影片筆記：Sakana AI跑分登顶，真让日本AI追上了吗？

一句話總結

日本公司 Sakana AI 發布的「河豚（Fugu）」系統在 SWE-bench Pro 編程榜上取得高分，超越多家大廠模型，但講者指出其本質為「多模型編排系統」而非獨立大模型，缺乏底層技術護城河，最終可能被大廠收購以獲取日本市場渠道。

核心重點

跑分現象：Sakana AI 的「河豚」系統在 SWE-bench Pro 榜單獲得 73.7 分，宣稱超越 Anthropic 的 Claude Opus 4.8（69.2 分）及 OpenAI 的 GPT-5.5（58.6 分），引發市場對日本 AI 追趕中美兩強的看法。

技術本質：Sakana AI 並未從零訓練大模型，而是採用「多模型編排系統」（Loop Agent/循環智能體），組合調度現有的第三方模型（如 GPT-5.5、Claude、DeepSeek 等）。

產品線解析：

• 鯰魚（Nemuro）：基於 DeepSeek V3.1 Terminus 後訓練的日語大模型，旨在降低日本政治歷史敏感問題的拒答率。
• 槍魚（Tuna）：自主研發的 Agent，可長時間運行生成戰略報告。
• 河豚（Fugu）：多模型編排系統，內部使用千問 2.5 7B 作為指揮模型進行後訓練，負責循環調度。

商業模式缺陷：純編排模式缺乏護城河，底層模型、定價權和 API 接口均掌握在 Google、OpenAI、Anthropic 等大廠手中，隨時面臨被封禁或價格調整的風險。

團隊與結局預測：Sakana AI 的核心價值在於其頂尖團隊背景（Transformer 論文作者）及日本本土政企關係（COO 出身外務省）。講者預測其最終極可能是被大廠收購以獲取日本市場渠道，而非成為獨立的競爭對手。

詳細大綱

I. 事件背景與表面現象

• 發布時間與公司：6月22日，日本公司 Sakana AI（薩卡納/魚 AI）發布新產品。
• 跑分表現：
• 在 SWE-bench Pro 編程榜上獲得 73.7 分。
• 超越 Anthropic 的 Claude Opus 4.8（69.2 分）及 OpenAI 的 GPT-5.5（58.6 分）。
• 宣稱部分超越自家禁用的 Mythos 和 Fable 模型。
• 市場反應：網民歡呼日本在 AI 領域追上中美，不再是兩強遊戲。

II. Sakana AI 公司與產品線解析

• 公司背景：
• 2023年成立於東京。
• 核心策略：不從零打造大模型，而是重新組合編排現有模型。
• 產品線：

鯰魚（Nemuro）：3月24日發布，日語大模型，搭配免費 Sakana Chat。

槍魚（Tuna）：6月15日發布，自主研發 Agent，可連續運行8小時生成60-100頁戰略報告（瞄準 Manus 類產品）。

河豚（Fugu）：6月22日發布，多模型編排系統。

• 創始團隊：
• CEO David Ha：華裔，出生於香港，加拿大多倫多大學本科，東京大學博士，曾任 Stability AI 研究負責人。
• CTO 里昂·瓊斯（Leon Jones）：英國人，伯明翰大學出身，Transformer 論文「Attention Is All You Need」八位作者之一，曾在谷歌工作12年。
• COO 伊藤：東京大學法學、紐約大學法學院，曾任日本獨角獸企業全球化市場負責人，出身日本外務省，負責政府與政企關係。

III. 「河豚」系統技術原理

• 本質定義：不是單一模型，而是 AI 工作流編排系統（Loop Agent/循環智能體）。
• 運作機制：
• 打破傳統順序執行，採用循環調度。
• 多個大模型承擔不同角色：拆解任務、執行、檢查結果。
• 若檢查不滿意，則重新循環，直到滿意為止。
• 模型組成疑點：
• 不公開內部具體使用的模型清單。
• 排除自家禁用的 Fable 5 和 Mythos 5。
• 推測內部混用 GPT-5.5、Gemini 3、DeepSeek、Claude Opus 4.8 等公開模型。
• 指揮模型：使用千問 2.5 7B 進行後訓練，負責任務拆解與循環調度。
• 鯰魚模型技術細節：
• 基於 DeepSeek V3.1 Terminus 進行後訓練。
• 參考 Llama 3.1 405B 開源底座。
• 本土化價值：通過日語數據後訓練，將 DeepSeek 原版對日本政治歷史敏感問題的拒答率（72%）降至幾乎為零。

