Vorbemerkung (Methodik)

Diese Chronik folgt dem gleichen Anspruch wie die übrigen Geschichten dieses Projekts: Fakten werden belegt, Unsicherheit wird benannt, und Tatsachen werden von Deutung getrennt. Quellenpriorität: Primärquellen (sakana.ai-Ankündigungen, Papers auf arXiv und in Nature/Nature Machine Intelligence, Gründer-Posts) > seriöse Presse / Fachmedien (Bloomberg, Reuters, TechCrunch, Japan Times, VentureBeat) > Sekundärquellen / Aggregatoren. Benchmark-Zahlen von Sakana sind fast durchweg Eigenangaben — für Orchestrierungssysteme wie Fugu existiert bislang keine unabhängige Index-Messung (Artificial Analysis misst Modelle, nicht Orchestrierung) — und werden entsprechend vorsichtig gelesen.

Legende: ✅ Faktum (belegt) · 🟡 teilweise belegt / vorsichtig zu lesen · 🔵 Interpretation.

Ein roter Faden: Sakana AI ist die konsequente Umkehrung der Skalierungs-Doktrin. Während die Frontier-Labore Modelle durch mehr Parameter, Daten und Compute verbessern, fragt das Tokyoer Labor, was aus vorhandenen Modellen durch Evolution, Verschmelzung und Zusammenarbeit herauszuholen ist. Aus dieser Idee — „nature-inspired intelligence“ — entstand eine bemerkenswerte Serie: Evolutionary Model Merge (2024, später in Nature Machine Intelligence), The AI Scientist (2024, 2026 in Nature), Selbstverbesserungs-Systeme wie die Darwin Gödel Machine und schließlich 2026 mit Fugu ein kommerzieller Multi-Modell-Orchestrierer. Politisch wurde Sakana zum Kronzeugen von Japans Sovereign-AI-Strategie: Megabanken, Konzerne, Ministerien — und mit NVIDIA, Google und In-Q-Tel auch US-Institutionen — sind investiert oder unter Vertrag.

Teil I — Gründung und das Prinzip des Schwarms (2023–2024)

1.1 Gründer und Philosophie (Juli 2023)

✅ Sakana AI wurde im Juli 2023 in Tokyo gegründet — von David Ha (CEO; zuvor Google Brain, zuletzt Forschungschef bei Stability AI), Llion Jones (CTO; einer der acht Autoren des Transformer-Papiers „Attention Is All You Need“ von 2017 und dort Präger des Begriffs „Transformer“) und Ren Ito (COO). Zwei der wichtigsten Google-Forscher ihrer Generation verließen also das Silicon-Valley-Orbit, um in Japan ein Labor aufzubauen.

✅ Der Name sakana (さかな) bedeutet „Fisch“. Das Logo zeigt einen Fischschwarm, der aus einfachen Regeln ein kohärentes Ganzes formt — die Metapher für kollektive Intelligenz. Der eine rote Fisch, der aus dem Schwarm ausschert, steht für den Anspruch, nicht zu machen, was alle machen.

🔵 Die Gründung war von Anfang an ein Statement gegen die Skalierungs-Orthodoxie: Jones sagte später sinngemäß, alle machten dasselbe — Modelle größer —; Sakana wollte das Gegenteil. In einer Welt, die über das Transformer-Erbe (siehe die OpenAI-Chronik) spricht, gehört Sakana zu den wenigen Laboren, die explizit „jenseits des Transformers“ forschen.

Quellen: Wikipedia – Sakana AI · Sakana AI – Name & Logo

1.2 Seed-Runde und GENIAC (Anfang 2024)

✅ Am 16. Januar 2024 schloss Sakana eine 30-Mio.-$-Seed-Runde, angeführt von Lux Capital, mit Khosla Ventures sowie japanischen Investoren (NTT Group, KDDI CVC, Sony Group) und bemerkenswerten Business Angels: Noam Shazeer und Aidan Gomez — beide ebenfalls Transformer-Mitautoren (Gomez gründete Cohere, Shazeer Character.AI und kehrte zu Google zurück).

✅ Fast zeitgleich wurde Sakana in der ersten Runde von GENIAC (Generative AI Accelerator Challenge) ausgewählt — dem Förderprogramm von METI/NEDO, das Zugang zu subventionierter Supercomputer-Kapazität gibt. Damit war das wenige Monate alte Startup Teil von Japans staatlicher KI-Aufholstrategie.

🟡 Die Seed-Bewertung wurde nicht offiziell genannt; Drittdatenbanken nennen rund 200 Mio. $, die Nikkei schätzte den Unternehmenswert 2024 auf rund 19 Mrd. Yen. Diese frühen Zahlen sind als Größenordnungen zu lesen.

Quellen: Clay – Sakana AI Funding · multiples.vc – Sakana AI · Tech4Impact – Japans Sovereign-AI-Politik · arpable – GENIAC & Sakana

1.3 Evolutionary Model Merge (März 2024)

✅ Am 21. März 2024 stellte Sakana Evolutionary Model Merge vor: Evolutionäre Algorithmen durchsuchen den gewaltigen Raum möglicher Kombinationen bestehender Open-Source-Modelle (damals über 500.000 auf Hugging Face) und verschmelzen sie — im Datenfluss-Raum (Layer) wie im Parameter-Raum (Gewichte) — zu neuen Modellen mit vom Nutzer spezifizierten Fähigkeiten. Entscheidend: ganz ohne gradientenbasiertes Training, also mit minimaler Rechenleistung.

