбалансированные кубы из процедурно сгенерированного ландшафта и авторских карт (с согласия авторов). Во-вторых, на этих данных обучено семейство трансформеров для эффективной генерации миров с разрешением на уровне отдельных блоков. Модель поддерживает разные подходы (непрерывная и дискретная диффузия) и позволяет делать точный инпейнтинг, масштабный аутпейнтинг и управляемую генерацию бесконечных территорий с контролем каждого блока.

Практическое значение: сгенерированные миры сразу редактируемы и играбельны — игрок может изменять структуры, рельеф и карты, не покидая игру. Это первый шаг к полноценной генеративной разработке игровых уровней на основе ИИ.

#Games #AI #Minecraft #Generation #Transformers #SakanaAI

❓ Загадка ИИ — это загадка жизни: Британское королевское общество выпустило спецвыпуск о «мировых моделях»

Британское королевское общество (старейший научный журнал мира, основан в 1665 году) опубликовало в «Philosophical Transactions of the Royal Society A» тематический выпуск «World Models in Natural and Artificial Intelligence». Соавтором вводной статьи выступил Дэвид Ха, CEO Sakana AI.

Спецвыпуск объединяет исследователей из области ИИ, биологии и философии и держится на трёх тезисах:

1. «Уметь» и «понимать» — не одно и то же. Большие модели впечатляют, но это результат запоминания паттернов, а не понимания причинно-следственных связей. Часть авторов считает, что наращивание вычислений этот разрыв не закроет.

2. ИИ, знающий себя. Когда модель учится предсказывать собственные внутренние состояния, её представления упорядочиваются и становятся эффективнее. Для роботов с телом это основа адаптивного поведения.

3. Трудная задача ИИ ведёт к трудной задаче жизни. Живые существа не просто получают информацию, а сами воздействуют на среду, изучая мир. Поэтому ИИ всё ближе подходит к исследованиям искусственной жизни (ALife).

Sakana AI развивает эту тему через исследования мировых моделей и Physical AI в своей RSI Lab.

#AI #SakanaAI #WorldModels #Research #AGI #ArtificialLife

⛵️ Sakana AI представила SAIL - масштабирование имитационного обучения роботов в контексте

Sakana AI совместно с Токийским университетом представила метод SAIL (Scaling In-Context Imitation Learning), который позволит роботам осваивать новые задачи без дообучения самой модели. Работа будет представлена на конференции IROS 2026.

Идея в том, что фундаментальные модели уже впитали огромные объёмы изображений, текста и робототехнических данных - SAIL извлекает эти знания для управления роботом, не меняя веса модели. Политика строится на VLM-генераторе траекторий, которому дают несколько успешных демонстраций. Сгенерированный маршрут проверяется в симуляторе, а оценочный VLM просматривает видео и определяет, где прогресс остановился. Дальше policy-VLM переписывает траекторию с учётом замечаний, а Monte Carlo tree search исследует альтернативы и дорабатывает перспективные варианты. На физического робота отправляется только выбранная траектория - это снижает риск провала из-за одной ошибочной цели движения.

Результаты: на шести задачах манипуляции в симуляции рост бюджета поиска с одного кандидата до 45 поднял среднюю долю успешных траекторий с 25% до 73%. Авторы также протестировали SAIL на реальном роботе и заключают, что генерация траекторий выигрывает от test-time scaling - дополнительные вычисления позволяют модели проверять и уточнять действия в симуляторе перед выходом в физический мир.

🎨 qvabo.studio/tg · картинки и видео

#Tech #SakanaAI #Robotics #VLM #TestTimeScaling #AI #Research

🧠 Sakana AI представила MASS: самоулучшение ИИ через коллективный интеллект

Японская лаборатория Sakana AI опубликовала работу о рекурсивном самоулучшении (RSI) моделей. Идея: когда ИИ решает открытые исследовательские задачи, человеку всё сложнее оценивать результаты - и тогда лучшим оптимизатором и оценщиком становится сама модель.

Метод Multi-Agent Self-Supervision (MASS) работает так: одна общая модель решает задачи через команду виртуальных субагентов, ищет удачные мультиагентные схемы взаимодействия и сама выбирает лучшие из них. Затем обучение на траекториях лучшей команды «перегоняет» коллективный опыт обратно в единую модель.

Результаты двух циклов на открытой модели 27B: после второго цикла показатель «счёт на токен вывода» вырос в 1,2-1,6 раза относительно базовой модели на четырёх исследовательских бенчмарках. Авторы выделяют три вывода: обучение только на данных решателя автоматически улучшает и оптимизатора, и оценщика; мультиагентные траектории эффективнее одиночных для RSI; узким местом может быть оптимизатор, а не оценщик.

Отдельный акцент - на безопасности. В гомогенном цикле, где модель сама себя оценивает, общие слепые зоны могут закрепляться как «прогресс» через обучение. Авторы призывают сообщество изучать такие сбои и сохранять способы их обнаружения.

🎨 qvabo.studio/tg · картинки и видео

#AI #SakanaAI #Research #MultiAgent #SelfImprovement #Security