Die Geschichte von Sakana AI
Von Transformer-Mitautoren in Tokyo gegründet, baut Sakana AI KI nach Naturprinzipien — Evolution, Schwarmintelligenz, Modell-Fusion. Mit dem AI Scientist, dem Orchestrierer Fugu und Japans Finanz- und Staatspartnerschaften wurde das Labor zum wertvollsten KI-Startup des Landes.
Die Chronik in Kapiteln
Rauten sind Schlüsselmomente. Ein Klick springt zur Stelle in der Zeitleiste; beim Scrollen läuft die Marke mit.
Köpfe
Die Gründer, die Sakana 2023 in Tokio gestartet haben, und der Forscher, der 2026 als Berater dazukam. Porträts nur mit freier Lizenz; wo keine existiert, steht das Monogramm.
David Ha
Mitgründer, CEO seit 2023Leitete bei Google Brain das Forschungsteam in Tokio und war zuletzt Forschungschef bei Stability AI. Mit Sakana setzt er auf KI nach dem Vorbild der Natur: Schwarm und Evolution statt immer größerer Einzelmodelle.
Llion Jones
Mitgründer, CTO seit 2023Ist einer der acht Autoren von „Attention Is All You Need“ (2017), dem Paper, das den Transformer einführte. Bei Sakana sucht er nach Ansätzen jenseits davon; im September 2026 stellte die Firma die Frontier Intelligence Group um ihn vor.
Foto 2024: Syced · CC0 · Wikimedia CommonsRen Ito
Mitgründer, ChairmanGründete Sakana 2023 mit Ha und Jones, nachdem er in Führungsrollen bei Mercari und Stability AI gearbeitet hatte. Im September 2026 nahm er für Sakana den Japan Startup Award entgegen.
Jürgen Schmidhuber
Chief Scientific Advisor seit September 2026Gilt mit seinen Arbeiten zu LSTM, Weltmodellen und Meta-Lernen als einer der Wegbereiter moderner KI. Bei Sakana soll er die Forschungsrichtung des RSI Lab für sich selbst verbessernde KI mitprägen.
Foto 2017: ITU/R.Farrell · CC BY 2.0 · Wikimedia Commons
Konfidenz-Kennzeichnung
- ✅ Faktum (belegt)
- 🟡 teilweise belegt
- 🔵 Interpretation
Kategorien
- Unternehmen
- Forschung
- Modell
- Produkt
- Finanzen
Zeitleiste
Vier Kapitel von der Gründung durch zwei Google-Forscher (2023) über Evolutionary Model Merge und den AI Scientist bis zur Series B, der Nature-Publikation, dem Orchestrierer Fugu Max und Jürgen Schmidhuber als Chief Scientific Advisor (2026). Filtere nach Kategorie oder durchsuche alle Ereignisse — jeder Eintrag führt seine Quellen mit.
Gründung: Das Prinzip des Schwarms
Zwei Google-Forscher gründen in Tokyo ein Labor, das KI nicht größer, sondern klüger kombinieren will — und Japan Inc. steigt sofort ein.
Gründung in Tokyo: das Fischschwarm-Prinzip
David Ha (ex Google Brain, zuletzt Forschungschef bei Stability AI) und Llion Jones (Mitautor von „Attention Is All You Need“, 2017) gründen Sakana AI zusammen mit Ren Ito. Der Name bedeutet „Fisch“ (さかな) — das Logo zeigt einen Schwarm, der aus einfachen Regeln ein Ganzes formt; der rote Fisch schwimmt bewusst in die andere Richtung.
Sakana AI wurde im Juli 2023 in Tokyo gegründet — von David Ha (CEO), Llion Jones (CTO) und Ren Ito (COO). Jones ist einer von acht Autoren des Transformer-Papiers von 2017 und prägte dort den Begriff „Transformer“; Ha leitete zuvor Google-Brain-Teams in Japan und war Research-Leiter bei Stability AI. Die Forschungsphilosophie: nature-inspired intelligence — Evolution und kollektive Intelligenz statt immer größerer Einzelmodelle. Das Logo: ein Fischschwarm, der ein kohärentes Ganzes bildet, mit einem roten Fisch, der ausschert.
