Sakana AI Lanzó Sakana Marlin — un Agente para Informes de 100 Páginas con Diapositivas

El laboratorio de IA con sede en Tokio, Sakana AI, presentó el 15 de junio de 2026 a Sakana Marlin — su primer producto comercial, un agente corporativo que prepara de forma autónoma informes de investigación de varias páginas con diapositivas.

Qué Puede Hacer Marlin

El agente trabaja sin participación humana hasta ocho horas en una sola tarea y genera un informe listo para usar de hasta 100 páginas junto con diapositivas de presentación. Para las empresas, esto significa que parte del trabajo analítico rutinario — recopilación de datos, estructuración de conclusiones, preparación de presentaciones — se puede confiar a un solo agente en lugar de un equipo de analistas.

La mayoría de los asistentes de IA corporativos actuales responden preguntas en segundos y trabajan dentro de un único diálogo con un humano. Marlin está diseñado de manera diferente: el cliente formula la tarea, y luego el agente trabaja de forma independiente en ella hasta ocho horas sin indicaciones intermedias, verificando y refinando sus propias conclusiones antes de ensamblarlas en un documento final de docenas de páginas. Este formato es más cercano al trabajo de un analista interno o equipo de consultoría que a un chatbot de diálogo.

• Fecha de lanzamiento — 15 de junio de 2026
• Funcionamiento autónomo — hasta 8 horas en una sola tarea
• Informe final — hasta 100 páginas con diapositivas
• Basado en la tecnología AB-MCTS y el proyecto AI Scientist
• Este es el primer producto comercial en la historia de Sakana AI

La Tecnología Detrás de Esto

Marlin se basa en dos desarrollos internos de Sakana AI. El primero es AB-MCTS (Adaptive Branching Monte Carlo Tree Search), un método de búsqueda de soluciones que el laboratorio utilizó previamente para ayudar a los modelos de IA a explorar y comparar múltiples líneas alternativas de razonamiento en lugar de una respuesta directa. El segundo es la salida del proyecto AI Scientist, un sistema experimental de Sakana AI que previamente demostró la capacidad de formular independientemente hipótesis, realizar experimentos y escribir artículos científicos sin investigadores humanos.

Marlin esencialmente transfiere esa misma lógica del mundo de las publicaciones científicas al mundo de la analítica corporativa: el agente explora opciones, las verifica y, en última instancia, ensambla un documento coherente, excepto que en lugar de un artículo científico, la salida es un informe comercial.

Quién Está Detrás de Sakana AI

Sakana AI fue fundada en 2023 en Tokio por David Ha y Lyon Jones — ex investigadores en Google Brain y Google DeepMind, respectivamente. El nombre de la empresa hace referencia a la palabra japonesa para "pez" y refleja el enfoque del laboratorio: en lugar de un modelo grande, crear enjambres de pequeños agentes especializados que interactúan entre sí como una escuela de peces. Antes de lanzar Marlin, la empresa era conocida principalmente por proyectos de investigación como AI Scientist y métodos para escalar computaciones en tiempo de inferencia, como AB-MCTS, en lugar de productos comerciales terminados.

Durante varios años de trabajo, el laboratorio ha atraído rondas de financiamiento importantes de inversores de riesgo prominentes y se ha convertido en uno de los laboratorios de IA más destacados de Asia — junto con proyectos más jóvenes de Silicon Valley.

Qué Significa

La aparición de Marlin demuestra cómo técnicas de investigación como AB-MCTS transitan rápidamente de experimentos de laboratorio a herramientas comerciales: un agente capaz de trabajar de forma autónoma durante horas y generar un documento al nivel de un informe de consultoría cambia las expectativas de lo que se puede confiar a la IA sin supervisión constante de humanos. El sector de agentes empresariales crece rápidamente: grandes laboratorios uno por uno ofrecen herramientas capaces no solo de responder preguntas, sino de llevar tareas de múltiples horas a un resultado terminado. Marlin es la apuesta de Sakana AI por un lugar en esta carrera, basada en sus propios métodos de investigación en lugar de licenciar modelos de terceros.

Si el formato se generaliza entre los clientes corporativos, el laboratorio tendrá la confirmación de que su apuesta en buscar a través de múltiples soluciones alternativas — en lugar de solo aumentar el tamaño del modelo — funciona más allá de los puntos de referencia científicos.