Sakana AI

Sakana AI welcomes Jürgen Schmidhuber as Chief Scientific Advisor. https://sakana.ai/schmidhuber/ Sakana AI is incredibly proud to announce that Jürgen Schmidhuber, universally recognized as the father of modern AI, is officially joining Sakana AI as Chief Scientific Advisor. For nearly four decades, Jürgen has explored how machines can learn to learn. His foundational work in the 1990s drove core advancements in deep learning and established early frameworks for world models. Crucially, his pioneering innovations in meta-learning opened the very path toward recursive self-improvement. These ideas have already shaped our own research, from the Darwin Gödel Machine to The AI Scientist. Now Jürgen will help guide our newly formed RSI Lab, whose objective is to trigger a compounding cycle of scientific discovery aimed at improving machine intelligence. We are assembling a critical mass of world-class experts in Tokyo to make this a reality. Welcome, @SchmidhuberAI !

Introducing Multi-Agent Self-Supervision (MASS): Recursive self-improvement through collective intelligence Blog: https://pub.sakana.ai/mass/ As AI systems tackle increasingly open-ended research problems, human experts may struggle to assess results and guide further progress. The model itself may be the best available optimizer and evaluator. The challenge is obtaining useful self-supervision within that homogeneous loop, where a model risks reinforcing its own blind spots rather than correcting them. We ask whether a model can learn from the collective intelligence of its own team. We introduce Multi-Agent Self-Supervision (MASS). One shared model solves tasks through a team of virtual subagents, searches for better multi-agent workflows, then uses its own judgments to select the best ones. Training on the best team’s executions provides self-supervision by distilling the team’s collective experience into the shared model. We ran two cycles using a 27B open-weights model on synthetic open-ended research tasks. After the second cycle, score per output token reached 1.2-1.6x the base model's level across four research benchmarks. Three key results: First, MASS enables role generalization within an RSI loop: training only on task-solving data from the optimizee naturally improves the capabilities of both the optimizer and the evaluator. Second, multi-agent trajectories are more efficient training data than single-agent trajectories for RSI. Third, optimizer capacity, rather than evaluator capacity, can be the bottleneck in the speed of improvement. We believe the community needs to investigate homogeneous RSI carefully to support AI safety. When a model is also its own evaluator, shared blind spots could allow mistakes to be accepted as progress and reinforced through training. For AI to improve beyond human expertise safely, we need to understand these failures and preserve effective ways to detect them and intervene. Paper: https://arxiv.org/abs/2610.12176 Code: https://github.com/SakanaAI/mass This work was a collaboration with researchers at UC Berkeley.

Sakana AI、「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。 表彰式では、当社より、防衛分野における指揮統制システムに最先端のAIを活用している事例について、総理にご紹介しました。 ⏵ 受賞ポイント（概略） 自然界の進化や集合知に着想を得た、効率的なAI開発手法を確立 し、限られた計算資源下でも高性能な推論を実現するアーキテクチャを開発。さらに安全保障や労働力不足等の課題解決に取り組んでいる点。 ⏵ 首相官邸での対話 表彰式では、高市早苗内閣総理大臣や関係閣僚に対し、当社の最先端AI技術が持つ優位性についてご説明しました。世界的なAIの大規模モデル開発競争の加熱、また計算資源の不足という課題に対し、複数の小型・高効率モデルを掛け合わせる当社のアプローチが、巨大インフラに依存しない実効的な解決策になり得る点をお伝えしました。 また、当社が防衛・安全保障分野においてもAI技術の研究開発と実装を進めていることをご紹介しました。国内で開発したAI技術を重要領域で活用する取り組みを通じ、日本のAI主権の確立に向けた基盤づくりを担っています。 独自のアプローチによるAI技術と、日本発のフロンティアAI企業としての挑戦が評価されたことを感謝いたします。私たちは今後もAIの限界を押し広げ、研究開発と社会実装を加速させていきます。

