Sakanas Fugu-Cyber schlägt GPT-5.5 bei Sicherheits-Benchmarks — und liefert gleich eine Realitätsprüfung mit

Der Spannungsbogen: Ein japanisches KI-Labor beweist, dass man kein Billionen-Parameter-Modell braucht, um in der Cybersicherheit zu gewinnen

In der Welt der KI-gestützten Cyberabwehr galt lange die einfache Regel: Größere Modelle gewinnen. GPT-5.5-Cyber. Claude Mythos. Der Billionen-Parameter-Club.

Sakana AI hat diese Orthodoxie gerade erschüttert. Das Tokioter Startup, dessen Name auf Japanisch „Fisch“ bedeutet und dessen Forschung sich von natürlichen Evolutionsprozessen inspirieren lässt, hat Fugu-Cyber veröffentlicht — ein Orchestrierungsmodell, das auf Unternehmenssicherheits-Benchmarks mit Frontier-Systemen mithalten kann, ohne ein eigenes großes Foundation-Modell zu trainieren.

Die Zahlen sind beeindruckend: 86,9 % bei CyberGym (einem Benchmark für Schwachstellenverifikation in komplexen Codebasen) und 72,1 % bei CTI-REALM (das die Fähigkeit testet, rohe Bedrohungsinformationen in funktionierende Erkennungsregeln umzuwandeln). Damit liegt Fugu-Cyber auf Augenhöhe mit OpenAIs GPT-5.5-Cyber und Anthropics frisch wiederzertifiziertem Claude Mythos-Preview.

Doch die interessantere Geschichte ist nicht der Benchmark-Wert. Es ist die Realitätsprüfung, die Sakana daran gehängt hat.

Ein Multi-Agenten-System, kein Mega-Modell

Fugu-Cyber ist kein einzelnes großes Sprachmodell. Es ist eine Orchestrierungsschicht — ein System, das über einem Pool spezialisierter Teilagenten sitzt und Aufgaben dynamisch an das richtige Werkzeug für jeden Schritt eines Sicherheitsworkflows weiterleitet.

»Wie unser ursprüngliches Fugu-Orchestrierungsmodell ist Fugu-Cyber ein Multi-Agenten-System, das sich wie ein einzelnes Modell verhält«, erklärte Sakana in seinem Blogbeitrag. »Sie senden eine Anfrage an einen Endpunkt, und das System orchestriert dynamisch einen Pool spezialisierter Agenten, um komplexe, mehrstufige Aufgaben ohne das Risiko einer Single-Vendor-Abhängigkeit zu bewältigen.«

Diese architektonische Entscheidung ist der Kern von Sakanas Philosophie: Statt auf Skalierung zu setzen (größere Transformer-Modelle mit mehr Parametern und mehr Trainingsrechenleistung), konkurriert das Unternehmen über Orchestrierung — das Zusammenfügen kleinerer, spezialisierter Modelle auf eine Weise, die Ergebnisse auf Frontier-Niveau produziert.

Der Ansatz eignet sich besonders gut für die Cybersicherheit, wo Arbeitsabläufe von Natur aus mehrstufig sind: eine Anomalie erkennen, sie mit Bedrohungsinformationen korrelieren, die betroffene Codebasis analysieren, die Schwachstelle verifizieren und eine Abhilfemaßnahme empfehlen — jeder Schritt erfordert potenziell eine andere spezialisierte Fähigkeit.

Die Realitätsprüfung, die Sakana gelesen haben will

Tiefer in der Ankündigung findet sich ein Abschnitt mit dem Titel »Die Realitätsprüfung zu Frontier-Cyber-Fähigkeiten« — und hier macht Sakana sein provokantestes Argument.

»Hohe Punktzahlen bei einer Evaluierung zu erzielen, ist erst der Anfang der Geschichte«, schreibt das Unternehmen. »In letzter Zeit gab es viel Angstmache über die Cyber-Fähigkeiten von Frontier-Modellen. Ein Großteil der Branchenerzählung suggeriert, dass der Zugang zu einem Frontier-Modell mit Cyber-Fähigkeiten die Sicherheitsherausforderungen eines Unternehmens sofort lösen wird.«

Sakana nimmt kein Blatt vor den Mund: »Wir glauben, es ist an der Zeit, dieses Gespräch auf den Boden der Tatsachen zurückzuholen.«

Unter Berufung auf einen aktuellen Nikkei-Digital-Governance-Bericht stellt das Unternehmen fest, dass große Organisationen — »darunter große Finanzinstitute« — selbst die leistungsfähigsten Frontier-Cyber-Modelle oft nur schwer operationalisieren können. Ohne spezialisiertes internes Fachwissen und tiefe Integration in proprietäre Codebasen und Infrastruktur verwandelt ein GPT-5.5-Cyber- oder Mythos-Zugang nicht magisch die Sicherheitslage eines Unternehmens.

