Что такое Sakana Marlin
Marlin – это автономный исследовательский агент для предприятий, позиционируемый как Virtual CSO (Chief Strategy Officer). Вы задаёте одну тему, а система работает от четырёх до восьми часов, формируя полноценный отчёт (до 100 страниц) и набор слайдов. За один запуск генерируется сотни‑тысячи запросов к LLM.
Технология в основе: AB‑MCTS
Ключевой механизм – Adaptive Branching Monte Carlo Tree Search (AB‑MCTS). Алгоритм рассматривает рассуждение как дерево поиска: на каждом шаге выбирает, расширять ли ветку (wider) или углублять уже promising вариант (deeper). Вариант Multi‑LLM позволяет маршрутизировать отдельные шаги к разным моделям (o4‑mini, Gemini 2.5 Pro, DeepSeek‑R1), что в экспериментах повышает качество решений на ≈ 4 %.
Вторая составляющая – автоматизация рабочего процесса, основанная на проекте Sakana AI Scientist, опубликованном в Nature.
Сравнение с аналогами
Marlin ориентирован не на скорость, а на глубину исследования. Таблица сравнивает типичные сроки и выводы.
- Sakana Marlin – до 8 часов, отчёт 60‑100 стр., слайды.
- OpenAI Deep Research – минуты‑десятки минут, текстовый отчёт.
- Perplexity Deep Research – несколько минут, короткий ответ.
- Google Gemini Deep Research – минуты, текстовый отчёт.
Вы платите за более длительный и интенсивный процесс, получая готовый к использованию материал.
Стоимость
Система работает по модели «pay‑as‑you‑go» и подпискам:
- Оплата за запуск – 100 кредитов, ¥98 за кредит.
- Pro – ¥150 000/мес, 2 000 кредитов.
- Team – ¥400 000/мес, 6 000 кредитов.
- Enterprise – индивидуальная pricing.
Практические сценарии
- Выход на новый рынок: оценка рынка стейблкоинов в Японии после регулирования.
- Анализ рисков: моделирование сценариев блокировки пролива Хормуз.
- Конкурентный анализ: профилирование трёх главных конкурентов и построение дорожной карты.
Каждый сценарий реализуется одним запросом и автономным запуском; конечный продукт – отчёт + презентация, требующие лишь финального человеческого контроля.
Попробовать ядро алгоритма: TreeQuest
Сам Marlin нельзя развернуть локально, но открыт исходный код AB‑MCTS – проект TreeQuest (Apache 2.0). Ниже пример на Python, заменяющий случайный скоринг на оценку LLM.
import random
import treequest as tq
def generate(parent_state):
if parent_state is None:
new_state = "Initial draft"
else:
new_state = f"Refined: {parent_state}"
score = random.random() # заменить на вызов LLM‑judge
return new_state, score
algo = tq.ABMCTSA()
search_tree = algo.init_tree()
for _ in range(10):
search_tree = algo.step(search_tree, {"generate": generate})
best_state, best_score = tq.top_k(search_tree, algo, k=1)[0]
print("BEST:", best_state, round(best_score, 3))
С помощью TreeQuest можно собрать собственный прототип долгосрочного поиска, добавить checkpoint‑ing и мульти‑модельный роутинг.
Сильные и слабые стороны
Плюсы
- Научные публикации: AB‑MCTS (NeurIPS 2025) и AI Scientist (Nature).
- Готовый к использованию результат – отчет с источниками и слайдами.
- Адаптивное распределение вычислительных ресурсов.
- Открытый код ядра позволяет исследовать метод.
Минусы
- Длительное время выполнения (часов vs минут).
- Необходима человеческая проверка итогового материала.
- Ценообразование рассчитано на крупные организации.
- Сам продукт закрыт; открыта лишь его алгоритмическая часть.
Главные выводы
- Marlin автоматизирует исследовательскую работу до 8 часов, генерируя отчёт до 100 стр. и набор слайдов.
- Технология построена на AB‑MCTS и workflow‑автомата AI Scientist.
- Стоимость стартует от ¥98 за кредит; доступны тарифы Pro и Team.
- Идеально подходит для команд стратегии, финансов, консалтинга и think‑tank‑ов, которым нужен глубокий, проверенный анализ.
