Sakana AI成立于2023年8月，由两位著名的前谷歌研究人员David Ha和Llion Jones创立，其中Jones是著名的Transformer论文《Attention Is All You Need》的作者之一。
在这篇研究成果中，该公司利用进化算法，成功实现了自动化创建强大的基础模型，这一突破性进展为大型语言模型（LLM）的开发开辟了新路径。传统的模型合并方法虽然成本效益显著，但过度依赖人类直觉和领域知识，限制了其广泛应用。Sakana AI的进化方法通过自动探索多种开源模型的组合，有效克服了这一局限，展现了在参数空间和数据流空间进行优化的能力。
Sakana AI的研究成果中，最引人注目的是其开发的日语数学LLM和具有文化意识的日语VLM。这两款模型在多个基准测试中取得了最先进的性能，尤其是在处理日本文化特定内容方面，显示出超越以往模型的强大能力。这一成就不仅证明了Sakana AI技术的实力，也为开源社区贡献了宝贵的资源，促进了AI技术的进一步研究和开发。
Sakana AI项目的核心在于其多智能体框架，该框架能够将视频生成任务分解为多个子任务，并为每个子任务分配专门的智能体。这种模块化的方法不仅提高了视频生成的灵活性和效率，也为视频内容的多样化和个性化提供了可能。通过自动化的智能体组织和任务分配，Sakana AI能够在不需要额外训练数据或计算资源的情况下，完成从文本到视频的转换，这一过程的创新性和实用性得到了业界的认可。
Sakana AI的实现细节同样令人印象深刻。它不仅利用了GPT-4和Stable Diffusion XL等大型预训练模型，还整合了InstructPix2Pix和Stable Video Diffusion等先进的视频生成模型。这种技术融合使得Sakana AI在视频生成质量和能力上虽然与Sora等领先模型存在差距，但其开放框架设计为AI社区提供了重要的贡献，并鼓励了更多的开发和完善。
尽管Sakana AI在视频数据集的收集、视频生成质量和长度、指令遵循能力以及与人类视觉偏好的对齐方面存在一定的局限性，但其在视频生成技术的发展中迈出了重要的一步。未来的研究可能会探索更复杂的自然语言理解能力、实时反馈循环的集成以及优化计算资源需求，使高级视频生成技术对更广泛的用户和开发者更加可访问。