✅ Als Demonstration evolvierte Sakana drei Modelle für Japan: EvoLLM-JP (ein 7B-Modell, das auf japanischen Benchmarks manche 70B-Modelle übertraf), EvoVLM-JP (Vision-Language mit japanischem Kulturverständnis) und EvoSDXL-JP (schnelles japanisches Bildmodell). EvoLLM-JP und EvoVLM-JP wurden offen veröffentlicht.

✅ Die Methode verbreitete sich schnell: Sie wurde in Open-Source-Werkzeuge wie mergekit und Optuna Hub übernommen; die Nachfolgearbeit CycleQD wurde für die ICLR 2025 angenommen.

🔵 Das war die erste Ausprägung der Sakana-These: Intelligenz entsteht nicht aus Ressourcenfülle, sondern aus deren Mangel — die Natur selektiert Systeme, die mit weniger mehr erreichen. Wer keine Billionen-Parameter-Cluster hat, kombiniert eben das, was die Gemeinschaft bereits gebaut hat.

Quellen: Sakana AI – Evolutionary Model Merge · arXiv:2403.13187

1.4 The AI Scientist (August 2024)

✅ Am 13. August 2024 stellte Sakana The AI Scientist vor — gemeinsam mit dem Foerster Lab (Universität Oxford) sowie Jeff Clune und Cong Lu (University of British Columbia). Das System automatisiert den kompletten ML-Forschungszyklus: Ideengenerierung, Literaturrecherche, Code, Experimente, Visualisierung, Paper in LaTeX — plus ein automatisierter Gutachter, der die Papers bewertet. Kosten pro generiertem Paper: rund 15 $. Code und Ergebnisse wurden quelloffen veröffentlicht.

🔵 Der AI Scientist war mehr als ein Demo: Er definierte Sakanas zweite Forschungslinie — KI, die KI-Forschung selbst beschleunigt („KI erzeugt KI“). Die offene Diskussion der Risiken (das System modifizierte im Lauf eigene Ausführungsskripte) gehörte von Anfang an zum Projekt.

Quellen: Sakana AI – The AI Scientist

1.5 Series A und das Einhorn (September 2024)

✅ Am 4. September 2024 kündigte Sakana eine Series A von rund 200 Mio. $ an, geführt von New Enterprise Associates, Khosla Ventures und Lux Capital, mit Translink Capital, 500 Global und NVIDIA — letztere nicht nur als Investor, sondern mit einer angekündigten Zusammenarbeit bei Forschung, Infrastruktur und KI-Community-Aufbau in Japan.

✅ Aus Japan stiegen praktisch die gesamte Unternehmenselite ein: die drei Megabanken MUFG, SMBC und Mizuho sowie NEC, SBI Group, Dai-ichi Life, Itochu, KDDI, Fujitsu, Nomura Holdings, ANA Holdings und Tokio Marine, dazu die VCs Global Brain, JAFCO und Miyako Capital. Reuters berichtete von rund 30 Mrd. Yen Gesamtvolumen der laufenden Finanzierung.

✅ Bloomberg bezifferte die Bewertung am 17. September 2024 auf 1,5 Mrd. $ — Sakana wurde damit gut ein Jahr nach der Gründung zum Einhorn und zum Aushängeschild von Japans KI-Aufholjagd.

🔵 Diese Investorenlage war strategisch einmalig: Silicon-Valley-Fonds, der weltweit dominierende Chip-Lieferant (siehe die NVIDIA-Chronik) und Japans Finanz- und Industrie-Establishment in einer Tabelle. Die spätere Applied-AI-Kundenliste (MUFG, Daiwa, Ministerien) stand damit faktisch schon im Cap Table.

Quellen: Sakana AI – Series A · Bloomberg – 1,5-Mrd.-$-Bewertung

Teil II — 2025: Der AI Scientist besteht die Prüfung

2.1 Nature Machine Intelligence und TinySwallow (Januar 2025)

✅ Am 28. Januar 2025 erschien die überarbeitete Model-Merge-Studie „Evolutionary Optimization of Model Merging Recipes“ (Akiba, Shing, Tang, Sun, Ha) in Nature Machine Intelligence — Sakanas Kernmethode war damit peer-reviewed in einem Nature-Journal veröffentlicht.

✅ Zeitgleich zeigte Sakana mit TAID eine neue Distillation-Methode (Wissenstransfer von großen auf kleine Modelle), die als Spotlight-Paper auf der ICLR angenommen wurde — und darauf aufbauend TinySwallow-1.5B, ein japanisches Kleinmodell mit Bestwerten seiner Größenklasse. Das Projekt lief mit GENIAC-Rechenförderung — ein sichtbarer Ertrag der staatlichen Compute-Unterstützung.

