Sakana AIと東京大学、ロボット軌道生成手法SAILを発表
Sakana AIと東京大学は、VLMによるロボット軌道生成をテスト時スケーリングで改善する手法SAILを発表し、IROS2026で発表予定です。SAILはシミュレーターで生成軌道を試し、評価VLMのフィードバックを基に修正します。シミュレーションの6つの操作タスクでは、探索候補を1から45に増やすと、成功軌道を見つける平均率が25%から73%に上がりました。
Sakana AIと東京大学は、VLMによるロボット軌道生成をテスト時スケーリングで改善する手法SAILを発表し、IROS2026で発表予定です。SAILはシミュレーターで生成軌道を試し、評価VLMのフィードバックを基に修正します。シミュレーションの6つの操作タスクでは、探索候補を1から45に増やすと、成功軌道を見つける平均率が25%から73%に上がりました。
Sakana AIは「日本スタートアップ大賞2026」で総務大臣賞(情報通信分野)を受賞した。自然界の進化や集合知に着想を得たAI開発手法や、限られた計算資源で高性能な推論を実現するアーキテクチャが評価された。複数の小型・高効率モデルを組み合わせる手法や、指揮統制(C2)システムへのAI活用事例も紹介した。
Sakana AIは、ユルゲン・シュミットフーバー氏がChief Scientific Advisorとして参画し、新設のRSI Labにも携わると発表しました。同氏は東京を定期的に訪れ、チームと協働しながら日本のAIエコシステムを支援します。Sakana AIは、物理世界での行動結果を事前にシミュレートするAgent-Native World Modelsの開発を進めています。
推荐理由:シュミットフーバー氏の就任に加え、RSI Labで進める世界モデル開発の構想を示しており、人事と研究方針を合わせて把握できます。
Sakana AIは、主流とは異なる知能のパラダイムを探る社内グループFrontier Intelligence Group(FIG)を紹介しました。FIGは研究の自由や独自性を重視し、Continuous Thought Machinesや最大1,000層のニューラルネットワークを学習する予測符号化手法など、複数の研究に取り組んでいます。
Sakana AIはSakana Chatを更新し、オーケストレーターモデル「Fugu Max」を全ユーザーに提供するとともに、会話内容を次回以降に引き継ぐメモリー機能を追加しました。メモリーはNamazuとFugu Maxで利用でき、設定画面で記憶内容を確認したり、機能をオフにしたりできます。記憶の対象はアップデート以降の会話で、過去の会話は含まれません。
推荐理由:Fugu Maxの全ユーザー提供と、会話をまたいで設定を引き継ぐメモリー機能の追加により、Sakana Chatの利用方法がどう変わるかを具体的に把握できます。
Sakana AIはSakana Marlinに、レポートについてAIエージェントに質問し、引用元の根拠箇所を確認できる「Interactive Reading」と、編集可能なPowerPoint出力を追加しました。PowerPointでは文章や図形、表・グラフのデータや書式を変更でき、各スライドに出典URLが記載されます。任意のスライドテンプレートに対応し、無料トライアルも利用できます。
推荐理由:調査レポートの理解・検証・共有を支援する二つの機能を示し、AIリサーチ後に残る意思決定前の作業を具体的に把握できます。
Sakana AIは、バックプロパゲーションを使わず局所ダイナミクスで1000層のニューラルネットワークを学習する手法「PC-ALM」を発表しました。PC-ALMは予測符号化にラグランジュ乗数に相当するデュアルニューロンを加え、各層が局所的な予測誤差を最小化するPIフィードバック制御系として動作します。
Sakana AIは、英国王立協会の科学誌『Philosophical Transactions of the Royal Society A』で公開された世界モデルの特集号を紹介しています。
Sakana AIは、複数のオープンモデルや特化型モデルを組み合わせるFugu MaxとFugu Ultra v2を公開しました。Fugu Maxは入力1Mトークンあたり$2、出力1Mトークンあたり$6で、7つのベンチマークのうち10項目中7項目でコスト性能のパレートフロンティアを拡張したとしています。
