Sakana AI ha establecido formalmente su Laboratorio de Mejora Recursiva Autónoma (RSI), un grupo de investigación dentro de la empresa japonesa de inteligencia artificial cuyo objetivo es rediseñar el propio proceso de desarrollo de IA mediante IA. El laboratorio busca transitar desde una I+D estática y dirigida por humanos hacia motores de inteligencia autónomos y auto-mejorables, con un énfasis particular en métodos eficientes en muestras que no dependan de clústeres de cómputo masivos.
El laboratorio se apoya en un portafolio de hitos de investigación acumulados durante dos años que, según la compañía, ha desplazado al sector desde heurísticas diseñadas manualmente hacia bucles de optimización evolutiva autónoma. Entre los proyectos clave figuran LLM-Squared (2024), desarrollado con las universidades de Oxford y Cambridge, que permitió a modelos de lenguaje inventar formas de entrenar a otros modelos de lenguaje; la Darwin Gödel Machine (2025), una colaboración con la Universidad de Columbia Británica que duplicó el rendimiento de ingeniería de software en el benchmark SWE-bench con una mejora absoluta de 30 puntos porcentuales; ShinkaEvolve (2025), que resolvió problemas complejos de optimización con solo 150 muestras; ALE-Agent (2025), que quedó en primer lugar entre 804 participantes humanos en el AtCoder Heuristic Contest 058; Digital Red Queen (2026), una colaboración con el MIT sobre coevolución adversarial en Core War; y The AI Scientist (2024-2026), un sistema de descubrimiento científico completamente automatizado reconocido con una publicación en la revista Nature en marzo de 2026.
Sakana presenta su trabajo como una apuesta por una "IA soberana" para Japón y sostiene que la mejora recursiva alcanzable con cómputo modesto y eficiente en muestras podría democratizar el desarrollo de IA frontera para países que no pueden competir en escala de clúster con los hyperscalers.