Sakana AI, il laboratorio giapponese fondato da alcuni ex ricercatori di Google, ha rilasciato il 21 luglio Fugu-Cyber, un sistema specializzato nella sicurezza informatica che ribalta un'idea diffusa: non e' un nuovo modello di frontiera addestrato da zero, ma un orchestratore che distribuisce i compiti tra piu' modelli forti gia' esistenti, comportandosi verso l'esterno come se fosse un modello unico.
Cos'e' davvero un modello a orchestrazione
Il concetto arriva dal Fugu originale, presentato il 22 giugno. Invece di puntare tutto su un singolo modello, l'orchestratore analizza la richiesta e la instrada verso il modello piu' adatto in un pool di IA di frontiera, combinando le risposte quando serve. E' un sistema multi-agente venduto come fosse un modello: l'utente interagisce con un'unica interfaccia, ma dietro le quinte lavorano piu' motori, ognuno sui compiti in cui rende meglio. Il vantaggio e' pratico: si sfruttano i punti di forza di modelli diversi senza dover addestrare da capo un gigante costosissimo.
I numeri di Fugu-Cyber sulla sicurezza
Fugu-Cyber e' la declinazione di questo approccio per la cyberdifesa. Secondo Sakana AI, raggiunge l'86,9% su CyberGym e il 72,1% su CTI-REALM, due tra i benchmark piu' impegnativi del settore, con risultati comparabili a modelli di frontiera specializzati in sicurezza come GPT-5.5-Cyber e Mythos-Preview. Sono compiti concreti: analisi di vulnerabilita', ricostruzione di minacce, intelligence sugli attacchi. L'idea e' offrire a chi si occupa di sicurezza uno strumento che unisca la potenza dei migliori modelli generali alla specializzazione sul dominio.
Fugu-Ultra v1.1, la spinta del 24 luglio
Nella stessa settimana Sakana ha rilasciato anche Fugu-Ultra v1.1, l'aggiornamento della versione generalista dell'orchestratore. L'azienda dichiara un guadagno fino a 7,9 punti di benchmark rispetto alla v1.0, con i miglioramenti piu' marcati su ProgramBench e Terminal-Bench 2.1, mantenendo invariati i prezzi. E' il segno di una strategia: iterare rapidamente sull'orchestrazione, migliorando le regole con cui il sistema sceglie e combina i modelli sottostanti, invece di inseguire la corsa ai parametri.
Come usarlo
Fugu e le sue varianti sono disponibili in versione generalmente accessibile con piani ad abbonamento e tramite API, secondo quanto indicato da Sakana AI sul proprio sito. Per un team di sicurezza, l'integrazione tipica passa dall'API: si inviano al sistema i dati da analizzare (log, indicatori di compromissione, frammenti di codice sospetto) e si ricevono analisi e ipotesi di attacco. Il consiglio pratico e' partire da un caso d'uso circoscritto, ad esempio il triage automatico degli alert, e valutare i risultati prima di allargare l'adozione. Trattandosi di un servizio cloud che instrada i dati verso piu' modelli, per le informazioni sensibili vanno verificate con attenzione le condizioni sul trattamento e sulla conservazione dei dati.
Perche' l'orchestrazione puo' contare piu' del singolo modello
La proposta di Sakana e' interessante perche' suggerisce una strada alternativa alla logica dominante. Mentre i grandi laboratori spendono miliardi per addestrare modelli sempre piu' grandi, Sakana punta a ottenere prestazioni di frontiera combinando in modo intelligente i modelli che gia' esistono. Se l'approccio reggera' alla prova del campo, potrebbe rendere accessibili prestazioni molto alte anche a chi non possiede l'infrastruttura per addestrare un modello proprio: un modo per democratizzare la fascia alta dell'IA, con la cyberdifesa come primo banco di prova serio.