Quellen: Nature Machine Intelligence – Akiba et al. · Sakana AI – TAID & TinySwallow

2.2 AI Scientist-v2 und die Peer Review (März 2025)

✅ Im März 2025 meldete Sakana einen historischen Durchbruch: Der AI Scientist-v2 — jetzt mit agentischer Baumsuche statt Start-Template — hatte ein vollständig KI-generiertes Paper erzeugt, das die doppelblinde, menschliche Peer Review des ICLR-2025-Workshops „I Can’t Believe It’s Not Better“ passierte. Von drei eingereichten Papers wurde eines („Compositional Regularization“) angenommen: Einzelnoten 6, 7, 6, Durchschnitt 6,33 — über dem menschlichen Annahmeschnitt und besser als 55 % der menschlichen Einreichungen. Die Gutachter wussten nicht, dass sie eine KI-Arbeit bewerteten.

✅ Das Experiment war vorab mit den Workshop-Organisatoren abgesprochen, IRB-geprüft, und Sakana hatte festgelegt, ein angenommenes Paper vor Publikation zurückzuziehen — was geschah. Alle KI-Papers werden zudem wasserzeichen versehen.

🟡 Die Einordnung gehört dazu: Es war ein Workshop-Track, nicht die Hauptkonferenz, und eines von drei Papers. „Erste KI-generierte Arbeit, die eine Peer Review besteht“ stimmt — „KI schreibt jetzt Top-Papers“ wäre daraus eine Überdehnung.

Quellen: Sakana AI – Rückblick (Nature-Post) · arXiv:2504.08066 – AI Scientist-v2

2.3 CTM und Darwin Gödel Machine (Mai 2025)

✅ Im Mai 2025 veröffentlichte Sakana zwei konträre Zukunftsentwürfe: die Continuous Thought Machine (CTM), eine Architektur jenseits des Transformers, die zeitliche Verarbeitung im menschlichen Gehirn nachbildet, und die Darwin Gödel Machine (DGM), ein System, das eigenen Code liest, modifiziert und sich so evolutionär selbst verbessert.

🔵 Beide Arbeiten zeigen Sakanas Rollenverständnis: nicht das nächste größere Modell bauen, sondern die Architektur- und Selbstverbesserungs-Ebene erforschen, auf der die nächste Modellgeneration entstehen könnte.

Quellen: Sakana AI – Forschungsbilanz (Series-B-Post)

2.4 Applied AI: MUFG, Daiwa und das Innenministerium (2025)

✅ Am 19. Mai 2025 schlossen Sakana und die MUFG Bank eine umfassende Mehrjahres-Partnerschaft: bankesspezifische KI-Systeme, entwickelt von Sakanas neuem Applied Team. Die Japan Times berichtete von einem Paket über 5 Mrd. Yen (~34 Mio. $), u. a. zur Automatisierung von Kredit- und Genehmigungsdokumenten.

✅ Im Juni 2025 wurde Sakana für das Förderprojekt des japanischen Innenministeriums (総務省) zur Entwicklung von Technik gegen Falsch- und Desinformation im Internet ausgewählt — der erste staatliche Anwendungsfall jenseits der Finanzbranche.

✅ Im Lauf von 2025 folgte die strategische Partnerschaft mit der Daiwa Securities Group — Custom-KI für den zweiten großen Finanzkunden.

🔵 Das Muster: Sakana verkauft keine generische API, sondern baut mit Domänen-Teams „Custom AI“, die das ungeschriebene Expertenwissen („暗黙知“, implizites Wissen) japanischer Großunternehmen abbilden soll. Genau diese Lücke zwischen generischen Modellen und professioneller Praxis benannte das Haus später als Kern des Geschäfts.

Quellen: Sakana AI – MUFG-Partnerschaft · Japan Times – ¥5-Mrd.-Deal · Sakana AI – Series B (MIC-Projekt & Daiwa)

2.5 AB-MCTS und ShinkaEvolve (2025)

✅ Im Juli 2025 veröffentlichte Sakana AB-MCTS: einen Inferenz-Algorithmus, bei dem mehrere verschiedene KI-Modelle per Monte-Carlo-Baumsuche gemeinsam an einem Problem arbeiten und sich gegenseitig ergänzen — kollektive Intelligenz zur Inferenzzeit, nachweislich stärker als die Einzelmodelle.

✅ Im September 2025 folgte ShinkaEvolve, ein quelloffenes System, das von LLMs erzeugte Programme evolutionär verbessert — mit Recheneffizienz als explizitem Designziel.

🔵 AB-MCTS ist in der Rückschau der direkte Vorläufer von Fugu: Die Idee „viele Modelle kooperieren besser als eines“ wanderte aus dem Paper in ein Produkt.

Quellen: Sakana AI – Forschungsbilanz (Series-B-Post)

2.6 Series B: 135 Mio. $ bei 2,65 Mrd. $ (November 2025)

✅ Am 17. November 2025 gab Sakana die Series B bekannt: rund 20 Mrd. Yen (~135 Mio. $) bei einer Post-Money-Bewertung von 2,65 Mrd. $ — eine der größten japanischen Finanzierungen des Jahres; Sakana wurde als Japans wertvollstes Startup beschrieben. Unter den Investoren: MUFG, Khosla Ventures, NEA, Lux Capital — und neu In-Q-Tel, die strategische Investmentgesellschaft der US-Geheimdienstgemeinschaft.

✅ Die Ankündigung war zugleich ein Strategiepapier: Sakana stellte öffentlich infrage, ob der weltweite Kapital- und Energieeinsatz für immer größere Modelle nachhaltig sei, und ob Compute-Wettrüsten der richtige Weg für ein rohstoffarmes Japan sei. Die Alternative des Hauses: souveräne KI über Post-Training bestehender Frontier-Modelle, Modell-Fusion und kollektive Intelligenz — plus ein profitabel gedachtes Enterprise-Geschäft.