Das ist eine selbstbewusste Botschaft eines Unternehmens, das gerade ein frontier-konkurrenzfähiges Cyber-Produkt ausgeliefert hat: Das Werkzeug allein reicht nicht. Das Ökosystem darum herum — Integration, Talent, Prozesse — ist genauso wichtig.

Zugang nur nach manueller Genehmigung

Fugu-Cyber ist jetzt als neuer API-Endpunkt unter sakana.ai/fugu verfügbar, aber der Zugang erfordert einige Hürden. Das Unternehmen schränkt den Zugang durch manuelle Genehmigung, eine defensive Nutzungsrichtlinie und den Token-Plan (Sakanas Preissystem) ein.

Dies spiegelt die Zugangsbeschränkungen von GPT-5.5-Cyber und Anthropics Mythos wider — eine Anerkennung, dass leistungsstarke Cyber-Fähigkeiten, selbst in defensiven Händen, Dual-Use-Risiken bergen. Ein Modell, das Codebasen auf Schwachstellen analysieren kann, kann auch verwendet werden, um ausbeutbare Lücken zu finden. Die defensive Nutzungsrichtlinie soll sicherstellen, dass das Werkzeug in den Händen der Verteidiger bleibt.

Nicht alle sind überzeugt

Tech Times stellte Fragen zum Fehlen einer offengelegten Benchmark-Methodik in Fugu-Cybers Ankündigung und wies darauf hin, dass eine unabhängige Überprüfung der Werte von 86,9 % und 72,1 % noch nicht verfügbar ist. Sakana hat weder das vollständige Evaluierungssetup noch die Datensatzaufteilungen oder Reproduzierbarkeitsdetails veröffentlicht, die eine Drittanbieter-Validierung ermöglichen würden — ein häufiges Problem in der sich schnell bewegenden KI-Benchmark-Landschaft.

Auch der Vergleich mit GPT-5.5-Cyber ist mit Vorsicht zu genießen. OpenAIs Cyber-Modell wurde für Red-Teaming und offensive Sicherheitstests entwickelt, während Fugu-Cybers Benchmarks auf defensive Unternehmensworkflows abzielen. Die beiden Modelle bedienen sich überschneidende, aber unterschiedliche Anwendungsfälle.

Was das für die KI-Sicherheitslandschaft bedeutet

Sakanas Ansatz stellt einen echten dritten Weg in der KI-Entwicklung dar. Während amerikanische Labore um Skalierung wetteifern (OpenAI, Anthropic, Google) und chinesische Labore versuchen aufzuholen (Alibabas Qwen, DeepSeek), setzt Sakana darauf, dass Orchestrierung — nicht Skalierung — in spezialisierten Bereichen gewinnt.

Wenn sich Fugu-Cybers unabhängige Benchmarks bestätigen, reichen die Auswirkungen weit über die Cybersicherheit hinaus. Derselbe Multi-Agenten-Orchestrierungsansatz könnte auf juristische Analysen, medizinische Diagnosen, Finanzmodellierung oder jeden Bereich angewendet werden, in dem komplexe Workflows die Koordination mehrerer spezialisierter Fähigkeiten erfordern.

Das japanische KI-Ökosystem wurde in der globalen Diskussion, die von US-amerikanischen und chinesischen Laboren dominiert wird, lange unterschätzt. Sakana — unterstützt von Investoren wie Lux Capital und einem Team ehemaliger Google-Brain-Forscher — macht deutlich, dass Japans KI-Zukunft nicht davon abhängt, die Rivalen auszustechen, sondern sie auszudenken.

Quellen

• Sakana AI: Fugu-Cyber Release (Offizieller Blogbeitrag)
• MarkTechPost: Sakana AI Releases Fugu-Cyber
• Tech Times: Sakana AI Fugu-Cyber Claims 86.9 % Vulnerability Score; Benchmark Methodology Not Disclosed
• AIBase: Japan's Sakana AI Releases Fugu Cyber
• Sakana AI: Fugu 1.1 mit Claude Code Interface