推荐理由:低コストを狙うFugu Maxと性能を重視するFugu Ultra v2を比較し、複数モデルを組み合わせるオーケストレーションの二つの方向性を示しています。
Sakana AI、SCSK、住友商事は、日本の産業変革と社会課題の解決に向け、包括業務提携で合意した。金融・製造業の実案件、サイバーセキュリティ、企業向けAIサービスの共同開発、社会インフラへの展開を進める。Sakana AIの研究開発力、SCSKの統合・実装力、住友商事の産業展開力を生かし、AIの業務導入から継続改善まで共同で取り組む。
Sakana AIは、汎用視覚モデルを固定したまま、その表現に単純なガウス判別則を適用するAI生成画像検出手法Percept-Lensを開発しました。同じ幅広い評価セットで、検証した公開済み検出器のうち最も強いものを上回り、この手法は特定の検出タスク向けに学習されていない汎用視覚モデルを用いています。
Sakana AIは、防衛省と「総合分析業務に必要なAI機能の調査・実証」に関する契約を締結しました。AIエージェント技術を活用し、情報収集の効率化、分析能力の向上、体系的な情報管理の3つの観点から実証を行います。
Sakana AIは「Sakana Translate」の翻訳モデルを新世代の「Sakana Namazu」に更新し、訳文の自然さを向上させました。日本語・英語・中国語の双方向翻訳を引き続き提供し、翻訳・添削・質疑の3機能を利用できます。
推荐理由:独自の日英翻訳タスク160件による1対1評価と、文化的背景を含む翻訳例を通じて、更新モデルの特徴と評価方法を確認できます。
Sakana AIはSakana Chatをアップデートし、「Sakana Fugu」を追加するとともに、「Sakana Namazu」を新世代モデルに刷新しました。サンドボックス上でのPython実行に対応し、生成したHTMLや文書、スライドなどを画面内でプレビュー、ダウンロードできるほか、画像やPDF、Officeファイルの添付も可能になりました。
推荐理由:コード実行とファイル添付を同じ会話に組み込み、依頼から成果物の確認・修正までを進められる更新内容が具体例とともに示されています。
Sakana AIは、Gemma 4 E2BをベースにSakana Fuguの指揮者モデルを訓練し、既存モデルと遜色ない正答率と同等のコスト削減効果を確認しました。評価セットでは、正答率がGemma 4ベースで0.91、既存Fuguで0.92、コストは両者ともランダムな振り分けを1とした場合に0.68でした。今回の検証は、指揮者モデルもベースモデルを切り替えて構成できる可能性を示しています。
Sakana AIと大和証券は、マーケット情報の収集・分析に関する技術検証を経て、ウェルスマネジメント業務を支援するAIの本番開発フェーズを開始した。検証では、情報収集・分析業務を支援するAIエージェントの有用性と、利用者のフィードバックを取り込んで分析品質を高める仕組みの実現可能性を確認した。開発したAIプロダクトは、大和証券内で段階的に展開する予定。
Sakana AIは、日本語と日本の業務文脈に特化したLLM API「Sakana Namazu」の提供を開始しました。Moonshot AIのオープンモデル「Kimi K2.6」をベースに社内データで調整し、Web検索とコード実行のビルトインツールを備えています。
推荐理由:Kimi K2.6を日本語・日本の業務文脈に合わせたうえで、既存のOpenAI互換コードから接続できる設計と評価結果を確認できます。
Sakana AIのプロダクト開発責任者、大村壮太氏は、Sakana Chatなど4製品を続けて投入した背景と、プロダクト開発の方針を語っています。AIを使えば数カ月かかった試作を数週間、時には数日で作れるため、まず製品を出して利用者の反応から学び、素早く軌道修正する考えです。
Sakana AIの防衛・インテリジェンスチーム有志が「Diver OSINT CTF 2026」に参加し、850以上のチームの中で5位となりました。ドメインエキスパートとエンジニアが協働し、Fugu-ultra 1.1を活用したOSINT分析エージェントを構築して競技に臨みました。