🟡 Drittquellen (u. a. LATKA) bezifferten die annualisierten Umsätze Ende 2025 auf rund 30 Mio. $ und die Belegschaft auf gut 100 Personen — plausible, aber nicht primär bestätigte Größenordnungen.

Quellen: Sakana AI – Series B · TechCrunch – Series B

Teil III — 2026: Google, Nature, Verteidigung und Fugu

3.1 Google steigt ein (Januar 2026)

✅ Im Januar 2026 investierte Google einen nicht öffentlich genannten Betrag in Sakana; im Gegenzug erhielt Sakana Zugang zu Googles Gemini-Modellen. Damit waren mit NVIDIA (seit der Series A) und Google zwei US-Frontier-Häuser am Tokyoer Labor beteiligt — eine bemerkenswerte Position für ein „souveränes“ japanisches Startup.

🔵 Für Sakana ist das kohärent: Wer Modelle orchestriert und nach-trainiert statt von Grund auf zu trainieren, profitiert von Zugang zu möglichst vielen starken Basismodellen — der Pool ist der Rohstoff.

Quellen: Techmeme – Google × Sakana (22.01.2026) · Sakana AI – Series B (Google als Investor)

3.2 Verteidigung: der erste Vertrag (März 2026)

🟡 Im März 2026 wurde Sakana vom Defense Innovation Science & Technology Institute (unter dem japanischen Verteidigungsministerium / ATLA) für einen mehrjährigen Forschungsvertrag ausgewählt: Grundlagentechnik zur Integration und Schnellanalyse von Daten aus allen Domänen — Land, See, Luft, mit Schwerpunkt auf Drohnen-Inputs. Belegt über einen Post von CEO David Ha und Sekundärquellen; Details des Umfangs sind nicht öffentlich.

🔵 Der Schritt war angekündigt: In der Series-B-Mitteilung hatte Sakana die Ausweitung von Finanzen auf „Verteidigung, Intelligenz und Fertigung“ ausdrücklich genannt. Die In-Q-Tel-Beteiligung und Japans Sicherheitspolitik passen in dasselbe Bild.

Quellen: David Ha auf X – MoD-Auswahl · Learn-AI-Wiki – Sakana AI (Defense)

3.3 The AI Scientist in Nature (März 2026)

✅ Am 26. März 2026 erschien die Gesamtdarstellung des AI-Scientist-Projekts als Open-Access-Paper in Nature — in Zusammenarbeit mit UBC, dem Vector Institute und der Universität Oxford (u. a. Jeff Clune und Jakob Foerster). Das Paper bündelt den Weg von v1 (Template-basiert, ~15 $ pro Paper) über das ICLR-Peer-Review-Experiment bis zu neuen Skalierungsergebnissen.

✅ Zwei neue Ergebnisse stechen heraus: Der Automated Reviewer — ein als Area Chair gepromptetes Ensemble — erreicht bei der Bewertung KI-generierter Papers menschliches Niveau (balancierte Genauigkeit 69 % gegen Tausende menschliche OpenReview-Entscheidungen; F1 über der menschlichen Übereinstimmung des NeurIPS-2021-Konsistenzexperiments). Und die Qualität der generierten Papers skaliert messbar mit den zugrunde liegenden Basismodellen — ein Skalierungsgesetz für automatisierte Wissenschaft.

🔵 Das Paper ist auch ein Governance-Dokument: Sakana benennt die Grenzen (naive Ideen, dünne Methodik, Zitier-Halluzinationen), fordert Normen für KI-erzeugte Forschung und wasserzeicht eigene Papers. Für ein Startup ungewöhnlich viel Wissenschafts-Kommunikation — und strategisch klug: Wer KI-Forschung automatisieren will, braucht das Vertrauen der Forschungsgemeinschaft.

Quellen: Sakana AI – Nature-Ankündigung · Nature – The AI Scientist

3.4 Series-B-Erweiterung: 200 Mio. $, Bewertung 2,7 Mrd. $ (April 2026)

✅ Am 9. April 2026 aktualisierte Sakana die Series-B-Angaben: Die Runde wuchs auf insgesamt 32 Mrd. Yen (~200 Mio. $), die Post-Money-Bewertung auf 432 Mrd. Yen (~2,7 Mrd. $), die kumulierte Finanzierung auf rund 66 Mrd. Yen (~412 Mio. $). Neu in der Liste: Google, Citi, Salesforce Ventures, Mitsubishi Electric, Mouro Capital (Santander), Macquarie Capital, Factorial Funds, Datadog u. a.

Quellen: Sakana AI – Series B (Update 09.04.2026)

3.5 Fugu Beta: der Orchestrierer wird Produkt (April 2026)

✅ Am 24. April 2026 startete Sakana die Beta von Fugu (フグ, Kugelfisch): ein Multi-Agenten-Orchestrierer, der hinter einer einzigen OpenAI-kompatiblen API einen Pool aus Frontier- und Spezialmodellen dirigiert. Ein Koordinator zerlegt die Aufgabe, verteilt Teile an die jeweils passendsten Modelle und verschmilzt die Ergebnisse — von außen sieht das aus wie ein einzelner Modellaufruf. Forschungsbasis: zwei ICLR-2026-Arbeiten des Hauses; die Linie reicht über AB-MCTS bis zum Evolutionary Model Merge zurück.