Jürgen Schmidhuber氏、Chief Scientific AdvisorとしてSakana AIに参画 https://sakana.ai/schmidhuber/#Japanese Sakana AIは、現代AIの父として世界的に知られるJürgen Schmidhuber（ユルゲン・シュミットフーバー）氏が、現職との兼任でChief Scientific AdvisorとしてSakana AIに参画し、当社のRSI Labに携わる ことを発表しました。 Schmidhuber氏の研究は、今日のAIの土台そのものと言っても過言ではありません。「学び方を学ぶ機械」の可能性を論じた1987年の学位論文以来、再帰的自己改善（Recursive Self-Improvement, RSI）の道を切り開いてきました。1990年には、AIが環境を内部でシミュレートしてから行動する「世界モデル」の考え方を提唱しました。2018年に当社CEOのDavid Haとともに発表した論文 "World Models" は、この考え方が広く知られるきっかけとなりました。 Schmidhuber氏は長年にわたり、日本のAI研究の先駆者への敬意を示してきました。1979年のネオコグニトロンで畳み込みニューラルネットワークの原型を築いた福島邦彦博士、ホップフィールド・ネットワークの真の先駆者である甘利俊一博士など、日本の研究者は今日のAI革命の礎を築いてきました。Schmidhuber氏の長年の構想が理論の段階を抜け出しつつある今、Sakana AIは、そうした日本のAI研究の伝統や強みも踏まえ、現実世界に生かせる世界モデルの開発を進めていきます。 Schmidhuber氏は10月下旬に来日し、一般公開のイベントを東京で開催します。詳細は近日中にお知らせします。

Introducing "Scaling In-Context Imitation Learning" (SAIL) to be presented at #IROS2026. This work is a collaboration between Sakana AI and the University of Tokyo. Blog: https://pub.sakana.ai/sail What does a robot need before it can tackle a new task? Teaching a robot something new usually starts with collecting demonstrations and training a policy. But foundation models have already learned from vast amounts of images, text, and robotics-related data. We wanted to see how much of that knowledge we could draw out for robot control without changing the model itself. Recent demonstrations suggest that GPT-6 Astra can operate physical robots alongside its general language and vision capabilities. Earlier work has also shown that LLMs/VLMs can generate entire sequences of robot movements from a few demonstrations. However, a foundation model does not necessarily produce a reliable robot trajectory in a single generation. Performance depends on the context provided, and a small error in a movement target can cause the entire task to fail. We propose SAIL, a method for more reliable VLM-based robot trajectory generation through test-time scaling. SAIL uses a policy VLM as a robot trajectory generator, conditioned on a few successful demonstrations. It tests the generated trajectory in a simulator and uses an evaluation VLM to review the resulting video and identify where progress stalled. The policy VLM then uses this feedback to revise the trajectory, with Monte Carlo tree search (MCTS) exploring alternatives while refining promising candidates. Only the selected trajectory is sent to the physical robot. Across six manipulation tasks in simulation, increasing the search budget from one candidate to 45 raised the average rate of finding a successful trajectory from 25% to 73%. We also evaluated SAIL on a physical robot. Our results suggest that robot trajectory generation can benefit from test-time scaling, with additional computation enabling the model to test and refine its proposed actions in simulation. We think there is more to learn about what existing models can do with this kind of feedback, and how far those improvements carry over to physical robots. Paper: https://arxiv.org/abs/2603.08269 🐟

Does Sakana AI have an Instagram? We do now. Find us at SakanaAILabs on IG 🐡 インスタ始めました！

Sakana AIシンポジウム：日本から挑む言語モデル・世界モデル・Physical AI 開催レポート https://sakana.ai/symposium-2026/ 10月26日、東京・一橋講堂でシンポジウム「From World Models to Real-World AI」を開催しました。9月にChief Scientific Advisorとしてお迎えしたJürgen Schmidhuber教授の基調講演 と、2018年に教授と論文「World Models」を共著したCEOのDavid Haとの対談に、400名を超える方にご参加いただきました。 基調講演では、甘利俊一氏や福島邦彦氏をはじめとする日本の研究者を含め、世界各地の研究者の功績に触れながら、自身による1990年の世界モデルや人工好奇心の研究まで、いまのAIにつながる流れをたどりました。 また、チーフサイエンティストの秋葉拓哉が、事前学習から自社で開発する言語モデルシリーズ「Sakana Sawara（仮称）」を発表しました。最初のモデルとなる小規模な「Sawara Small（仮称）」は、順調に進めば2027年春に公開する予定です。 Jürgenが思い描いてきたAIのうち、生成AIが実現したのはおそらく半分です。自ら実験を考える人工科学者や、実世界で働くPhysical AIといった残りの半分は、まだスケールに至っていません。その機会は大型ラボ以外にこそ開かれていて、日本はその有望な場所の一つだと考えています。このシンポジウムが、日本の企業や研究機関の皆さんとともに、日本のAIの次の時代を切り開いていく出発点の一つとなれば幸いです。 後日動画も公開する予定です。 ご来場いただいた皆さま、ありがとうございました！

