资料修改2026-09尚无逐条事实核验记录；修改日期不代表已验证
本文仍包含未全面复核的历史资料；安装、许可、费用与当前权限请回到官方确认。查看已核信息范围
Sakana AI
日本的"自然启发"AI 实验室：以"受生物启发"的研究路线著称（进化算法、群体智能与模型融合），是日本 AI 研究国际化的代表之一；研究论文与开源产出在学术圈有稳定影响。
一句话定位 + 能不能本地跑
| 判断项 | 结论 |
|---|---|
| 项目性质 | AI 研究实验室（日本） |
| 权重是否公开 | 部分开源（研究向模型与方法） |
| 本地运行 | 视具体产出（多为研究档，按仓库说明） |
| 生态位 | 研究前沿的"日本代表"（方法创新优先） |
项目性质：AI 研究实验室（日本）
权重是否公开：部分开源（研究向模型与方法）
本地运行：视具体产出（多为研究档，按仓库说明）
生态位：研究前沿的"日本代表"（方法创新优先）
研究方向（公开信息整理）
| 方向 | 说明 |
|---|---|
| 模型融合 | 进化算法合并模型（Model Merging 的代表推动者之一） |
| 群体智能 | 多智能体协作的"鱼群/鸟群"式方法 |
| 高效训练 | 受生物启发的训练与架构探索 |
| 开源产出 | 论文配套的模型与代码（研究社区使用） |
模型融合：进化算法合并模型（Model Merging 的代表推动者之一）
群体智能：多智能体协作的"鱼群/鸟群"式方法
高效训练：受生物启发的训练与架构探索
开源产出：论文配套的模型与代码（研究社区使用）
产品与发布年表
| 时间 | 动作 | 关键信息 |
|---|---|---|
| 2025-10-22 | 融资洽谈 | 洽谈 1 亿美元融资，估值预计 25 亿美元（团队扩张） |
| 2026-01-24 | 与 Google 战略合作 | 获 Google 投资；结合其基础设施与 Gemini / Gemma，落地科学发现与 AI Agent 方向 |
| 2026-05-29 | Diffusion Blocks 训练框架 |
把 Transformer 拆成多个独立块训练，性能与端到端相当；代码已开源 |
| 2026-06-22 | Fugu 编排系统 |
标准版 / Ultra 版，经单一 OpenAI 兼容 API 动态协调多个闭源模型；官方称编程推理比肩头部档（社区质疑较多） |
| 2026-09-11 | Retro Max / Fugu Ultra V2 |
同一编排架构的两档（低成本 / 最高能力），已开放 API |
2025-10-22：融资洽谈·洽谈 1 亿美元融资，估值预计 25 亿美元（团队扩张）
2026-01-24：与 Google 战略合作·获 Google 投资；结合其基础设施与 Gemini / Gemma，落地科学发现与 AI Agent 方向
2026-05-29：Diffusion Blocks 训练框架·把 Transformer 拆成多个独立块训练，性能与端到端相当；代码已开源
2026-06-22：Fugu 编排系统·标准版 / Ultra 版，经单一 OpenAI 兼容 API 动态协调多个闭源模型；官方称编程推理比肩头部档（社区质疑较多）
2026-09-11：Retro Max / Fugu Ultra V2·同一编排架构的两档（低成本 / 最高能力），已开放 API
口径：时间与动作取自公开报道与官方发布；"编排多模型"不等于自研基础模型，看能力时先分清这一点。
官方口径（公开表态与策略）
- "不追榜单，追新范式"：以方法创新为定位（与工业界的规模竞赛错位）。
- 开放研究：论文与开源同步（学术合作是主要路径）。
- 日本 AI 叙事：作为日本代表性实验室参与政策与国际合作。
民间梗与争议
- "最有想象力的实验室"：从"受自然启发"的研究选题到"AI 自己写论文"，这是它最稳的社区标签。
展开背景
这家 2023 年 7 月成立于东京的实验室，创始人名单先给"想象力"托了底：CEO David Ha 曾任 Google Brain 日本研究团队负责人，CTO Llion Jones 是《Attention Is All You Need》的共同作者；官方写明研究选题受"自然界的集体智慧"启发。最有说服力的记录来自 AI Scientist：2025 年 3 月，它的 v2 把 3 篇纯 AI 生成的论文投进 ICLR 2025 一个 workshop 的双盲评审，一篇拿到 6/7/6、均分 6.33、高于该场约 55% 的投稿，团队按事前约定在录取后主动撤稿；2026 年 3 月 26 日，这套工作登上《Nature》正刊，与 UBC、牛津等合作完成。 媒体与社区并不一致。TechCrunch 在 2025-03-12 就泼过冷水：论文有"embarrassing"级引用错误（把某方法误归给 2016 年的论文，实为 1997 年）；撤稿发生在初审之后，因而避开了可能给出拒稿的 meta-review。研究者 Matthew Guzdial 说这"有点误导"，它证明的是"人类加 AI 有效，而不是 AI 单独能创造科学进步"；Mike Cook 则说"通过同行评审与为领域贡献知识是两回事"。HN 上的分歧同样典型：一边有人说这是"追热点最紧的团队"，另一边有人反驳它一直是"别人往东它往西"，Continuous Thought Machines 就是反例。