Sakana AI a publie Fugu-Cyber, une version specialisee en cybersecurite de son modele d’orchestration Fugu qui presente un systeme multi-agent sous forme de point d’acces API unique. La publication du 21 juillet est moins remarquable pour ses scores de reference (qui correspondent aux modeles de cybersecurite dedies des grands laboratoires) que pour l’argument structurel qu’elle avance sur l’endroit ou la valeur de l’IA appliquee s’accumule.
Fugu-Cyber n’est pas un modele autonome. Il se positionne au-dessus de l’orchestrateur Fugu existant de Sakana, qui achemine les taches a travers un pool dynamique de sous-agents specialises. L’orchestrateur attribue les roles, penseur, travailleur, verificateur, a differents agents selon la tache, et c’est la couche de verification que Sakana considere comme rendant le systeme adapte au travail de securite. Une vulnerabilite candidate identifiee par un agent est validee par des sous-agents specialises en securite avant qu’une recommandation ne soit deliverree.
La societe rapporte un taux de reussite de 86,9 pour cent sur CyberGym, un benchmark de UC Berkeley qui evalue la capacite d’un modele a analyser des vulnerabilites reelles a travers 1 507 cas de test provenant de projets open-source. Sur CTI-REALM, qui mesure la capacite d’un modele a traduire des renseignements bruts sur les menaces en regles de detection fonctionnelles, Fugu-Cyber obtient 72,1 pour cent. Sakana decrit ces resultats comme comparables a GPT-5.5-Cyber et Claude Mythos Preview, les variantes de cybersecurite dediees des grands laboratoires frontieres.
Mais la communication de Sakana est prudente dans la fixation des attentes. La societe avertit explicitement de ne pas traiter les modeles frontieres (y compris le sien) comme des solutions de securite cle en main. Un rapport recent cite par la societe a revele que les grandes institutions financieres japonaises peinent a operationaliser meme les modeles d’IA les plus avances sans talents internes specialises et integration profonde dans l’infrastructure de securite existante. Les modeles bruts deployes isolement, selon l’argument, ont tendance a generer des faux positifs et a ne pas comprendre le contexte des environnements de production reels.
L’acces a Fugu-Cyber est controle : les utilisateurs potentiels doivent soumettre une candidature decrivant leur cas d’usage prevu, et chaque candidature est examinee manuellement. Le modele fonctionne sous une Politique d’Utilisation Acceptable mise a jour qui interdit les utilisations offensives. La facturation s’effectue via un Plan de Jetons distinct des niveaux d’abonnement standard de Sakana, et l’API n’est pas disponible dans l’UE ou l’EEE pendant que la societe travaille a la conformite RGPD.
L’implication pratique pour les equipes de securite d’entreprise est que Fugu-Cyber est positionne comme un composant au sein d’un flux de travail plus large, et non comme un remplacement des analystes humains. L’equipe Applied Enterprise de Sakana construit les harnesses d’integration et les pipelines de verification qui connectent la capacite de raisonnement du modele aux operations de securite existantes d’une organisation.
La tendance plus large est conforme a un changement visible dans plusieurs domaines de l’IA : a mesure que les capacites des modeles frontieres convergent, l’unite d’avantage concurrentiel se deplace de l’acces brut au modele vers la couche d’orchestration, de verification et d’integration specifique au domaine construite au-dessus. Fugu-Cyber est une instance concrete de cet argument applique a la cybersecurite.
Traduit par Lydie
Sources : Introducing Fugu-Cyber (Sakana AI, 21 juillet 2026) ; Sakana AI Releases Fugu-Cyber (MarkTechPost, 25 juillet 2026) ; Sakana AI’s Fugu-Cyber Positions Orchestration as Enterprise Security Moat (FourWeekMBA, 21 juillet 2026)