Haruki Goda

[Sakana AI @SakanaAILabs]

Sakana AIリサーチサイエンティスト・菅沼雅徳のインタビューが9月8日の朝日小学生新聞に掲載されました。

リサーチャーの仕事内容や1日の流れ、生成AIの未来、小学生のAI活用法についてお話ししました。

機会をいただいた編集部のみなさまに感謝します。

[YI @y_imjk]

GPT-6、素直にAGIです
https://t.co/espu4KdEXY

[Sakana AI @SakanaAILabs]

【イベント告知】
Sakana AI Engineer Open Houseを今年も開催します🐟

お申込みはこちら（締切：9/27）
https://t.co/mws246UFpU

・日時：2026年10月5日（月）18:00-21:00
・場所：虎ノ門会場 または オンライン
・内容：事業紹介（金融／防衛／Product）、社員・ジョブ紹介など
・参加費：無料

CEOのDavid Ha（@hardmaru）をはじめ、Sakana AIのキーパーソンが登壇します。虎ノ門会場では懇親会もご用意しています。ぜひご参加ください🚀

※虎ノ門会場は抽選制です

[Sakana AI @SakanaAILabs]

Sakana AI の Applied Research Engineer 合田晴紀が、Auth0社主催「Camp AI」に登壇しました。本人が開発責任を担ったUltra Deep Research Assistant「Sakana Marlin」を含む当社プロダクトをご紹介し、エージェント時代のプロダクト開発について議論しました。

[Haruki Goda @godaharuki]

Camp AIありがとうございました！特にパネルディスカッションの議論は非常に楽しく、勉強になりました！！ #CampAI

[Auth0 Japan @auth0_jp]

本日の「Camp AI: Agents at Work //Tokyo//」は全プログラムが終了しました！ご参加いただいた皆様、誠にありがとうございました。最後に撮影した会場での集合写真を共有します。また次回のイベントでお会いしましょう！ #CampAI #AI

[Sakana AI @SakanaAILabs]

Sakana Chatが新世代のNamazuとFuguを搭載しました。

日本文化に精通したモデルで、話題の Vibe coding（言葉だけでゲームやアプリを作る体験）を実現。漢字ドリルから金魚すくいまで、思いついたものがそのまま動く。あなたの創造性を、そのまま形に。

今すぐ試す：https://t.co/lyIrGJY4fW 🐟

[石井順也 Junya Ishii @JDWorldBriefing]

Sakana AIの独自技術を使ったリサーチプロジェクトです。私も専門家アドバイザーとして関与しました！

[Shuhei Ando🐡 @ando_ds]

Sakana Marlinはホルムズ海峡の閉鎖が継続している理由を3つの構造に分解した
1. 戦闘コストの非対称性
2. 海峡の管理権と通航料を巡る対立
3. 米イランの制御外で動く第三勢力
8月の交渉は、このうち2を軸に動いている

[Sakana AI @SakanaAILabs]

Sakana Marlinは自律的に数時間考え続け、リサーチを行います。

それを可能にしたのは、NeurIPS 2025にspotlight採択されたAB-MCTS。

Natureに掲載されたAI Scientist。

Sakana AIの研究成果が、Sakana Marlinの自律推論を支えています。

https://t.co/5lbFxXnuy2 🐟

[Sakana AI @SakanaAILabs]

Virtual CSO「Sakana Marlin」を活用したリサーチプロジェクト「Marlin Insights」がスタート🐟

初回のテーマは「ホルムズ海峡危機の行方」です。

軍事力で圧倒しているはずの米国はなぜ出口を失ったのか。封鎖が長引く3つの構造的要因と今後のシナリオを分析しました⬇️

https://t.co/CctxzFJBqP

[Masaya Ohagi @OM60486933]

Sakana NamazuのAPIを公開しました！web_searchやcode_interpreterなどのビルトインツールも込みで使いやすいAPIになっています。ぜひみなさんに試して欲しいです！！

[Sakana AI @SakanaAILabs]

Sakana Namazuは、Sakana AIが提供する日本語特化のLLM APIです。

オープンモデルをベースに、社内独自のデータで日本語と日本の業務文脈への適合を進め、加えて、特定の話題での応答回避や出力の偏りを抑えるチューニングを施しました。

ブログはこちら：https://t.co/lomlmvfH2S 🐟

[Sakana AI @SakanaAILabs]

🐟 Sakana Namazu API 公開 🐟

本日、Sakana AIは大規模言語モデル「Namazu」をアップデートし、API「Sakana Namazu（サカナ・ナマズ）」として提供を開始しました。

Sakana Namazu API: https://t.co/4EatcdUW9N 🐟

[Sakana AI @SakanaAILabs]

拡散言語モデルの協調による推論時スケーリングの実現

#ICML2026 に採択された私たちの論文 ”UnMaskFork: Test-Time Scaling for Masked Diffusion via Deterministic Action Branching” は、複数の拡散言語モデルを協調させることで、コーディングや数学の能力を向上できることを示しました。

一つの問題をLLMに長考させたり、解答の生成や改善を何度も繰り返させたりと、推論時のリソースを活用してLLMの性能を引き上げる「推論時スケーリング」が重要な手法として盛んに研究されています。この技術により、追加学習に頼らず推論時の計算を増やすことでLLMの性能を高められるようになり、用途に応じて計算コストと性能のバランスを柔軟に選ぶことができます。