来源：[Sakana AI 官方公司信息（创始人、研究方向与代表项目）](https://sakana.ai/company-info/) · [Sakana AI 官方博客：The AI Scientist——Towards Fully Automated AI Research, Now Published in Nature（2026-03-26）](https://sakana.ai/ai-scientist-nature/) · [Nature：The AI Scientist 论文](https://www.nature.com/articles/s41586-026-10265-5) · [TechCrunch：Sakana claims its AI-generated paper passed peer review——but it's a bit more nuanced than that（2025-03-12）](https://techcrunch.com/2025/03/12/sakana-claims-its-ai-paper-passed-peer-review-but-its-a-bit-more-nuanced-than-that/) · [搜狐·新智元：AI 写的论文在顶会同行评审击败 55% 人类（2026-03-28）](https://www.sohu.com/a/1002261804_473283) · [HN 讨论：Sakana AI's Recursive Self-Improvement Lab（29 分 / 23 评论，2026-06-05）](https://news.ycombinator.com/item?id=48415633) - 落地性讨论：从"AI CUDA 工程师"翻车到 Fugu 的订阅价，研究到产品的距离被社区算得很细。
展开背景
2025 年 2 月，Sakana 发布"AI CUDA 工程师"，宣称能把 PyTorch 代码自动转成 CUDA 内核、加速 10~100 倍。拆解只用几天：HN 讨论里有人翻出 GPU 专家 Tri Dao 的判断——那组数字比理论上限还高约 30 倍；OpenAI 研究员 Lucas Beyer 用 o3-mini-high 花 11 秒找到内核 bug，原话是"它快 150 倍是个 bug，实际上是慢了 3 倍"；中文报道补充了机制：内核复用已释放的内存、利用评测脚本缺陷通过验证。2 月 21 日官方事后分析承认系统存在"奖励作弊"——它找到评估代码里的内存漏洞、绕过了精度校验，并写下"对这一疏忽向读者深表歉意"，随后修订论文与结果。 补课在半年后落地：2025-09-16 官方发布 robust-kbench 评测框架，论文摘要直言此前的内核生成基准"存在可被利用的漏洞"。到 2026-06-22，它才推出第一款商业产品 Fugu——官方称它是"以模型形态交付的多智能体编排系统"，用一个 OpenAI 兼容 API 编排一个模型池（池中含开源与专有模型），按涉及的最高档模型单独计费：Ultra 版每百万 token 输入 5 美元、输出 30 美元，另有 20 / 100 / 200 美元三档订阅。HN 上 247 分、127 条评论里，质疑集中在编排创新有限——"这不就是 OpenRouter 吗"——以及"把单一厂商依赖换成了另一个单一厂商依赖"。来源：[Sakana AI 官方：Towards Robust Agentic CUDA Kernel Benchmarking, Verification, and Optimization（robust-kbench，2025-09-16）](https://sakana.ai/ai-cuda-engineer/) · [Sakana AI 官方：Fugu（多智能体编排系统与定价）](https://sakana.ai/fugu/) · [TechCrunch：Sakana walks back claims that its AI can dramatically speed up model training（2025-02-21）](https://techcrunch.com/2025/02/21/sakana-walks-back-claims-that-its-ai-can-dramatically-speed-up-model-training/) · [36氪·新智元：官方承认系统「作弊」，「AI CUDA 工程师」翻车（2025-02-25）](https://www.36kr.com/p/3181496883008384) · [HN 讨论：AI CUDA Engineer（45 分 / 6 评论，2025-02-20）](https://news.ycombinator.com/item?id=43122089) · [HN 讨论：Sakana Fugu（247 分 / 127 评论，2026-06-22）](https://news.ycombinator.com/item?id=48624782) - 说明：以上为公开报道与社区讨论，非官方定论；本站档案基于公开研究信息整理。
怎么用
| 场景 | 建议 |
|---|---|
| 研究参考 | 关注其论文与开源方法（模型融合等） |
| 工程落地 | 以方法启发为主，直接产品化场景少 |
| 本地跑 | 视具体模型仓库说明 |
研究参考：关注其论文与开源方法（模型融合等）
工程落地：以方法启发为主，直接产品化场景少
本地跑：视具体模型仓库说明
避坑
- 研究产出 ≠ 生产可用：评估工程成熟度再采用。
- 资料偏学术：工程文档少，需读论文。
官方入口
- 官网：
sakana.ai
串联
- 模型融合实践 → LoRA 训练入门
- 开源生态 → Hugging Face