Sakana AI представила Fugu-Cyber (идентификатор модели: fugu-cyber-v1.0) — специализированный для кибербезопасности эндпоинт в семействе оркестрации Fugu. Вместо того чтобы представить совершенно новую базовую модель, Sakana позиционирует Fugu-Cyber как третий эндпоинт оркестратора Fugu, специально настроенный для задач логического вывода в области безопасности. Оркестратор Fugu был запущен примерно на месяц ранее. Релиз выходит на фоне того, что несколько поставщиков передовых моделей представили киберспециализированные варианты, что отражает корпоративный спрос на автоматизированный анализ уязвимостей и разработку средств обнаружения.

Sakana сообщает, что Fugu-Cyber достигает показателя успешности 86,9% на CyberGym и 72,1% на CTI-REALM, характеризуя результаты как сопоставимые с киберспециализированными передовыми моделями, такими как GPT-5.5-Cyber и Claude Mythos Preview.

Что измеряют бенчмарки

Две оценки направлены на противоположные концы рабочего процесса безопасности.

CyberGym — это бенчмарк UC Berkeley, включающий 1507 реальных уязвимостей в 188 проектах OSS-Fuzz. В его основной задаче агент получает описание уязвимости и непатченный код и должен написать доказательство концепции, которое вызывает сбой сборки до патча, но не после. Именно этот этап проверки делает бенчмарк устойчивым к манипуляциям.

CTI-REALM — это бенчмарк разработки средств обнаружения с открытым исходным кодом от Microsoft. Microsoft отобрала 37 публичных отчётов об угрозах из таких источников, как Datadog Security Labs, Palo Alto Networks и Splunk. Агент должен сопоставить техники MITRE ATT&CK, изучить телеметрию, итеративно составлять KQL-запросы и создавать валидированные правила Sigma. Оценка охватывает конечные точки Linux, Azure Kubernetes Service и облако Azure.

Вместе пара охватывает спектр от «найди и докажи баг» до «преврати разведданные в средство обнаружения» — формулировка, которая является наиболее обоснованной частью анонса Sakana.

Конкурентный контекст на CyberGym

Когда исследователи CyberGym опубликовали свои первоначальные результаты, лучшая пара «агент-модель» достигла примерно 20%. Впоследствии Anthropic сообщила о 83,1% для Claude Mythos Preview в рамках Project Glasswing в апреле 2026 года. OpenAI сообщила о 85,6% для обновлённого GPT-5.5-Cyber по сравнению с 81,8% для стандартного GPT-5.5. Таким образом, показатель 86,9% от Sakana представляет собой небольшой шаг за заявленную границу, а не значительный скачок.

CTI-REALM представляет иную картину. Собственная оценка Microsoft поместила три лучшие конфигурации — все на базе Claude — в диапазон от 0,624 до 0,685. Результат Fugu-Cyber в 72,1% оказался бы выше этого диапазона. Однако следует учесть одну оговорку: CTI-REALM оценивается как траекторное вознаграждение в диапазоне от 0 до 1, а не как доля успешных и неуспешных попыток. Тем не менее Sakana называет этот показатель «уровнем успешности».

Архитектура оркестрации

Fugu сама по себе является языковой моделью, обученной считывать запрос и динамически выстраивать агентную структуру перед делегированием подзадач специализированным моделям в пуле. Подход описан в техническом отчёте Fugu и двух статьях ICLR 2026: TRINITY и Conductor. TRINITY распределяет роли Thinker, Worker и Verifier между несколькими LLM, а Conductor обучает стратегии координации на естественном языке с помощью обучения с подкреплением. Эта модель оркестрации позволяет Sakana заменять базовые передовые модели без переобучения самого эндпоинта, что имеет значение в условиях, когда базовые модели обновляются каждые несколько месяцев.

Для работы в области безопасности исследовательская команда Sakana подчёркивает центральную роль проверяющего (Verifier). Кандидатная уязвимость, обнаруженная одним агентом, проходит валидацию специализированными субагентами безопасности до того, как предлагается какой-либо патч. Маршрутизация моделей остаётся проприетарной, то есть конкретная модель, обрабатывающая каждый шаг, не видна пользователю.

Доступ, политика и ценообразование

Доступ к Fugu-Cyber ограничен по четырём параметрам.

Требуется заявка: Пользователи должны заполнить форму с указанием предполагаемого варианта использования и предоставлением проверенных контактных данных. Команда Sakana рассматривает каждую заявку вручную.

Политика допустимого использования: Модель поставляется с обновлённой политикой AUP, запрещающей наступательное злоупотребление.

Ограничение биллинга: Использование ограничено тарифом Token Plan. Подписочные уровни за $20, $100 и $200 охватывают только Fugu и Fugu-Ultra.

Географическое ограничение: API Fugu недоступен в ЕС или ЕЭЗ, пока Sakana работает над соответствием GDPR.

Ценообразование зафиксировано на уровне $6 за миллион входных токенов, $36 за миллион выходных токенов и $0,60 за миллион кэшированных входных токенов. Все три ставки удваиваются при контексте свыше 272K токенов. Каждая ставка ровно в 1,2 раза превышает ставку Fugu-Ultra, что соответствует фиксированной премии в 20% за эндпоинт кибербезопасности. Поскольку анализ длинных кодовых баз часто превышает 272K токенов, удвоенный тариф не является редким случаем.

Fugu-Cyber запущен 21 июля 2026 года. Оба заявленных результата являются самостоятельно сообщёнными и не прошли независимое воспроизведение. Самостоятельно заявленные результаты бенчмарков — распространённая практика в индустрии ИИ, что делает внешнюю проверку через воспроизведение сообществом или сторонний аудит ключевой вехой, за которой стоит следить. Веса модели не опубликованы. Заявленная позиция Sakana состоит в том, что способный API в сочетании с человеческой экспертизой в области безопасности превосходит только API.