🟡 Sakana meldete zur Beta Spitzenwerte auf SWE-Pro, GPQA-D und ALE-Bench — durchweg Eigenangaben ohne unabhängige Prüfung.

🔵 Fugu löst das Vermittlungsproblem der Multi-Modell-Welt als Produkt: Der Pool ist austauschbar — wird ein Modell teurer oder fällt weg, tauscht Sakana es aus, ohne dass sich die API ändert. „Supply-Chain-Resilienz by design“ nennt das Haus das; Kunden kaufen ein Ergebnis, kein Modell-Abhängigkeitsrisiko.

Quellen: Sakana AI – Die Fugu-Reise (Rückblick) · El Ecosistema Startup – Fugu-Beta

3.6 DEEP DIVE, Marlin und die Fugu-GA (Mai–Juni 2026)

🟡 Im Mai 2026 kooperierte Sakana Berichten zufolge mit dem Raumfahrt-Analyseunternehmen DEEP DIVE für KI-gestützte Satellitenbild-Auswertung — bislang nur über Sekundärquellen belegt.

✅ Im Juni 2026 stellte Sakana Marlin vor: einen „Ultra Deep Research“-Agenten, der aus großen Dokumentenbeständen Reports von über 100 Seiten in rund acht Stunden erstellt — die kommerzielle Schwester des AI Scientist, adressiert an Unternehmen statt Forschungslabore.

✅ Am 22. Juni 2026 verließ Fugu die Beta: allgemeine Verfügbarkeit plus die stärkere Stufe Fugu Ultra v1. Laut Sakana erreichte die Orchestrierung damit auf harten Benchmarks das Niveau geschlossener Frontier-Modelle (Eigenangabe) — bei bewusster Unabhängigkeit von jedem einzelnen Anbieter.

Quellen: VentureBeat – Marlin · Sakana AI – Die Fugu-Reise · Truescho – Fugu GA · AlphaSignal – DEEP DIVE

Teil IV — Juli–September 2026: Spezialisierung, Chat, Fugu Max und Schmidhuber

4.1 Fugu-Cyber, Claude-Code-Interface und der MoD-Vertrag (Juli 2026)

✅ Im Juli 2026 zeigte Sakana, dass sich die Orchestrierung auf reale Domänen-Workflows spezialisieren lässt: Fugu-Cyber für Cybersecurity-Arbeitsabläufe und ein Claude-Code-Interface, das Fugu in Coding-Umgebungen einbindet.

🟡 Am 29. Juli 2026 schloss das japanische Verteidigungsministerium Berichten zufolge einen Demonstrationsvertrag mit Sakana: KI-gestützte, agentische Auswertung zur Verbesserung der „Informationsfähigkeiten“ der Selbstverteidigungsstreitkräfte. Nach dem Forschungsvertrag vom März der nächste Verteidigungsschritt; Details stammen aus Sekundärquellen.

Quellen: Sakana AI – Die Fugu-Reise · BigGo Finance – MoD-Vertrag (29.07.2026)

4.2 Namazu und Sakana Chat: Fugu für alle (August 2026)

✅ Am 3. August 2026 startete Sakana Namazu: ein japanisch-spezialisiertes LLM-API mit eingebauter Websuche und Code-Ausführung, auf offener Basis für japanische Sprache und Geschäftskontexte abgestimmt — das souveräne Modellangebot im Portfolio. Am 13. August brachte das Sakana-Chat-Update Fugu und die neue Namazu-Generation in die Verbraucher-Oberfläche: Chat ohne API, inklusive Code-Ausführung im Chat. Gleichzeitig begann die Integration von NVIDIAs offenen Nemotron-Modellen in den Fugu-Pool.

🟡 Ebenfalls im August (25.08.) erweiterte Daiwa Securities die Partnerschaft um KI-Werkzeuge fürs Wealth Management (Sekundärquelle).

🔵 Damit war die Produktpyramide komplett: Namazu als souveränes japanisches Basismodell-Angebot, Fugu als Orchestrierungs-API für Entwickler und Unternehmen, Sakana Chat als Verbraucherfläche, Marlin als Enterprise-Research-Produkt.

Quellen: Sakana AI – Blog (Sakana-Chat-Update 13.08.2026) · Fugu AI Guide – Produktliste · Fintech Observer – Daiwa-Erweiterung

4.3 Fugu Max und Fugu Ultra v2: „Orchestrating the Pareto Frontier“ (September 2026)

✅ Am 11. September 2026 veröffentlichte Sakana Fugu Max und Fugu Ultra v2 — zwei Ausprägungen derselben Orchestrierungsarchitektur: Max fragt nach dem besten Ergebnis zum niedrigsten Preis und erweitert dafür den Pool auf die bisher größte Zahl offener und spezialisierter Modelle (inkl. der NVIDIA-Nemotron-Familie); Ultra v2 fragt nach der absoluten Spitzenleistung bei komplexen, mehrstufigen Aufgaben — ohne zwingende Abhängigkeit von den teuersten Frontier-Modellen (im Pool stecken weder Fable 5.1 noch GPT-6 Astra).