Im Kapitel weiterlesen →Seed-Runde: 30 Mio. $
Sakana schließt eine 30-Mio.-$-Seed-Runde, angeführt von Lux Capital, mit Khosla Ventures und japanischen Investoren (NTT, KDDI CVC, Sony) — dazu Business Angels wie Noam Shazeer und Aidan Gomez, beide Transformer-Mitautoren. Das Kapital finanziert das Tokyoer Forschungslabor.
GENIAC: staatliche GPU-Förderung
Sakana gehört zu den sieben Ausgewählten der ersten GENIAC-Runde (Generative AI Accelerator Challenge, METI/NEDO) und erhält Zugang zu geförderter Supercomputer-Kapazität — der frühe Einstieg in Japans Sovereign-AI-Politik.
Evolutionary Model Merge: EvoLLM-JPEvoLLM-JP / EvoVLM-JP / EvoSDXL-JP
Sakana stellt Evolutionary Model Merge vor: Evolutionäre Algorithmen verschmelzen bestehende Open-Source-Modelle automatisch zu neuen Modellen — ganz ohne gradientenbasiertes Training. Ergebnis: EvoLLM-JP (7B, übertrifft auf Japanisch-Benchmarks manche 70B-Modelle), EvoVLM-JP und EvoSDXL-JP, offen auf Hugging Face.
Die Methode kombiniert Modelle im Datenfluss-Raum (Layer) und im Parameter-Raum (Gewichte) und überlässt die Suche nach guten „Rezepten“ der Evolution — hundert Generationen lang, bewertet an japanischen Mathe-Aufgaben. Das Konzept verbreitete sich sofort: Die Technik wurde in Open-Source-Werkzeuge wie mergekit und Optuna Hub übernommen, die Nachfolgearbeit CycleQD schaffte es auf die ICLR 2025, und die überarbeitete Studie erschien am 28. Januar 2025 in Nature Machine Intelligence.
The AI Scientist: die ForschungsmaschineThe AI Scientist
Sakana stellt The AI Scientist vor — das erste System, das den kompletten ML-Forschungszyklus automatisiert: Ideenfindung, Code, Experimente, Paper, Begutachtung. Kosten rund 15 $ pro Paper; entwickelt mit Oxford (Foerster Lab) und UBC (Jeff Clune, Cong Lu); quelloffen auf GitHub.
Ein Jahr nach der Gründung: 200 Mio. $, NVIDIA an Bord — und ganz Japan Inc. dahinter.
Series A: ~200 Mio. $ und das Einhorn
Sakana kündigt am 4. September 2024 eine Series A von rund 200 Mio. $ an — geführt von NEA, Khosla Ventures und Lux Capital, mit NVIDIA (plus Zusammenarbeit bei Forschung, Infrastruktur und KI-Community in Japan) und praktisch ganz Japan Inc.: MUFG, SMBC, Mizuho, NEC, SBI, Dai-ichi Life, Itochu, KDDI, Fujitsu, Nomura, ANA, Tokio Marine. Bloomberg beziffert die Bewertung auf 1,5 Mrd. $ — Sakana wird zu Japans KI-Einhorn.
Die Series A (bekanntgegeben am 4. September 2024, Details am 17. September) war ein doppeltes Signal: Silicon-Valley-Fonds (NEA, Khosla, Lux) führten die Runde, NVIDIA stieg ein und kündigte eine Kollaboration an — und gleichzeitig investierten die drei japanischen Megabanken (MUFG, SMBC, Mizuho) sowie Industriekonzerne von NEC bis ANA. Damit war Sakana nicht nur finanziert, sondern strategisch mit Japans Unternehmenslandschaft verdrahtet — das Fundament für das spätere Applied-AI-Geschäft. Bloomberg datierte die Bewertung am 17. September auf 1,5 Mrd. $; Reuters sprach von insgesamt rund 30 Mrd. Yen.
