Sakana AI

Sakana AI 是什么？

Sakana AI 是一家总部位于东京的前沿 AI 研究公司，可直接使用的产品有两款开发者 API（Sakana Fugu 与 Sakana Namazu）、一款网页聊天应用（Sakana Chat）、一款翻译工具（Sakana Translate），以及一款面向企业的长时运行研究智能体（Sakana Marlin）。

Sakana AI 由 David Ha（CEO）、Ren Ito（董事长）和 Llion Jones（CTO）于 2023 年创立，公司将 The AI Scientist、Darwin Gödel Machine、多智能体编排模型以及面向日本的 Namazu 大模型等成果归功于其团队。其产品团队将自身职责描述为把研究转化为易用的工具，并点名 Sakana Chat、Sakana Marlin 与 Sakana Fugu。另有一支应用团队，为日本的金融、国防与情报工作设计并实施 AI 解决方案。

企业页面列出的最新一轮融资为 B 轮，日本投资方包括 MUFG、瑞穗金融集团（Mizuho Financial Group）、野村控股（Nomura Holdings）、NEC、富士通（Fujitsu）和 KDDI。

核心功能

Fugu 与 Namazu 是付费开发者 API；Chat、Translate 和 Marlin 则是复用同一批模型的成品应用。

Sakana Fugu：把多智能体编排做成一个模型

• 习得的协调：Fugu 不采用固定角色或手写工作流，而是被描述为学会从模型池中组建智能体，并针对每个任务进行协调。
• 四个模型，一个 API：Sakana Fugu 提供四个模型（Fugu、Fugu Ultra、Fugu Max 和 Fugu Cyber），全部通过同一个兼容 OpenAI 的 API 提供，因此切换模型无需改动集成。
• Fugu Ultra：协调更深的专家智能体池，力求在难题上把答案质量做到最高；Sakana AI 称它以响应时间换取这种深度。
• Fugu Max：编排规模最大的模型池，定位为成本与性能的最佳平衡。
• Fugu Cyber：专用于安全分析、漏洞研究和威胁调查。公司报告其在 CyberGym 上的成功率为 86.9%，该数字由公司自行发布。
• 模型更新：新的前沿模型公开发布后，Sakana AI 预计要花大约两周训练并评估更新后的 Fugu 模型，然后再上线。

Sakana Fugu 以两篇关于习得式模型编排的 ICLR 2026 论文（TRINITY 与 Conductor）为基础；产品页上的基准成绩是公司自己的测量结果。

Sakana Namazu：日语大模型 API

Sakana Namazu 是一款专攻日语的大语言模型，基于开源模型 Kimi K2.6 构建，并用 Sakana AI 自有的日本商务数据调校。据 Sakana AI 介绍，它能用自然的日语处理商务文件和邮件，包括敬语与商务惯例。只需一次请求，模型本身就能搜索网页、编写并运行代码，并把多步骤任务执行到底。

它与 Fugu 的实际差别在于架构：Fugu 编排多个前沿模型，而 Namazu 是经过额外训练的单一自有模型，作为 API 独立运行。

Sakana Chat

Sakana Chat 于 2026 年 3 月上线，用来在不接 API 的情况下试用 Sakana AI 的模型；8 月的更新让你可以在 Namazu 与 Fugu 之间选择。Sakana Chat 中的 Fugu 选项现已运行在 Fugu Max 上。

• 代码执行：模型可以在沙箱中运行 Python，用于计算、数据处理和生成文件。
• 输出面板：HTML 在侧边面板中渲染，Word 文档和幻灯片也可在这里查看和下载。
• 附件：所有模型都支持图片，模型也能读取 PDF 与 Office 文件来做摘要或分析。
• 记忆：Namazu 与 Fugu Max 都支持记忆；你可以在设置中查看已存储的内容或将其关闭，且记忆只覆盖记忆功能更新之后的对话。

Sakana Translate

Sakana Translate 是 Sakana Chat 中基于 Namazu 的一项功能。它支持日语、英语和中文之间的双向互译，并整合了三种模式：翻译（Translate）、校对（Proofread）和提问（Ask）。校对会以差异高亮显示修改，并调整礼貌程度、语气和正式程度，而不只是语法。

Sakana Marlin

Sakana Marlin 是一款自主研究智能体，针对你设定的主题运行最长八小时的会话，使用 Sakana AI 的 AB-MCTS 方法，从提出假设、收集信息一路推进到成文报告。一次运行会产出一份引用齐全的报告和 PowerPoint 幻灯片。后续更新加入了 Interactive Reading（用于向报告提问并核对某一论述背后的证据），以及可编辑的 PowerPoint 导出。

