Sakana AIs Fugu-Cyber scorer 86,9 prosent på CyberGym, men er stengt i EØS

86,9 prosent av oppgavene i CyberGym løser Fugu-Cyber, ifølge Sakana AI selv. Modellen kom 21. juli 2026 og er ikke en ny frontmodell, men et tredje endepunkt på Fugu-orkestratoren selskapet lanserte en måned tidligere. Fugu er selv en språkmodell: den leser en forespørsel, bygger et agent-oppsett på stedet og delegerer deloppgaver til spesialistmodeller. Rollefordelingen kommer fra TRINITY-arbeidet, der tenker, arbeider og verifikator er egne roller fordelt på flere modeller, og for sikkerhetsarbeid er det verifikator-rollen Sakana peker på: et kandidatfunn valideres av sikkerhetsspesialiserte underagenter før noe forslag går videre.

CyberGym er en benchmark fra UC Berkeley med 1 507 reelle sårbarheter fra 188 OSS-Fuzz-prosjekter. Agenten får en sårbarhetsbeskrivelse og en upatchet kodebase, og må skrive kode som krasjer bygget før patchen, men ikke etter. Da benchmarken var fersk, kom den beste kombinasjonen av agent og modell til rundt 20 prosent. Anthropic rapporterte 83,1 prosent i april 2026, OpenAI 85,6 prosent for GPT-5.5-Cyber. Sakanas tall er altså et lite steg forbi fronten, ikke et hopp.

Det andre tallet tåler mindre vekt. På Microsofts benchmark for deteksjonsutvikling oppgir Sakana 72,1 prosent, over båndet fra 0,624 til 0,685 som Microsofts egen evaluering ga de tre beste oppsettene. Men den benchmarken scores som en trajektorie-belønning mellom 0 og 1, ikke som bestått eller strøket. Sakana kaller det likevel en suksessrate. Begge tallene er selvrapporterte, og ingen har reprodusert dem.

For deg som bygger her hjemme stopper det uansett på tilgangen. API-et tilbys ikke i EU eller EØS mens Sakana jobber mot GDPR-etterlevelse, det finnes ingen åpne vekter, og resten av verden må søke med et skjema der brukstilfellet oppgis og gjennomgås manuelt. Bruken faktureres kun på Token-planen, og abonnementene på 20, 100 og 200 dollar dekker bare Fugu og Fugu-Ultra.

Alle tre satsene dobles over 272 000 tokens kontekst, og en kjøring over en reell kodebase passerer den grensen uten problemer. Retningen betyr likevel noe for deg som bygger: sikkerhetsarbeidet flyttes fra én modell til orkestrering med egen verifikator, og den arkitekturen kan du kopiere med modellene du faktisk har tilgang til.