# 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

1.  **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。
2.  **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）。
3.  **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。
4.  **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。
5.  **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**：
    1.  **鯰魚（Nemuro）**：3月24日發布，日語大模型，搭配免費 Sakana Chat。
    2.  **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）。
    3.  **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：**
1.  **任務輸入**：用戶提出編程或複雜任務需求。
2.  **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。
3.  **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。
4.  **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。
5.  **輸出結果**：生成最終答案或代碼。

**鯰魚（Nemuro）模型訓練流程：**
1.  **底座選擇**：參考 Llama 3.1 405B 開源底座。
2.  **基礎模型**：基於 DeepSeek V3.1 Terminus。
3.  **後訓練（Post-training）**：使用日語數據進行後訓練。
4.  **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

1.  **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。
2.  **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。
3.  **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。
4.  **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。
5.  **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。
6.  **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

1.  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？
2.  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？
3.  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？
4.  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？
5.  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？
6.  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？