Im Kapitel weiterlesen →Der AI Scientist besteht die Prüfung — und Japan klopft an
Peer Review für ein KI-geschriebenes Paper, Nature Machine Intelligence, selbstverbessernde Systeme — und die ersten Großkunden aus Banken und Staat.
TinySwallow-1.5B via TAIDTinySwallow-1.5B
Mit der Distillation-Methode TAID baut Sakana das japanische Kleinmodell TinySwallow-1.5B — beste Leistung seiner Größenklasse; TAID wird als Spotlight-Paper auf der ICLR angenommen. Das Projekt lief mit GENIAC-Unterstützung.
Model Merge wird Nature Machine Intelligence
Die überarbeitete Studie „Evolutionary Optimization of Model Merging Recipes“ erscheint am 28. Januar 2025 in Nature Machine Intelligence — Sakanas Kernmethode ist damit peer-reviewed; die Nachfolgearbeit CycleQD schafft es auf die ICLR 2025.
Ein Paper, komplett von einer KI geschrieben, übersteht die Begutachtung einer Top-Konferenz — die Gutachter wussten von nichts.
AI Scientist-v2: Peer Review bestandenAI Scientist-v2
Die v2 des AI Scientist erzeugt das erste vollständig KI-generierte Paper, das eine menschliche Peer Review besteht (ICLR-2025-Workshop „I Can’t Believe It’s Not Better“): Durchschnitt 6,33 (Einzelnoten 6, 7, 6), besser als 55 % der menschlichen Einreichungen. Vorab war vereinbart worden, das Paper nach Annahme zurückzuziehen — was geschah.
Sakana reichte drei unveränderte, vollständig KI-generierte Papers beim ICLR-2025-Workshop ICBINB ein — doppelblind, mit Erlaubnis der Organisatoren. Eine Arbeit („Compositional Regularization“) wurde angenommen (6, 7, 6; Ø 6,33, Top-45-Prozent-Bereich) und wie angekündigt vor der Publikation zurückgezogen. Das Experiment war bewusst als „Turing-Test der Wissenschaft“ angelegt — inklusive IRB-Freigabe und Wasserzeichen in allen KI-Papers. Gleichzeitig blieb es Workshop-Niveau, nicht Hauptkonferenz — die Einordnung gehört dazu.
Im Kapitel weiterlesen →CTM & Darwin-Gödel MachineCTM / DGM
Sakana schlägt mit der Continuous Thought Machine (CTM) eine Architektur jenseits des Transformers vor (zeitliche Verarbeitung nach Vorbild des Gehirns) und veröffentlicht mit der Darwin Gödel Machine (DGM) ein System, das seinen eigenen Code evolutionär verbessert.
MUFG: Mehrjahres-Partnerschaft
Sakana und die MUFG Bank schließen eine umfassende Mehrjahres-Partnerschaft für bankspezifische KI; die Japan Times berichtet von einem 5-Mrd.-Yen-Paket (~34 Mio. $) zur Automatisierung von Kreditdokumenten. Der Anfang des Applied-AI-Geschäfts in der Finanzbranche.
Innenministerium: Projekt gegen Desinformation
Sakana wird für das Förderprojekt des japanischen Innenministeriums (総務省, MIC) zur Entwicklung von Technik gegen Falsch- und Desinformation im Internet ausgewählt — der Einstieg in staatliche Anwendungen, bevor 2026 Verteidigung dazukommt.
AB-MCTS: Modelle denken als KollektivAB-MCTS
Sakana veröffentlicht AB-MCTS, einen Inferenz-Algorithmus, bei dem mehrere KI-Modelle per Baumsuche gemeinsam an einem Problem arbeiten — kollektive Intelligenz zur Inferenzzeit, die einzelne Modelle übertrifft. Eine direkte Vorgängeridee des späteren Fugu.