【申込締切は9/27！🐟】 Sakana AI Engineer Open House、参加申込受付中です！ https://connpass.com/event/405653/

【採用情報】Sakana AIで「Forward Deployed Engineer（Defense）」を募集🚀 https://apply.workable.com/sakana-ai/j/BD44A5B1D0/ 防衛・インテリジェンス領域の顧客の中に飛び込み、現場の業務を誰よりも深く理解したうえで、LLMやAIエージェントを駆使した解決策を「そもそも何を作るべきか」から提案し、自ら実装して いただきます。 📌 このようなご経験をお持ちの方を募集 ・LLM・生成AIを活用したアプリケーション開発経験 ・データサイエンス・機械学習プロジェクトの実務経験 ・要件定義・課題ヒアリングを通じてビジネス課題を技術的に解決した実績 情報保全や閉域環境といった厳しい制約の中で、AIを現場に届けたい方、ぜひご応募ください🙌

【Account Executive (GTM) 立ち上げメンバー募集】 https://sakana.ai/careers/business-role-product-sales-account-executive/ Sakana Marlin、Namazu、FuguをはじめとするSakana AIプロダクトを、大企業を中心とした顧客に広げていきます。日本のAI企業が世界で勝つための営業の型をゼロから設計していただきます。 求めるのはエンタープライズ 営業を一気通貫で回してきた経験、エンジニアやリサーチャーと対等に話せる技術理解、そして日本語と英語の両方で市場を切り拓けることなどです。 研究・プロダクト開発拠点と同じ場所から、日本発のAIを世界に届ける営業組織を立ち上げます。この立ち上げに関わりたい方、ぜひご応募ください🐡

Sakana AI Dinner Meetup #NeurIPS2026 🐟️ Signup → https://forms.gle/FMzMjxNK7b5LtQWi9 We are excited to host a dinner meetup in Sydney on Monday, December 7th, from 7 PM. We invite NeurIPS participants to join us for an evening of engaging conversations and networking. ※ Due to venue capacity, we may not be able to invite everyone who applies. Selected attendees will receive a formal invitation with full details by November 30. Looking forward to seeing you in Sydney 🚀

Sakana AI共同創業者・CEOのDavid Ha（@hardmaru）の寄稿が @NikkeiAsia に掲載されました。タイトルは「AIの未来はオーケストレーターにある」。 フロンティア企業が巨額の計算資源を投じ、モデルの巨大化で性能を伸ばし続ける競争が、いつまで続けられるのか。その限界が見え始めています。オープン なモデルとの差は数か月に縮まり、最先端モデルの推論コストは、それが支援するはずの人の時給を上回ることも珍しくありません。寄稿では、この状況を「一つのモデルがすべてを支配する」という発想の行き詰まりと捉え、その先の道筋を考えています。 Sakana AIという社名には、魚の群れのように、個々では成し得ないことを協調によって実現する「集合知」への期待を込めています。どのモデルにも強みと偏りがあります。だとすれば、価値はモデルの重みそのものから、複数のモデルを状況に応じて使い分け、まとめ上げる知能へと移っていくはずです。 ソブリンAIについても、同じ視点で論じています。「ソブリンティとは、国を閉ざすことではなく、サプライチェーンの強さである」。外部から切り離された純国産モデルを目指すのではなく、AIを国内で開発し、調整し、運用し続ける知見を持つこと。特定の一社に依存せず、世界中の資源を組み合わせられること。ある事業者がアクセスを止めても、別の経路で動き続けられること。そうした強靭さこそが主権だと考えています。 計算資源も電力も資本も、日本は潤沢ではありません。だからこそ、より賢く、より効率のよい仕組みを工夫するしかありません。その挑戦を、Sakana AIは日本から続けていきます。 全文（英語）: https://asia.nikkei.com/opinion/the-future-of-ai-belongs-to-the-orchestrators 🐟