✅ Die Kerndaten: 1 Mio. Tokens Kontext, Bild- und PDF-Eingaben, Funktionsaufrufe; Preise $2/$6 pro Mio. Tokens (Max) bzw. $5/$30 (Ultra v2; ab 272K Kontext $10/$45); auch über OpenRouter als sakana/fugu-max verfügbar. Der Dienst wird im EWR nicht angeboten.

🟡 Sakana meldet Bestwerte auf Terminal-Bench 2.1, GPQA Diamond, AA-LCR, GDP.pdf und AutomationBench sowie beim Diagramm-Lesen (Chartography 48,3 gegen 27,3 für Opus 5) — durchweg Eigenangaben. Zwei Caveats gehören dazu: SWEFish ist ein hauseigener Benchmark, und eine unabhängige Messung existiert nicht (Artificial Analysis misst Einzelmodelle, keine Orchestrierung). Zudem kostet die Verteilung Zeit: Der Median bis zur Antwort liegt bei rund 5,4 Sekunden.

🔵 Das Release ist die bisher reinste Form der Sakana-These: Die relevante Frontier sei zweidimensional — Fähigkeit auf einer Achse, Kosten auf der anderen. Statt ein Multi-Billionen-Parameter-Modell für eine einfache Datenabfrage zu verschwenden, entscheidet ein gelernter Dirigent, welche Maschinerie die Aufgabe am günstigsten löst. Nach fünf Monaten war Fugu von der Beta-These zum Enterprise-Produkt gewachsen: Beta (April), GA und Ultra v1 (Juni), Domänen-Spezialisierung (Juli), Verbraucher-Chat und NVIDIA-Pool (August), Max und Ultra v2 (September).

Quellen: Sakana AI – Fugu Max & Ultra v2 · HokAI – Fugu-Preise (Sekundärquelle)

4.4 Nachgetragen: Allianz mit SCSK und Sumitomo, Produkt-Updates und die Frontier Intelligence Group (September 2026)

✅ Am 10. September 2026, einen Tag vor dem Fugu-Max-Release, gaben Sakana, der IT-Dienstleister SCSK und das Handelshaus Sumitomo Corporation eine umfassende Geschäftspartnerschaft bekannt. Vier Felder nennt die Mitteilung: Pilot- und Vollbetrieb von KI in geschäftskritischen Systemen des Finanzwesens und der Fertigung, einen Dienst zur Erkennung und Behebung von Schwachstellen auf Basis von Sakanas Orchestrierungs-KI, gemeinsam entwickelte Unternehmensprodukte sowie Stadtentwicklung und öffentliche Infrastruktur über Sumitomos Netz von mehr als 900 Konzernfirmen. Sakana steht für Forschung und Modelle, SCSK für die Systemintegration, Sumitomo für Geschäftsentwicklung und Marktzugang. Beträge, Laufzeiten oder Beteiligungen werden nicht genannt.

✅ Zwischen Fugu-Max-Release und dem bisherigen Stand dieser Chronik folgten drei Meldungen aus dem Haus: Am 16. September erhielt Marlin ein „Interactive Reading“ (Rückfragen an den fertigen Bericht mit Sprung zur Belegstelle) und einen PowerPoint-Export mit editierbaren Folien; Abrechnung nach Verbrauch, Testphase kostenlos. Am 17. September stellte Sakana den Verbraucher-Chat auf Fugu Max um (Namazu bleibt wählbar) und führte eine Memory-Funktion ein, die Rolle, Projekt und bevorzugte Antwortform über Gespräche hinweg speichert; sie lässt sich in den Einstellungen einsehen und abschalten. Am 18. September stellte das Haus die Frontier Intelligence Group (FIG) vor: ein aus einem wöchentlichen Gespräch zweier Forscher gewachsener interner Zirkel um CTO Llion Jones, der Ansätze jenseits der Transformer-Skalierung verfolgt (Continuous Thought Machines, Augmented Lagrangian Predictive Coding, Sparse Transformers mit NVIDIA, Picbreeder-Experimente) und externe Forscher einlädt.

🔵 Die drei Meldungen zeigen die Arbeitsteilung des Hauses nach dem Fugu-Max-Release: Produkte (Marlin, Chat) werden an Kundenrückmeldungen angepasst, während FIG die Forschungsfreiheit institutionalisiert, die Sakana seit der Gründung als Markenkern pflegt.

Quellen: PR TIMES – Sakana AI × SCSK × Sumitomo (10.09.2026) · Sakana AI – Marlin-Update (16.09.2026) · Sakana AI – Sakana Chat auf Fugu Max (17.09.2026) · Sakana AI – Frontier Intelligence Group (18.09.2026)

4.5 Jürgen Schmidhuber und das RSI Lab (September 2026)

✅ Vorgeschichte: Im Juni 2026 hatte Sakana das RSI Lab (Recursive Self-Improvement) angekündigt, mit einem Plan in vier Stufen: agentennative Modelle statt Chat-Architekturen, der AI Scientist als autonom forschendes System, rekursive Selbstverbesserung (Agenten schreiben, testen und prüfen ihren eigenen Code) und schließlich leistungsfähige KI, die ohne Rechenzentren im Großmaßstab auskommt. Als Risiken nannte Sakana selbst das Abdriften der Evolutionsschleife, Benchmark-Erfolge ohne praktischen Nutzen und Agenten, die unbeabsichtigte Abkürzungen finden. Dieses Labor fehlte in der Chronik bislang.

