Sakana AI prednjači u bezbednosti sa Fugu-Cyber modelom

Sa rezultatom od 86,9% na CyberGym testu, Fugu-Cyber od Sakana AI sada drži titulu najpreciznijeg AI modela za otkrivanje ranjivosti u kodu. To je neznatno više od 85,6% koje je postigao GPT-5.5-Cyber od OpenAI-a, ali značajan pomak u odnosu na prvobitne rezultate od samo 20% na ovom benchmarku.

Fugu-Cyber nije samostalan model već specijalizovani dodatak Fugu orkestratoru koji je Sakana AI predstavila pre samo mesec dana. Njegova glavna prednost je u sistemu provere gde jedan agent otkriva potencijalnu ranjivost, a drugi je nezavisno proverava pre nego što se predloži rešenje.

Na CTI-REALM benchmarku Microsofta, Fugu-Cyber je postigao 72,1%, što je iznad najboljih rezultata Claude modela (0,685). Međutim, ovde treba biti oprezan - CTI-REALM koristi drugačiji sistem bodovanja koji nije direktno uporediv sa procentualnim uspehom.

Pristup modelu je strogo kontrolisan. Sakana zahteva ručno odobrenje svakog korisnika, zabranjuje bilo kakvu ofanzivnu upotrebu i ne nudi API u EU dok ne reši pitanja u vezi sa GDPR-om. Cene su fiksne: $6 po milion ulaznih tokena, $36 za izlazne i $0,60 za keširane ulaze, što je 20% skuplje od osnovnog Fugu-Ultra paketa.

Zašto su ovi benchmarkovi važni? CyberGym testira sposobnost AI da pronađe i dokaže ranjivosti u stvarnim open-source projektima, dok CTI-REALM proverava sposobnost pretvaranja pretnji u detekcije. Kombinacija ova dva daje kompletnu sliku o modelovim sposobnostima.

Iako su rezultati impresivni, važno je napomenuti da su sve procene same kompanije i još uvek nisu nezavisno verifikovane. Sakana ističe da je kombinacija njihovog API-ja i ljudske ekspertize ključna - tehnologija sama po sebi nije dovoljna.

Sa rastućim brojem cyber pretnji, specijalizovani AI modeli poput Fugu-Cyber mogu postati ključni alat u odbrani, ali pitanje je koliko će brzo kompanije verovati dovoljno da im prepuste kritične zadatke bezbednosti.