ShinkaEvolve: Evolution für LLM-ProgrammeShinkaEvolve
Sakana veröffentlicht ShinkaEvolve, ein quelloffenes System, das von LLMs erzeugte Programme evolutionär verbessert — mit Recheneffizienz als explizitem Ziel. Ein weiterer Baustein der Selbstverbesserungs-Linie neben DGM.
Daiwa Securities: strategische Partnerschaft
Nach MUFG kündigt Sakana 2025 auch eine strategische Partnerschaft mit der Daiwa Securities Group an — Custom-KI für den zweiten Finanzriesen, 2026 ausgebaut zu KI-Werkzeugen fürs Wealth Management.
2,65 Mrd. $ für ein Labor, das bewusst nicht im Compute-Wettrüsten mitspielt — und der CIA-nahe In-Q-Tel steigt ein.
Series B: 135 Mio. $ bei 2,65 Mrd. $
Sakana sammelt rund 20 Mrd. Yen (~135 Mio. $) ein — Post-Money-Bewertung 2,65 Mrd. $, damit Japans wertvollstes Startup. Investoren: MUFG, Khosla, NEA, Lux — und neu die US-Strategische Investmentgesellschaft In-Q-Tel. Die Botschaft der Runde: KI nachhaltig bauen statt um Compute zu überbieten.
Die Series-B-Ankündigung vom 17. November 2025 war zugleich ein Strategiepapier: Sakana fragte öffentlich, ob der weltweite Kapital- und Energieeinsatz für immer größere Modelle nachhaltig sei — und ob das der richtige Weg für ein rohstoffarmes Japan sei. Die Antwort des Hauses: Post-Training, Modell-Fusion und kollektive Intelligenz statt riesiger Pretraining-Cluster. In der Runde steckte mit In-Q-Tel auch ein US-amerikanischer strategischer Investor — ein bemerkenswerter Vertrauensbeweis beiderseits des Pazifiks. Das Kapital sollte in Forschung (kollektive Intelligenz, Selbstevolution, Sovereign-AI-Post-Training), Applied AI (Finanzen, Verteidigung, Fertigung) und ein skalierbares Ökosystem inklusive M&A fließen.
Im Kapitel weiterlesen →Google, Nature, Verteidigung — und ein Orchestrierer namens Fugu
Die Nature-Publikation, Googles Einstieg, erste Verträge mit dem Verteidigungsministerium — und mit Fugu wird die Schwarm-Idee zum Produkt.
Google investiert in Sakana
Google steigt mit einem nicht öffentlich genannten Betrag bei Sakana ein; im Gegenzug erhält Sakana Zugang zu Googles Gemini-Modellen. Damit sind mit NVIDIA und Google zwei US-Frontier-Häuser am Tokyoer Labor beteiligt.
Verteidigung: mehrjähriger Forschungsvertrag 🟡
Sakana wird vom Defense Innovation Science & Technology Institute (unter dem japanischen Verteidigungsministerium) für einen mehrjährigen Forschungsvertrag ausgewählt: Grundlagentechnik zur Integration und Schnellanalyse von Daten aus allen Domänen, auch Drohnen. Details aus Gründer-Post und Sekundärquellen.
Das System, das Papers schreibt, wird selbst zum Nature-Paper — mit einer Skalierungsgesetzmäßigkeit für automatisierte Wissenschaft.
The AI Scientist in Nature
Die Gesamtdarstellung des AI-Scientist-Projekts erscheint als Open-Access-Paper in Nature — gemeinsam mit UBC, dem Vector Institute und der Universität Oxford. Neu darin: Der automatisierte Gutachter erreicht menschliches Niveau, und die Qualität der KI-Papers skaliert nachweislich mit den zugrunde liegenden Basismodellen.