使用指南

在现有代码中调用 Fugu 或 Namazu

1. 在 API Console 创建账号并签发 API 密钥。
2. 把 OpenAI SDK 指向 Sakana 的 base URL，并将模型设为 sakana-namazu，这是 Namazu 唯一需要的代码改动。
3. 使用 Fugu 时，用你的密钥把现有客户端或编程工具链指向 Fugu 端点即可，无需迁移 SDK。
4. 留意用量字段：每次请求都会返回 token 用量和费用，便于在扩大规模前跟踪开销。

试用各应用

• Sakana Chat：不注册邮箱也能发送消息；注册后可保存对话历史并提高使用上限。
• Sakana Translate：在浏览器中打开即可，无需注册。
• Sakana Marlin：添加卡片后启动一次运行。一次运行约需八小时，执行中可以取消，但该次运行的点数仍会被扣除。

Sakana AI 使用场景与示例

已公开的示例大多来自 Sakana AI 自己，属于厂商挑选的案例。

• 用 Fugu Ultra 处理高难度技术工作：早期用户用它参加 Kaggle 竞赛、复现论文、做网络安全分析，以及开展文献与专利调查。
• 代码审查（公司发布的用户评价）：Sakana AI 引述的一位软件工程师称，在其他工具只标出约三个问题的地方，Fugu Ultra 找出了二十多个。
• 用 Namazu 定期产出日语调研报告：一个演示智能体根据一套日语指令规划调研、反复进行网页搜索、交叉核对结果，并起草周报。
• 客服自动化演示：另一个 Namazu 演示用礼貌的日语回复咨询邮件并交叉核对订单数据，使用的是虚构的场景数值。
• 用 Marlin 做战略研究：Marlin 面向需要综合公开信息的研究，例如战略规划、市场与竞争对手分析、技术趋势评估以及监管变化。

适用人群

• 已在使用 OpenAI 风格 API 的开发者：想要多智能体编排，又不想自建智能体框架。
• 以日语开展工作的团队：作为日语大模型 API，Namazu 被描述为在日语指令下的解题任务上最强，也被描述为值得大量运行前沿模型、希望降低成本的团队考虑。
• 战略、咨询与金融团队：Marlin 是面向企业、组织和个体经营者的 B2B 服务，不面向普通消费者。

它不适合身处欧盟或欧洲经济区（EEA）的用户、必须看到具体由哪个底层模型作答的人，以及想使用 API 的未满 18 岁用户——API 要求用户年满 18 岁。

支持平台

Sakana Chat 目前只能在日本境内使用，并推荐在 PC 或智能手机上使用最新版 Google Chrome。关于 Fugu，公司补充说明，即便在欧盟和 EEA 以外，也可能因网络条件或当地法规而无法访问。Namazu 目前尚未在欧盟/EEA、英国和瑞士开放。API 条款同样将支持地区定义为欧洲经济区、英国和瑞士以外的所有地区，因此 Fugu 页面与 API 条款使用的并不是同一份清单。

Fugu 也在第三方网关上架。OpenRouter 上的 Fugu Ultra 列表显示上下文窗口为 1,000,000 token，最大输出为 128,000 token。Vercel AI Gateway 同样列出了 Fugu Ultra，提供统一计费和供应商路由。编程方面，Sakana AI 建议把标准 Fugu 模型接入 Codex 等工具，用于编程和代码审查。

价格套餐

Sakana Chat 目前免费，公司表示价格如有变动会提前公布。Sakana Translate 被描述为免费、无需注册。付费产品是 Fugu、Namazu 和 Marlin。

Sakana Fugu 订阅

每个订阅档位都包含 Fugu、Fugu Ultra 和 Fugu Max。根据 API 条款，额度不保证任何具体的请求数、消息数或 token 数。订阅在每个计费周期结束时自动续订，费用不予退还，未使用的时间也不例外。

按量付费 API 价格（每 100 万 token）

标准 Fugu 没有固定费率：多个智能体同时工作时费用不叠加，你只按所涉及的最高档模型支付一种费率。Fugu Max 的 web_search 与 web_fetch 调用每次 $0.007。Namazu 的网页搜索每 1,000 次收费 $7.00，代码执行每小时 $0.12。按量付费的 token 比订阅 token 享有更高的服务优先级。Fugu Cyber 需联系销售定价。Namazu 以美元计费；其日元金额只是参考换算，只有 Enterprise 套餐提供日元支付。