テキストを前から順に生成する通常のLLMと異なり、近年注目を集めるマスク型拡散言語モデル（MDLM）は、全体がマスクされた状態から徐々にマスクを外しテキストを埋めていくことで文章を完成させます。MDLMは複数の箇所を並列に生成できるため高速化が期待できるほか、文章全体を見渡しながら柔軟に生成できるという特長があり、新しいパラダイムの言語モデルとして盛んに研究されています。我々は、通常のLLMで標準的な「温度を上げてランダム性を高め、多様な解答を何度も生成させる」手法はDream-CoderのようなMDLMではうまく機能しないことを実験により明らかにしました。

私たちの提案するUnMaskFork（UMF）は、このランダム性の代わりに「モデルの切り替え」で多様性を生み出します。複数のMDLMが一つの解答のマスク解除を分担し、どのモデルがどの段階を担当するかの有望な順番をモンテカルロ木探索で探索します。。各モデルは他のモデルの途中経過を引き継ぎ、最も自信のある箇所を埋めていきます。この協調アプローチにより、生成品質を保ったまま多様な解答を探索でき、コーディングのベンチマークで既存の推論時スケーリング手法を一貫して上回り、数学でも計算量に応じた着実な性能向上を示しました。

MDLMの発展においても推論時スケーリングは重要な鍵であり、本研究はMDLM特有の困難をUMFで回避できることを示しました。UMFは追加学習やモデル内部の改変を一切必要とせず、学習済みのモデルを推論時に組み合わせるだけで機能します。そのため、異なるデータや方法で学習された拡散言語モデルの多様性を活用することで、そのまま性能向上へ繋げることができます。今後多様なMDLMが登場するほど、UMFの価値はさらに広がっていくと考えています。

本研究は、複数のLLMを協調させるAB-MCTSやSakana Fuguなど、「AIの集合知」を追求する我々の研究の一環です。今後もモデルの多様性を力に変える研究を進めていきます。UMFの詳細なアルゴリズムや、実際にどのように協調が行われるかなどの具体例はブログや論文をご覧ください。

ブログ: https://t.co/FZ25e6XCws
論文: https://t.co/4JC9SYdTyX 🐟

[Daizen Ikehara @Neri78]

先ほど8/26のパネリストであるみなさん( @yusukebe @taiponrock @godaharuki )と事前打ち合わせを行いました。いろいろな視点からのお話を伺えそうで今から楽しみ！

まずはつかみの5分トークでどう笑いを...(違
登録はこちらからお願いします〜
https://t.co/MaOU6hxukl

#CampAI

[Sakana AI @SakanaAILabs]

Fugu-Cyber is available as a new endpoint at https://t.co/FxG5zvZ5pb

Achieving high scores on a cybersecurity evaluation is only the beginning of the story. What does it actually take to bring frontier AI into enterprise defense?

Recently, there has been a lot of fearmongering about the cyber capabilities of frontier models. Much of the industry narrative suggests that simply granting an organization access to a frontier model with cyber capabilities will instantly solve its security challenges.

We believe it is time to ground this conversation in reality.

As highlighted in a recent Nikkei Digital Governance report, having access to a frontier model like Mythos does not automatically solve enterprise security. Large organizations often struggle to operationalize these tools without specialized internal talent and deep integration into proprietary source code. Successful deployments require human expertise in cybersecurity alongside frontier capabilities.

A highly capable API with strong cyber reasoning is an incredibly important piece of the puzzle, but it is not the entire solution. When deployed in isolation, raw models will inevitably generate false positives. True enterprise defense requires orchestrating these models with sub-agents specialized for cybersecurity and human-in-the-loop processes to confirm whether a vulnerability would actually trigger in a real environment.

This is the exact challenge Sakana AI’s Applied Enterprise team is solving. We are working closely with major Japanese institutions to build the specialized harnesses required to deploy these models, including Fugu-Cyber, into production safely.

Reference: Nikkei Digital Governance report (Japanese)
https://t.co/spEbQWBca0 🛡️

[Sakana AI @SakanaAILabs]

Introducing Fugu-Cyber: an update to our Fugu orchestration model.

It achieves state-of-the-art performance on real-world security benchmarks, matching cyber-focused frontier models like GPT-5.5-Cyber and Mythos Preview.

https://t.co/5Nh1eBPhHg 🐡

[Sakana AI @SakanaAILabs]

"Feedback-to-Rubrics: Can We Extract Expert Criteria from Inline Comments?" will be presented at the Workshop on Human-AI Co-Creativity: Advances, Opportunities, and Challenges on July 11 at #ICML2026

Paper: https://t.co/MPfNX6l2z1 (Extended full-paper version)

LLMs are increasingly used for writing and review support, but their usefulness depends on context-dependent criteria, such as expert preferences or organization-specific conventions, that are often tacit, undocumented, and difficult to elicit directly. We propose a problem setting for learning reusable natural-language rubrics from accumulated inline comments on artifacts such as human-written or LLM-generated drafts.

[Haruki Goda @godaharuki]

I'm so glad you 're using Sakana Marlin!
I appreciate your interest!!

[⿻ Audrey Tang 唐鳳 @audreyt]

@SakanaAILabs Trying out the first auto research!🪞🐟

[Kosuke Nakago @corochann]

開発者によるSakana Marlinのプロモビデオですっ!!