Das Nature-Paper bündelt anderthalb Jahre Arbeit: vom ersten System (2024, ~15 $ pro Paper) über das Peer-Review-Experiment auf der ICLR 2025 bis zu neuen Skalierungsergebnissen. Der „Automated Reviewer“ wurde gegen Tausende menschliche Entscheidungen aus OpenReview getestet (balancierte Genauigkeit 69 %, vergleichbar mit menschlichen Gutachtern; F1 über der menschlichen Übereinstimmung des NeurIPS-2021-Konsistenzexperiments). Das Paper benennt auch die Grenzen: naive Ideen, dünne Methodik, Halluzinationen bei Zitaten. Sakana plädiert für Normen im Umgang mit KI-Forschung — und wasserzeicht seine Papers.
Im Kapitel weiterlesen →Series B wächst auf 200 Mio. $
Sakana aktualisiert die Series-B-Zahlen: insgesamt 32 Mrd. Yen (~200 Mio. $), Post-Money 432 Mrd. Yen (~2,7 Mrd. $), kumulativ rund 66 Mrd. Yen (~412 Mio. $) — neu dabei u. a. Google, Citi, Salesforce Ventures, Mitsubishi Electric, Mouro (Santander), Macquarie und Factorial.
Fugu Beta: der OrchestriererFugu
Sakana startet die Beta von Fugu (フグ, Kugelfisch): ein Multi-Agenten-Orchestrierer, der hinter einer OpenAI-kompatiblen API einen Pool aus Frontier- und Spezialmodellen dirigiert — Aufgabe zerlegen, an das passendste Modell verteilen, Ergebnis verschmelzen. Sakana meldet Spitzenwerte auf SWE-Pro, GPQA-D und ALE-Bench (Eigenangabe).
Fugu ist die Produktwerdung der Schwarm-Idee: Von außen sieht der Endpunkt aus wie ein einzelnes Modell, innen entscheidet ein Koordinator, welche Modelle aus dem Pool welche Teilaufgabe übernehmen — die Forschungsbasis dafür legten zwei ICLR-2026-Arbeiten des Hauses. Die Benchmark-Aussagen der Beta (SWE-Pro, GPQA-D, ALE-Bench) stammen aus dem eigenen Haus und waren nicht unabhängig geprüft. Der strategische Punkt: Der Pool ist austauschbar — fällt ein Modell weg oder wird teurer, tauscht Sakana es aus, ohne dass sich die API ändert.
Im Kapitel weiterlesen →DEEP DIVE: Satelliten-Auswertung 🟡
Sakana kooperiert Berichten zufolge mit dem Raumfahrt-Analyseunternehmen DEEP DIVE, um KI-gestützte Satellitenbild-Auswertung für Japan aufzubauen — ein weiterer Baustein der staatsnahen Anwendungen neben Finanzen und Verteidigung. Bisher nur Sekundärquellen.
Marlin: Ultra Deep ResearchMarlin
Sakana stellt mit Marlin einen „Ultra Deep Research“-Agenten vor, der aus großen Dokumentenbeständen Reports von über 100 Seiten in rund acht Stunden erstellt — ein Enterprise-Produkt jenseits des Chat-Paradigmas und die kommerzielle Schwester des AI Scientist.
Fugu GA & Fugu Ultra v1Fugu Ultra v1
Fugu verlässt die Beta: allgemeine Verfügbarkeit plus die stärkere Stufe Fugu Ultra v1. Laut Sakana erreicht die Orchestrierung damit auf harten Benchmarks das Niveau geschlossener Frontier-Modelle (Eigenangabe) — ohne Abhängigkeit von einem einzelnen Anbieter.
Spezialisierung, Sakana Chat & die Pareto-Front
Fugu-Cyber und Coding-Interfaces, das japanische Modell Namazu, der Consumer-Chat, mit Fugu Max der bisher größte Orchestrierungs-Pool — dazu die Allianz mit SCSK und Sumitomo, Jürgen Schmidhuber als Chief Scientific Advisor und ein Staatspreis im Kantei.