IV. 商業模式與護城河分析

• 編排無門檻：
• 多模型編排是公開的工程手段，非獨門秘技。
• 對比案例：OpenRouter 於6月12日發布「Fusion」系統，同樣將最多8個模型編排，由裁判模型融合答案，成本僅為 Fable 5 的一半。
• OpenRouter 數據顯示：75% 的提升來自裁判融合，僅 25% 來自模型多樣性。
• 缺乏護城河：
• 底層依賴：必須使用大廠已發布的模型，無法接觸大廠未發布的最新模型。
• 定價權缺失：利潤空間取決於大廠的 TOKEN 價格和套餐策略（如 OpenAI Plus 套餐與 API 價格差異）。
• 隨時被封禁風險：大廠可隨時調整價格、限制用量或封禁 API 接口。
• 歷史類比：
• 類似互聯網早期的廣告優化小平台（如投放、競價、歸因優化系統）。
• 最終結局：被谷歌、Meta、蘋果、X、騰訊、字節跳動等大廠收購或消滅。
• 收購目的：獲取用戶、流量及政企關係，而非技術本身。

V. Sakana AI 的未來定位與結論

• 真實價值：
• 頂尖團隊（Transformer 論文作者）。
• 日本本土落地渠道與政企關係（外務省背景 COO）。
• 對 DeepSeek 模型的本土化調優能力。
• 最終結局預測：
• 不會成為獨立的大廠競爭者。
• 最大概率被谷歌日本、OpenAI 日本、Anthropic 日本或字節跳動收購。
• 收購目的：獲取日本市場渠道和關係，技術由大廠內部解決。
• 對不同群體的啟示：
• 創業者：無底層模型時，純編排系統天花板低，僅有被收購或價格戰清洗兩條路；需擁有底層模型、獨家數據或不可替代的本地市場位置。
• 普通用戶：盡量使用原廠模型，避免使用不透明底層的第三方編排系統，因為無法驗證結果且存在先天缺陷。
• 投資者：評估編排層公司時，應按「被收購可能性」估值，而非「下一個 OpenAI」；警惕借來的跑分，護城河必須是自己的。
• 總結論點：
• 表面是日本 AI 追趕中美，實則是一家無底層模型的編排公司重演互聯網廣告小平台的老路。
• Sakana AI 不會變成大海裡的鯊魚，而是變成日本自家魚缸裡最貴的錦鯉，游不出那個缸，對整個 AI 行業無實質變化。

工具 / 模型 / 名詞整理

• 公司/組織：
• Sakana AI（薩卡納 AI / 魚 AI）
• Anthropic
• OpenAI
• Google（谷歌）
• Stability AI
• OpenRouter
• DeepSeek
• JVC（日本勝利公司）
• 日本雅虎（Yahoo Japan）
• LINE
• LY Corporation
• 獵豹移動
• 美國電氣公司（General Electric，歷史背景提及）
• 日本外務省
• 模型/產品：
• Sakana AI 產品：
• Fugu（河豚）：多模型編排系統。
• Nemuro（鯰魚）：日語大模型。
• Tuna（槍魚）：自主研發 Agent。
• Sakana Chat：免費聊天工具。
• Mythos：Sakana AI 自家模型（已禁用）。
• Fable：Sakana AI 自家模型（已禁用）。
• 競爭對手/第三方模型：
• Claude Opus 4.8
• GPT-5.5
• Fable 5
• Mythos 5
• Gemini 3
• DeepSeek V3.1 Terminus
• Llama 3.1 405B
• 千問 2.5 7B（Qwen 2.5 7B，用於河豚系統的指揮模型後訓練）
• 技術/概念：
• SWE-bench Pro：編程榜。
• Loop Agent：循環智能體。
• Fusion：OpenRouter 發布的模型聚合系統。
• Attention Is All You Need：Transformer 論文。
• API 接口。
• TOKEN：計費單位。