API 点数在购买六个月后过期，未使用的点数将作废。独立科技媒体在报道 2026 年 6 月的发布时指出，Fugu 用于在智能体之间委派、验证和路由的后台 token，会按标准费率计入最终价格。在发布当周的开发者论坛帖子中，一位用户写道，每月 $200 买到的使用时间每周不足三小时。另一位写道，$20 套餐的 5 小时限额用完得出奇地快；这是 Fugu Max 发布之前的两份个人反馈。

Sakana Marlin 套餐（日元）

所有套餐每次研究运行均扣 100 点。通过 Stripe 以信用卡付款，并支持日本的合格发票制度。可随时在账户设置中取消或变更套餐。

Sakana AI 替代方案

以下比较来自独立报道和开发者讨论，而非 Sakana AI。

• 模型路由器（Not Diamond、Martian、RouteLLM）：关于 Fugu 发布的报道将它们描述为预测应由哪个单一模型回答提示，而 Fugu 会拆解查询、把子任务分派给多个模型，再合并结果。
• 智能体框架（LangGraph、CrewAI、Microsoft AutoGen）：同一报道指出，这些框架也能搭建类似的多智能体系统，但需要手动设置角色和状态，而 Fugu 把这些隐藏在一个端点后面。
• OpenRouter Fusion：在关于此次发布的开发者讨论中，Fusion 被概括为向多个模型提问并增加一个综合步骤，而 Fugu 在其模型池前使用经过训练的编排器。
• 深度研究助手（ChatGPT Deep Research、Gemini Deep Research、Perplexity）：关于 Marlin 发布的报道称，这些工具通常在 3 到 30 分钟内完成研究，产出 5 到 10 页的摘要，而 Marlin 最长可运行八小时。

注意事项

• 路由不透明：Fugu 选择哪些具体模型、如何协调它们属于专有信息，因此 Fugu 不会显示是哪些底层模型处理了查询。
• 固定模型池：Fugu Ultra 与 Fugu Max 使用固定的智能体池；只有标准 Fugu 允许你在控制台设置中排除特定模型。
• 输出可靠性：API 条款写明，输出可能包含错误、不完整、误导性或过时的信息，使用前必须独立核实。
• 数据位置：对于 Namazu，Sakana AI 目前无法保证数据处理完全在日本境内完成。
• Marlin 的短板：Marlin 目前不适合公开数据极少的小众领域、瞬时的实时追踪，以及完全依赖内部私有数据的研究。
• Translate 长度：Translate 的发布公告称支持最多约 5,000 个日文字符。2026 年 9 月 28 日查看的网页应用显示输入计数器为 0/2,000，两处页面并不一致。
• 基准成绩有局限：独立媒体在报道 2026 年 6 月的发布时称，Fugu Ultra 在 SWE-Bench Pro 上得分 73.7，低于 Anthropic 限量开放的 Fable 5 的 80.0。

隐私与数据使用

各产品的训练默认设置不同：

• Fugu：你可以随时在控制台选择退出训练数据使用。
• Namazu：默认情况下，你的输入可能被用于训练和改进 Sakana AI 的模型，可在控制台设置中选择退出。
• Marlin：除非你明确选择加入，Sakana AI 及其外部 AI 供应商都不会把你的输入用于训练。
• Sakana Chat：除非你在设置中选择退出，输入可能被用于训练。对话历史和账户数据存储在位于日本的 Google Cloud 基础设施上。出于安全与质量检查，可能会有有限的人工审核。
• Sakana Chat 限制：禁止输入你自己或任何他人的个人信息。删除对话历史或账户需通过联系表单申请。

对于 API，个人数据可能被传输给你所在国家以外的第三方，包括日本和美国。API 条款称，公司没有义务删除用你的内容训练过的模型权重、外部供应商的缓存或审计日志。

FAQ

Q1. Sakana AI 是一个产品还是多个？

多个。可用的产品有 Fugu 与 Namazu 两款 API、Chat 与 Translate 两款网页应用，以及 Marlin 研究智能体；TRINITY 等论文阐述的是方法，而不是产品。

Q2. 能在日本以外使用 Sakana Chat 吗？

不能，Sakana Chat 目前只能在日本境内使用。Fugu 和 Marlin 可在日本以外使用，但欧盟和 EEA 成员国除外。

Q3. 多个模型协同工作时，Sakana Fugu 如何计费？

标准 Fugu 按当前模型池中最高档的模型收取一种费率，而 Fugu Ultra 和 Fugu Max 采用固定的按 token 费率。编排产生的 token 仍会计入用量。

Q4. 我的数据会被用于训练吗？

Fugu、Namazu 和 Sakana Chat 在你未选择退出时允许用于训练；Marlin 只有在你明确选择加入时才会把输入用于训练。