Создание ИИ-агентов нового типа: Sakana Marlin работает 8 часов и выдаёт отчёт на 100 страниц

Создание ИИ-агентов для бизнеса переходит от помощников-чатботов к автономным исследователям. Sakana AI, известная публикациями в Nature и на NeurIPS, превратила свои академические наработки в платный продукт для корпораций. Партнёрами компании уже стали японский банковский гигант MUFG и Citigroup, который вошёл стратегическим инвестором.

Как Marlin строит отчёт?

Marlin не отвечает на вопрос мгновенно, как обычный чатбот. Вы задаёте одну тему или вопрос. Дальше агент действует сам: формулирует гипотезы, ищет источники в открытом интернете, проверяет найденное и собирает результат в структурированный документ с основным текстом, списком литературы и приложениями. Презентационные слайды генерируются с помощью ИИ для создания изображений.

В основе лежит алгоритм AB-MCTS (Adaptive Branching Monte Carlo Tree Search, адаптивный древовидный поиск Монте-Карло). Проще говоря, это как шахматный движок, который на каждом шаге решает: взять новую ветку рассуждения (расширить поиск) или углубить уже перспективную. Обычные системы просто генерируют много вариантов параллельно и надеются, что хоть один окажется верным. AB-MCTS тратит ресурсы прицельно на лучшие ветки.

Алгоритм умеет подключать разные языковые модели к разным шагам рассуждения. В экспериментах Sakana AI на задачах ARC-AGI-2 связка o4-mini, Gemini 2.5 Pro и DeepSeek-R1 решила около 27,5% задач, тогда как o4-mini в одиночку справилась примерно с 23%.

Что обнаружили во время бета-теста?

• Глубина вместо скорости работает. Около 300 специалистов в закрытой бете тестировали Marlin на реальных задачах: формулирование стратегий, анализ рынков, оценка рисков, конкурентный анализ.
• Отчёты действительно объёмные. На пресс-показе документы содержали от 60 до 100 страниц с 60-80 источниками, это не пересказ «Википедии», а структурированное исследование с гипотезами и выводами.
• Кредиты расходуются, даже если вы отменили запуск. Одна сессия выбирает от сотен до тысяч обращений к языковым моделям, и стоимость ощутима: минимум 100 кредитов за запуск при pay-as-you-go.
• Ядро алгоритма открыто. Sakana опубликовала AB-MCTS как библиотеку TreeQuest под открытой лицензией Apache 2.0. Любой разработчик может установить её, задать свою функцию оценки и запустить древовидный поиск.

Что это значит для вас?

Авторам Дзена и копирайтерам. Marlin показывает новую планку генерации длинных исследовательских текстов. Если вы пишете аналитику, обзоры рынков или разборы, присмотритесь к TreeQuest: это открытый код, и его можно адаптировать под свои задачи уже сейчас, не дожидаясь русской версии Marlin. Настроить оценочную функцию на русскоязычные источники реально хоть завтра.

Маркетологам. Конкурентный анализ, который обычно занимает неделю у аналитика, Marlin сжимает в часы. Но ¥150 000 (примерно 95 000 рублей) в месяц за Pro-подписку, это бюджет уровня среднего агентства. Экономика имеет смысл, если стратегические отчёты у вас регулярная задача, а не разовый запрос.

Предпринимателям в РФ и СНГ. Marlin пока заточен под японский и английский рынки. Русскоязычных отчётов и локальных регуляций он не знает. Из доступных в России инструментов для глубокой аналитики через ИИ можно пробовать YandexGPT и GigaChat с ручной оркестрацией промптов, но автономного восьмичасового агента-стратега на русском языке пока нет. Именно здесь открытый TreeQuest даёт шанс: его можно развернуть локально и подключить к нужным моделям.

Создание ИИ-агентов уровня «виртуальный директор по стратегии» перестало быть лабораторной концепцией. Marlin уже работает, уже платный, а его ядро уже в открытом доступе. Кто первым адаптирует эту механику под русскоязычный рынок, получит преимущество, которое конкуренты не скопируют за вечер.

По материалам MarkTechPost