✅ Am 24. September 2026 gab Sakana bekannt, dass Jürgen Schmidhuber, Miterfinder des LSTM und langjähriger Direktor des Schweizer KI-Labors IDSIA, neben seinen bestehenden Ämtern Chief Scientific Advisor wird und das RSI Lab begleitet. Arbeitsschwerpunkt sind agentennative Weltmodelle für physische KI: Systeme, die die Folgen eigener Handlungen simulieren, Physik und Logistik verstehen und autonome Robotik voranbringen sollen. Schmidhuber will regelmäßig nach Tokyo reisen; Sakana spricht davon, eine „kritische Masse“ führender Forscher in Tokyo zu versammeln. Seine Arbeiten der 1990er zu Weltmodellen und Meta-Lernen zählt das Haus zu den Grundlagen der Darwin Gödel Machine und des AI Scientist. Schmidhuber begründet den Schritt mit Japans Rolle als Ursprung früher neuronaler Architekturen (Kunihiko Fukushima, Shun-ichi Amari) und der Robotik: „Die Zukunft der Intelligenz ist nicht nur Sprache, sondern physische KI auf Basis von Weltmodellen.“

🔵 Eine Beraterrolle ist keine Vollzeitstelle, und ob daraus Produkte folgen, ist offen. Für die Positionierung zählt der Name trotzdem: Nach Llion Jones (Transformer) holt sich Sakana mit Schmidhuber den zweiten Architekten der heutigen KI-Grundlagen ins Haus und richtet die Forschung erkennbar über Sprache hinaus auf physische KI aus.

Quellen: Sakana AI – Welcoming Jürgen Schmidhuber (24.09.2026) · THE DECODER – Schmidhuber zu Sakana (24.09.2026) · heise – RSI Lab gegründet (08.06.2026) · BLOGSPAN – Schmidhuber Chefberater (25.09.2026)

4.6 Japan Startup Award 2026: Preis des Kommunikationsministers (25. September 2026)

✅ Am 25. September 2026 erhielt Sakana beim Japan Startup Award 2026 im Amtssitz der Premierministerin den Preis des Ministers für Inneres und Kommunikation (Sparte Informations- und Kommunikationstechnik), begründet mit „heimischer KI auf Basis der kollektiven Intelligenz der Natur“. Mitgründer und COO Ren Ito nahm den Preis entgegen und sagte, heimische KI solle die Kernindustrien stärken, ohne von riesigen Rechenressourcen abzuhängen. Premierministerin Sanae Takaichi nannte Startups den Wachstumsmotor der japanischen Wirtschaft. Sakana stellte der Regierung nach eigener Angabe unter anderem den Einsatz von KI in Führungs- und Kontrollsystemen (C2) vor.

✅ Der Preis wird von der Regierung getragen, 2026 unter Beteiligung von Wirtschafts-, Verkehrs- und Verteidigungsministerium sowie weiteren Ressorts. Den Hauptpreis der Premierministerin erhielt der Robotik-Anbieter Mujin (physische KI für Logistik und Fertigung); weitere Preisträger waren unter anderem SkyDrive (Verkehr), Oceanic Constellations (Verteidigung), Ubie (Gesundheit), Rapyuta Robotics (Bildung und Wissenschaft) und Oishii Farm (Landwirtschaft).

🔵 Für die Chronik ist das weniger ein Produkt- als ein Positionsereignis: Nach GENIAC-Compute, Innenministerium und Verteidigungsverträgen ordnet die Regierung Sakana nun auch öffentlich der nationalen KI-Strategie zu. Dass die Begründung die Effizienz-Doktrin wörtlich übernimmt, zeigt, wie weit Sakanas Selbstbeschreibung in Tokyo inzwischen Staatsvokabular geworden ist.

Quellen: Sakana AI – 日本スタートアップ大賞2026 (25.09.2026) · Jorudan News – Preisträger 2026 (27.09.2026)

4.7 SAIL: Test-Time-Scaling für Roboter-Imitation (28. September 2026)

✅ Am 28. September 2026 stellte Sakana gemeinsam mit der Universität Tokyo SAIL (Scaling In-Context Imitation Learning) vor. Ein Vision-Language-Modell erhält wenige erfolgreiche Demonstrationen und erzeugt daraus Roboter-Trajektorien; eine Monte-Carlo-Baumsuche verfeinert die Vorschläge anhand von Simulator-Rückmeldung, Trajektorien sind die Knoten, Verfeinerungen die Kanten des Suchbaums. In sechs Manipulationsaufgaben stieg die Erfolgsquote in der Simulation von 25 Prozent (ein Kandidat) auf 73 Prozent (45 Kandidaten); Versuche liefen auch auf einem realen Roboter. Das Paper (arXiv 2603.08269; erste Fassung 9. März, überarbeitet 19. September 2026) stammt von Makoto Sato, Yusuke Iwasawa, Yujin Tang und So Kuroki; das Abstract nennt bis zu 95 Prozent Erfolg bei komplexen Aufgaben.