Fugu-Cyber & Claude-Code-InterfaceFugu-Cyber
Sakana zeigt, dass Orchestrierung sich auf reale Domänen-Workflows spezialisieren lässt: Fugu-Cyber für Cybersecurity und ein Claude-Code-Interface, das Fugu in Coding-Umgebungen einbindet.
MoD-Demonstrationsvertrag 🟡
Das japanische Verteidigungsministerium schließt Berichten zufolge einen Demonstrationsvertrag mit Sakana: KI soll die „Informationsfähigkeiten“ der Selbstverteidigungsstreitkräfte verbessern — agentenbasierte Auswertung von Nachrichtendaten. Nach dem Forschungsvertrag vom März der nächste Verteidigungsschritt; Details aus Sekundärquellen.
Namazu & Sakana Chat: Fugu für alleNamazu / Sakana Chat
Sakana startet mit Namazu (03.08.) ein japanisch-spezialisiertes LLM-API (Websuche, Code-Ausführung, souveräne Basis) und bringt am 13.08. Fugu und Namazu in den Verbraucher-Chat Sakana Chat. Parallel beginnt die Integration von NVIDIAs offenen Nemotron-Modellen in den Fugu-Pool.
Namazu — benannt nach dem Wels aus der japanischen Mythologie — ist das souveräne Gegenstück im Produktportfolio: ein auf japanische Sprache und Geschäftskontexte abgestimmtes Modell-API auf offener Basis. Mit dem Sakana-Chat-Update vom 13. August 2026 wanderte Fugu vom Entwickler-API in den Alltag: Chat-Oberfläche ohne API, dazu Code-Ausführung im Chat. Gleichzeitig begann die NVIDIA-Kollaboration aus der Series A Früchte zu tragen: Die offenen Nemotron-Modelle flossen in den Fugu-Pool ein. Ebenfalls im August erweiterte Daiwa Securities die Partnerschaft um KI-Werkzeuge fürs Wealth Management (🟡 Sekundärquelle).
Allianz mit SCSK und Sumitomo Corporation
Sakana, der IT-Dienstleister SCSK und das Handelshaus Sumitomo Corporation schließen eine umfassende Geschäftspartnerschaft: KI für geschäftskritische Systeme in Finanzwesen und Fertigung, Schwachstellen-Diagnose auf Basis von Sakanas Orchestrierungsmodell, gemeinsame Unternehmensprodukte sowie Infrastrukturprojekte über Sumitomos Netz von mehr als 900 Konzernfirmen. Beträge nennt die Mitteilung nicht.
Die Rollen sind verteilt: Sakana liefert Forschung und Modelle, SCSK die Systemintegration, Sumitomo den Zugang zu Branchen und Märkten. Vier Felder benennt die Mitteilung vom 10. September 2026: Pilot- und Vollbetrieb von KI in Finanz- und Fertigungssystemen mit hohen Anforderungen an Zuverlässigkeit und Sicherheit, einen Dienst zur Erkennung und Behebung von Schwachstellen auf Basis von Sakanas Orchestrierungs-KI (die Linie von Fugu-Cyber), gemeinsam entwickelte Unternehmensprodukte sowie Stadtentwicklung und öffentliche Infrastruktur. Laufzeiten oder Beteiligungen werden nicht genannt. Nachgetragen: Die Meldung liegt vor dem bisherigen Stand der Chronik (23. September), fehlte dort aber.
Im Kapitel weiterlesen →Nicht ein größeres Modell, sondern ein klügerer Dirigent: Fugu Max schiebt die Kosten-Leistungs-Front über das hinaus, was Einzelmodelle erreichen.