操作流程整理

河豚（Fugu）系統運作流程：

任務輸入：用戶提出編程或複雜任務需求。

指揮模型調度：系統內部使用千問 2.5 7B（經後訓練）作為指揮模型，負責任務拆解與循環調度。

多模型協作：

• 將任務拆解並分配給多個第三方大模型（推測包含 GPT-5.5、Gemini 3、DeepSeek、Claude Opus 4.8 等）。
• 不同模型承擔不同角色：拆解任務、執行代碼、檢查結果。

循環檢查（Loop）：

• 若檢查結果不滿意，系統重新循環，調整策略或調用其他模型。
• 重複上述步驟，直到結果滿意為止。

輸出結果：生成最終答案或代碼。

鯰魚（Nemuro）模型訓練流程：

底座選擇：參考 Llama 3.1 405B 開源底座。

基礎模型：基於 DeepSeek V3.1 Terminus。

後訓練（Post-training）：使用日語數據進行後訓練。

目標：降低 DeepSeek 原版對日本政治歷史敏感問題的拒答率（從 72% 降至幾乎為零）。

值得注意的限制或風險

底層依賴風險：Sakana AI 必須使用大廠已發布的模型，無法接觸大廠未發布的最新模型。

定價權缺失：利潤空間取決於大廠的 TOKEN 價格和套餐策略（如 OpenAI Plus 套餐與 API 價格差異），Sakana AI 無定價權。

封禁風險：大廠（Google、OpenAI、Anthropic 等）可隨時調整價格、限制用量或封禁 API 接口，導致服務中斷。

數據不透明：Sakana AI 不公開內部具體使用的模型清單，用戶無法驗證結果來源。

跑分驗證問題：Sakana AI 宣稱超越自家禁用的 Mythos 和 Fable 模型，但這兩款模型因美國商務部要求對非美國公民禁用，無法拿出獨立第三方評測數據，跑分真實性存疑。

護城河薄弱：多模型編排是公開的工程手段，缺乏獨門秘技，易被競爭對手（如 OpenRouter 的 Fusion 系統）複製。

逐字稿辨識疑點

• Mythos 和 Fable 的禁用狀態：逐字稿提到這兩個模型是薩卡納自己宣布的口徑，且因美國商務部要求對非美國公民禁用，因此無法拿出獨立第三方評測數據。
• David Ha 的姓氏：講者根據廣東拼音推斷 "Ha" 可能對應姓氏「夏」，但僅為推測，未確認其正式中文姓名。
• 模型版本號：
• 逐字稿中多次出現「Claude Opus 4.8」、「GPT-5.5」、「Gemini 3」、「DeepSeek V3.1 Terminus」、「Llama 3.1 405B」、「千問 2.5 7B」。
• 講者宣稱的跑分數據（如 SWE-bench Pro 73.7 分）及超越具體模型分數（Claude 69.2, GPT 58.6）為逐字稿內容，未提供獨立驗證來源。
• OpenRouter Fusion 系統：逐字稿稱 OpenRouter 於 6月12日上线 Fusion 系統，將最多 8 個模型編排，由裁判模型融合答案。
• JVC 歷史描述：逐字稿稱 JVC 源自美國電氣公司（General Electric）在 1920 年代於日本建立的分公司，後因戰爭分離。此為逐字稿內容，未查證其歷史準確性。
• 日本雅虎與 LINE 合併：逐字稿稱日本雅虎與 LINE 合併，母公司為 LY Corporation，但仍以日本雅虎底子為主。

可延伸追問

Sakana AI 的「河豚」系統具體使用了哪些第三方模型的 API？是否有官方公開的模型清單？

SWE-bench Pro 榜單的評分標準是什麼？73.7 分的具體計算方式為何？

若大廠（如 OpenAI 或 Google）調整 API 價格或限制用量，Sakana AI 的商業模式將如何應對？

日本外務省背景對 Sakana AI 獲取政府合約或市場渠道具體有何幫助？

OpenRouter 的 Fusion 系統與 Sakana AI 的河豚系統在技術架構上有何具體差異？

鯰魚（Nemuro）模型在日語數據後訓練中，具體使用了哪些類型的數據集？