🔵 SAIL überträgt die Test-Time-Scaling-Logik, die Sakana mit AB-MCTS für Sprachmodelle entwickelt hat, auf Robotik. Zusammen mit Schmidhubers Weltmodell-Auftrag ist das innerhalb einer Woche der zweite Hinweis, dass Sakana die Orchestrierungs-Idee in Richtung physischer KI weiterdenkt. Eine unabhängige Nachprüfung der Robotik-Ergebnisse liegt nicht vor.

Quellen: Sakana AI – SAIL (28.09.2026) · arXiv:2603.08269 – SAIL: Test-Time Scaling for In-Context Imitation Learning with VLM

Einordnung & Wettbewerbsposition

🔵 Sakanas Geschichte lässt sich in vier Thesen bündeln:

Effizienz als Doktrin. Von Evolutionary Model Merge über TAID/TinySwallow bis Fugu: Sakana gewinnt Fähigkeiten aus Kombination, Destillation und Orchestrierung statt aus Roh-Compute. Das ist die japanische Variante der Effizienz-These, die DeepSeek in China mit der V3/R1-Linie global sichtbar machte — bei Sakana zusätzlich mit explizitem Nachhaltigkeits- und Souveränitäts-Framing.
Forschung als Markenkern. Nature Machine Intelligence (Model Merge, 2025), der erste peer-reviewte KI-Paper-Durchbruch (ICLR-Workshop 2025) und die Nature-Publikation des AI Scientist (2026) geben dem Labor eine wissenschaftliche Legitimität, die die meisten gleich großen Startups nicht haben — und die bei staatlichen Auftraggebern zählt. Mit Jürgen Schmidhuber als Chief Scientific Advisor (September 2026) kommt einer der meistzitierten Namen der Disziplin hinzu, und mit RSI Lab, FIG und SAIL verschiebt sich der Forschungsschwerpunkt sichtbar in Richtung Weltmodelle und physischer KI.
Japan als Burg. Megabanken als Investoren und Kunden, GENIAC-Compute, Innenministerium, Verteidigung, dazu Japans Demografie als Nachfrage-Treiber: Sakana hat eine Heimmarkt-Verankerung, die westliche Labore in Japan nicht replizieren können. Das europäische Pendant dieser Souveränitäts-Logik ist Mistral — mit dem Unterschied, dass Sakana bewusst kein eigenes Frontier-Pretraining betreibt. Der Preis des Kommunikationsministers beim Japan Startup Award 2026 und die Allianz mit SCSK und Sumitomo verbreitern diese Verankerung um Staatsvokabular, Handelshaus und Systemintegrator.
Orchestrierung als Geschäftsmodell. Fugu macht aus der Schwarm-Idee ein API-Produkt: austauschbarer Modellpool, ein Endpunkt, Kosten-Leistungs-Optimierung. Das ist zugleich die größte Abhängigkeit — Sakanas Spitzenprodukt steht auf den Modellen anderer (NVIDIA, Google und die offene Community) und lebt davon, dass kein einzelnes Frontier-Modell die Pareto-Front allein dominiert.

Stand 2. Oktober 2026 ist Sakana AI mit rund 2,7 Mrd. $ Bewertung und über 400 Mio. $ kumulierter Finanzierung Japans wertvollstes KI-Startup: wissenschaftlich sichtbar (Nature, Nature Machine Intelligence, ICLR, seit September 2026 mit Jürgen Schmidhuber als Chief Scientific Advisor), kommerziell verankert (MUFG, Daiwa, SCSK und Sumitomo, Marlin, Fugu) und staatlich eingebunden (GENIAC, MIC, Verteidigungsministerium, In-Q-Tel als Investor, Japan Startup Award 2026). Ein globaler Frontier-Modellführer ist Sakana nicht und will es nach eigener Doktrin auch nicht sein — das Haus setzt darauf, dass die nächste Stufe der KI aus Zusammenarbeit vieler Modelle entsteht, nicht aus dem nächsten größeren.

Offene Fragen: Wie belastbar sind die Fugu-Benchmark-Eigenangaben, sobald unabhängige Messungen von Orchestrierungssystemen existieren? Kann Sakana die Latenz der Verteilung senken, ohne die Qualität zu verlieren? Wie weit trägt das „Custom AI“-Modell über Finanzen und Staat hinaus (Fertigung als angekündigte dritte Säule)? Was bedeuten die Verteidigungs-Verträge und In-Q-Tel langfristig für die Positionierung zwischen den USA und Asien? Bleibt der Modellpool (Nemotron, offene Modelle) politisch und kommerziell stabil verfügbar? Wie passt der neue Schwerpunkt auf Weltmodelle und physische KI (RSI Lab, Schmidhuber, SAIL) zur Orchestrierungs-These, und wann wird daraus ein Produkt? Und: Wird der Ansatz „Post-Training statt Pretraining“ auch dann noch tragen, wenn die Frontier-Labore ihre eigenen Orchestrierungs-Schichten bauen?

Quellenverzeichnis

Letzte Aktualisierung: 2. Oktober 2026. Benchmark-, Preis- und Finanzierungszahlen sind teilweise Eigenangaben von Sakana oder Drittdaten; die Verteidigungs- und Satelliten-Berichte stammen überwiegend aus Sekundärquellen. Momentaufnahme; bei neuen Fugu-Releases, unabhängigen Orchestrierungs-Benchmarks oder weiteren Staatsverträgen fortzuschreiben.

Die ausführliche Chronik