实测Sakana Marlin：8小时自主调研出100页报告，深度研究该卷向”小时级”了

你做过行业战略调研吗？打开ChatGPT点一下”深度研究”，等20分钟，拿到十来页综述——读着挺像回事，真要拿去做百万级决策，总觉得”浅了”。6月15日，东京的Sakana AI交出了另一种答案：给它一个题目，它自己闷头跑最多8小时，最后交一份近100页的战略报告，还配好幻灯片。

Sakana Marlin是什么：一个被锁在房间里的”初级战略顾问”

Sakana Marlin是Sakana AI的首款商用产品，6月15日结束从4月开始的封测正式开卖。它的定位很直白——”虚拟首席战略官（Virtual CSO）”，目标客户是金融机构、大公司战略部、咨询公司、智库这类靠”调研—分析—写报告”吃饭的团队。VentureBeat有句话概括得很准：把它想成一个初级战略顾问，被锁在房间里，面前只有一块白板和互联网连接。

这家公司来头不小。联合创始人Llion Jones是Transformer架构起源论文《Attention Is All You Need》的合著者，”Transformer”这个词就是他创造的；另一位创始人David Ha来自Google Brain。公司2025年底完成B轮融资，估值超26亿美元，投资方包括Khosla Ventures、英伟达、谷歌、三菱日联、花旗和Salesforce。4到6月间，约300位各行业专业用户参与了封测，帮它打磨报告格式和质量。

8小时里它在干什么：树搜索+多模型调度+冲突消解

Marlin的底座是Sakana攒了两年的东西：一块是发过Nature的AI Scientist（自动化科研流程），另一块是拿过NeurIPS 2025 spotlight的AB-MCTS（自适应分支蒙特卡洛树搜索）。AB-MCTS听着唬人，干的事其实好懂：它把推理当成一棵树来搜，让好几个模型一起上，自己决定哪条假设值得继续追、哪条直接砍掉、哪条换个模型再试一遍。

底层会跨o4-mini、Gemini 2.5 Pro、DeepSeek-R1等多个模型动态调度——这等于承认没有哪一家前沿实验室能独占所有推理技能。多模型变体在ARC-AGI-2上解决了27.5%的任务，高于o4-mini单独的23%，底层算法已开源为TreeQuest。

那8小时不是空耗：一次会话里它要发起几百到上千次模型调用，反复试、反复推翻、反复重来。当两条分支返回相互矛盾的事实时，Marlin会调用AI Scientist子模块做冲突消解，带显式引用把矛盾reconcile掉。最后，被验证过的发现被组装成一份结构化报告和一份独立生成的幻灯片——两者都能追溯到来源URL，每份报告引用60到80个来源。

Marlin vs OpenAI/Perplexity/Gemini深度研究：不是一个打法

市面上的深度研究大多优化于分钟级推理，Marlin把”思考时间”当成产出质量的杠杆——跑得久，等于想得深，它不抢同一块地。

维度	Sakana Marlin	OpenAI Deep Research	Perplexity Deep Research	Gemini Deep Research
运行时长	最长8小时	5-30分钟	2-10分钟	5-20分钟
输出规模	60-100页报告+幻灯片	Markdown答案	引用文章	结构化简报
目标客群	CSO/战略部/咨询/智库	知识工作者	研究员/分析师	工作区用户
来源数量	60-80个	未明确	较多	较多
自主度	全程无人值守	半自主	半自主	半自主
价格	约9800元/次起	含在订阅	含在订阅	含在订阅

价格上分了几档：按量付费100积分/次、98元/积分（约9800元/次，折合66美元）；Pro版15万元/月含2000积分（约1000美元/月）；Team版40万元/月含6000积分（约2700美元/月）；企业版定制。一次同等深度的战略咨询动辄六位数，Team版一个月能产出约60份报告，比一个初级顾问还便宜——这正是Sakana插进咨询行业的价格楔子。

优缺点：8小时无人值守，谁来兜底那几个错

优点：

1. 时长杠杆独一份：把”思考时间”当质量杠杆，8小时级的长时自主研究目前没有直接竞品。
2. 输出可上会：100页报告+配好的幻灯片，能直接进战略评审会，不用再排版。
3. 多模型不绑定：AB-MCTS跨多家模型调度，哪家用哪家的强项，也降低单一供应商风险。
4. 引用可追溯：60-80来源+AI Scientist冲突消解，每条结论能回溯到URL，不是凭空生成。

缺点：

1. 藏得很深的AI错误：8小时无人值守产出的权威感报告，任何人都难逐条fact-check，错一个数代价不小。
2. 价格门槛高：9800元/次起步，个人和小团队用不起，本质是B2B产品。
3. 需要人工复核闭环：企业部署必须给每次运行加一个人工review检查点，”agent干活，但治理决定它能不能上线”。
4. 长任务不确定性：8小时里网络抖动、模型限流、来源失效都可能让某条分支白跑，容错还在打磨。

适合谁：战略部/咨询/智库，个人先观望

如果你是金融机构、大公司战略部、咨询公司或智库，靠重型调研吃饭又最怕慢——Marlin值得认真评估，它可能是第一个真正动摇咨询行业成本结构的东西。如果你是个人或小团队做内容、做投研，先用OpenAI/Perplexity/Gemini的深度研究足够，等Marlin出现更便宜的按量档或免费试用再考虑。想了解”AI定时替你上班”的另一条路，可以看看我们之前实测的Grok Automations和吴恩达OpenWorker。

长时自主Agent的时代已经开局，”深度研究”正在从分钟级卷向小时级——这一次，卷的不是更快，而是更深。