Fugu Max & Fugu Ultra v2: die Pareto-FrontFugu Max / Fugu Ultra v2
Sakana veröffentlicht Fugu Max (größter Pool offener und spezialisierter Modelle, inkl. NVIDIA Nemotron; $2/$6 pro Mio. Tokens) und Fugu Ultra v2 (Spitzenleistung ohne zwingende Frontier-Abhängigkeit; $5/$30, ab 272K Kontext $10/$45). Sakana meldet Bestwerte u. a. auf Terminal-Bench 2.1, GPQA Diamond und AutomationBench — Eigenangaben; unabhängig gemessen wurde das System nicht. Nicht im EWR buchbar.
Das Release vom 11. September 2026 trägt den Titel „Orchestrating the Pareto Frontier“: Die entscheidende Achse sei nicht nur Fähigkeit, sondern Fähigkeit pro Kosten. Fugu Max erweitert den orchestrierten Pool um so viele Open-Weights- und Spezialmodelle wie nie (darunter die NVIDIA-Nemotron-Familie) und soll Frontier-ähnliche Ergebnisse zu einem Bruchteil der Token-Kosten liefern; Fugu Ultra v2 schiebt die Spitzenleistung höher, ohne auf die teuersten Frontier-Modelle angewiesen zu sein — im Pool stecken weder Fable 5.1 noch GPT-6 Astra. Beide Stufen: 1 Mio. Tokens Kontext, Bilder und PDFs, Funktionsaufrufe, auch über OpenRouter (sakana/fugu-max). Die Schattenseiten: Die Benchmark-Bestwerte (Terminal-Bench 2.1, GPQA Diamond, AA-LCR, GDP.pdf, AutomationBench, Chartography 48,3 vs. 27,3 für Opus 5) sind durchweg Eigenangaben — Artificial Analysis misst Orchestrierung nicht —, der hauseigene Benchmark SWEFish misst mit, und die Verteilung kostet Zeit (median rund 5,4 s bis zur Antwort). Im EWR wird der Dienst nicht angeboten.
Im Kapitel weiterlesen →Jürgen Schmidhuber wird Chief Scientific Advisor
Der LSTM-Miterfinder Jürgen Schmidhuber kommt neben seinen bestehenden Ämtern als Chief Scientific Advisor zu Sakana und begleitet das RSI Lab (Recursive Self-Improvement). Arbeitsschwerpunkt: agentennative Weltmodelle für physische KI, also Systeme, die die Folgen eigener Handlungen simulieren, bevor sie in Robotik oder Fertigung ausgeführt werden. Er soll regelmäßig nach Tokyo reisen.
Das RSI Lab hatte Sakana im Juni 2026 angekündigt, mit einem Plan in vier Stufen: agentennative Modelle, der AI Scientist, rekursive Selbstverbesserung (Agenten schreiben, testen und prüfen ihren eigenen Code) und schließlich leistungsfähige KI ohne Rechenzentren im Großmaßstab. Schmidhubers Arbeiten der 1990er zu Weltmodellen und Meta-Lernen zählt Sakana zu den Grundlagen der Darwin Gödel Machine und des AI Scientist. Eine Woche zuvor (18.09.) hatte das Haus die Frontier Intelligence Group vorgestellt, einen internen Forschungszirkel um CTO Llion Jones für Ansätze jenseits der Transformer-Skalierung (Continuous Thought Machines, Predictive Coding, Sparse Transformers mit NVIDIA). Schmidhuber begründet den Schritt mit Japans Rolle als Ursprung früher neuronaler Architekturen (Fukushima, Amari) und der Robotik: „Die Zukunft der Intelligenz ist nicht nur Sprache, sondern physische KI auf Basis von Weltmodellen.“ Es ist eine Beraterrolle, keine Vollzeitstelle.
Japan Startup Award 2026: Preis des Kommunikationsministers
Beim Japan Startup Award 2026 im Amtssitz von Premierministerin Sanae Takaichi erhält Sakana den Preis des Ministers für Inneres und Kommunikation (Sparte Informations- und Kommunikationstechnik) für „heimische KI auf Basis der kollektiven Intelligenz der Natur“. Den Hauptpreis der Premierministerin bekommt der Robotik-Anbieter Mujin. Mitgründer und COO Ren Ito nimmt den Preis entgegen; Sakana stellt der Regierung unter anderem den KI-Einsatz in Führungs- und Kontrollsystemen (C2) vor.
Der Japan Startup Award wird von der Regierung getragen, 2026 unter Beteiligung von Wirtschafts-, Verkehrs- und Verteidigungsministerium sowie weiteren Ressorts; zehn Unternehmen wurden ausgezeichnet, darunter SkyDrive (Verkehr), Oceanic Constellations (Verteidigung), Ubie (Gesundheit) und Rapyuta Robotics (Bildung und Wissenschaft). Sakanas Begründung laut eigener Mitteilung: effiziente KI-Entwicklung nach dem Vorbild von Evolution und Schwarmintelligenz, hohe Leistung mit begrenzten Rechenressourcen, Beiträge zu Sicherheit und Fachkräftemangel. Ito sagte vor Ort, heimische KI solle die Kernindustrien stärken, ohne von riesigen Rechenressourcen abzuhängen. Für die Chronik ist der Preis weniger ein Produkt- als ein Positionsereignis: Die Regierung ordnet Sakana öffentlich der nationalen KI-Strategie zu.
Im Kapitel weiterlesen →SAIL: Test-Time-Scaling für Roboter-Imitation
Mit der Universität Tokyo zeigt Sakana, dass ein Vision-Language-Modell aus wenigen Demonstrationen Roboter-Trajektorien erzeugen kann, wenn man ihm Rechenzeit zur Verfeinerung gibt: Eine Monte-Carlo-Baumsuche verbessert die Vorschläge anhand von Simulator-Rückmeldung. In sechs Manipulationsaufgaben steigt die Erfolgsquote von 25 Prozent (ein Kandidat) auf 73 Prozent (45 Kandidaten); Tests liefen auch auf einem realen Roboter.
SAIL (Scaling In-Context Imitation Learning) überträgt die Logik des Test-Time-Scaling, die Sakana mit AB-MCTS für Sprachmodelle entwickelt hat, auf Robotik: Trajektorien sind Knoten, Verfeinerungen Kanten eines Suchbaums. Das Paper (arXiv 2603.08269, erste Fassung März 2026, überarbeitet am 19. September) stammt von Makoto Sato, Yusuke Iwasawa, Yujin Tang und So Kuroki; das Abstract nennt bis zu 95 Prozent Erfolg bei komplexen Aufgaben. Zusammen mit Schmidhubers Weltmodell-Auftrag ist das der zweite Hinweis innerhalb einer Woche, dass Sakana die Orchestrierungs-Idee in Richtung physischer KI weiterdenkt. Eine unabhängige Nachprüfung der Robotik-Ergebnisse gibt es nicht.
Im Kapitel weiterlesen →Vier Teile mit Quellenkritik, Datierung und Einordnung — von der Gründung über Evolutionary Model Merge und den AI Scientist bis zu Series B, Nature-Publikation und Fugu Max.
Bildnachweise
- Llion Jones (Vortrag im CIC Tokyo, 2024): Foto: Syced · CC0 · Wikimedia Commons · bearbeitet: Ausschnitt, Graustufen, verkleinert
- Jürgen Schmidhuber (AI for Good Global Summit, Genf, 2017): Foto: ITU/R.Farrell · CC BY 2.0 · Wikimedia Commons · bearbeitet: Ausschnitt, Graustufen, verkleinert
- Gründung in Tokyo: Foto: Syced · CC0 · Wikimedia Commons · bearbeitet: verkleinert
Alle Bilder stammen von Wikimedia Commons und stehen unter den genannten freien Lizenzen. Die Einfärbung der Porträts entsteht nur in der Darstellung.