Sakana AI MASS: il modello che migliora imparando dal proprio team di subagenti

Un modello che risolve un problema, poi si occupa anche di migliorare il modo in cui lo risolve e infine giudica se il risultato è buono. Sembra un circolo chiuso, ed è esattamente il punto di MASS, il nuovo lavoro di Sakana AI presentato il 12 ottobre 2026. Il laboratorio giapponese propone un metodo di miglioramento ricorsivo in cui un solo modello open-weights, da circa 27 miliardi di parametri, impara dall’esperienza collettiva di una squadra di subagenti virtuali che è lui stesso a coordinare.

Se ti occupi di agenti, di fine-tuning o semplicemente vuoi capire dove sta andando la ricerca sull’auto-miglioramento, vale la pena leggere con calma cosa dichiara la pagina ufficiale di Sakana AI e, soprattutto, cosa lascia aperto.

Che cos’è MASS e come funziona

MASS sta per Multi-Agent Self-Supervision, cioè auto-supervisione multi-agente. Il paper si intitola “Recursive Self-Improvement through Multi-Agent Self-Supervision” ed è firmato da Hyunin Lee, Jinglue Xu, Jeffrey Seely e Yujin Tang, con la collaborazione di ricercatori dell’Università di Berkeley, tra cui Matei Zaharia. Il preprint su arXiv e il codice su GitHub sono pubblici.

L’idea di fondo è semplice da enunciare. Un unico modello condiviso svolge tre mestieri diversi, e li svolge dentro un ciclo che si ripete.

I tre ruoli dello stesso modello

Il primo ruolo è quello di chi risolve, che Sakana chiama optimizee: il modello affronta i compiti affidandoli a un team di subagenti virtuali, ciascuno con una parte del lavoro. Il secondo è l’optimizer, che cerca flussi di lavoro multi-agente migliori, cioè modi diversi di organizzare la squadra. Il terzo è l’evaluator, che giudica i risultati e sceglie quali flussi di lavoro tengono davvero.

Il punto chiave è che i tre ruoli sono interpretati dallo stesso modello. Non c’è un supervisore esterno, né un modello più grande che fa da maestro.

Il ciclo di addestramento

A ogni ciclo il sistema genera esecuzioni di team, seleziona le migliori e riaddestra il modello condiviso proprio su quelle esecuzioni. In pratica l’esperienza collettiva della squadra viene distillata di nuovo dentro il singolo modello, che al giro successivo parte da un livello più alto. Nell’esperimento descritto i cicli sono due, con compiti di ricerca aperti e sintetici usati per l’addestramento.

Chi segue il tema dei sistemi che si migliorano da soli riconoscerà il filone. Se vuoi un quadro più ampio, ne abbiamo parlato in questo approfondimento su Anthropic e l’AI che costruisce se stessa.

I risultati dichiarati

Secondo Sakana, dopo il secondo ciclo il punteggio per token di output arriva a un valore compreso tra 1,2 e 1,6 volte quello del modello di partenza, misurato su quattro benchmark di ricerca. Il parametro scelto non è la sola accuratezza: conta quanto rendimento si ottiene per ogni token generato, quindi un misto di qualità ed efficienza.

Va detto con chiarezza che la pagina non nomina i quattro benchmark e non confronta MASS con altri metodi, se non con il modello base. Alcune ricostruzioni giornalistiche parlano di una famiglia Qwen3.6 per il modello usato e di cifre più alte su singoli test, ma il dato verificabile sulla fonte primaria resta l’intervallo da 1,2 a 1,6 volte. Per i numeri puntuali conviene aprire il paper.

Un risultato, comunque, è più interessante del numero stesso.

Tre osservazioni che contano

La prima riguarda la generalizzazione tra ruoli. Addestrando il modello solo con i dati di risoluzione dei compiti, cioè quelli del ruolo optimizee, migliorano anche le capacità di optimizer ed evaluator. Il modello, in altre parole, diventa più bravo anche a progettare squadre e a giudicare i risultati, senza che nessuno gli abbia insegnato direttamente a farlo.

La seconda è che i dati multi-agente risultano più efficienti di quelli a singolo agente. Le traiettorie prodotte da un team trasportano più informazione utile per l’auto-miglioramento di quelle di un solo agente che lavora da solo.

La terza è forse la più utile per chi progetta questi sistemi: il collo di bottiglia, secondo gli autori, è la capacità dell’optimizer e non quella dell’evaluator. Se vuoi accelerare il miglioramento, conviene investire nella parte che inventa nuovi flussi di lavoro, più che in quella che li valuta.

Perché questo approccio è diverso

Gran parte dei sistemi di auto-miglioramento di cui si discute oggi si appoggia a un giudice esterno: un modello più forte, un insieme di test automatici, oppure revisori umani. MASS prova a togliere questa stampella e a chiudere il cerchio dentro un solo modello. È una scelta ambiziosa, perché sposta il problema dalla scrittura di buoni dati alla qualità del giudizio interno.

C’è poi il tema dell’efficienza. Usare un solo modello da 27 miliardi di parametri, di quelli che si possono far girare anche in locale con una buona macchina, abbassa la barriera d’ingresso per chi vuole replicare l’esperimento. Su questo fronte può esserti utile il nostro articolo su il modello aperto da 27 miliardi di parametri di Alibaba.

Il legame con gli agenti reali

Che il lavoro avvenga tramite subagenti non è un dettaglio. Oggi la maggior parte dei prodotti agentici, dai sistemi di programmazione a quelli di ricerca, divide un compito in parti affidate a istanze diverse dello stesso modello. MASS suggerisce che proprio quelle esecuzioni, normalmente scartate dopo l’uso, siano una miniera di dati di addestramento di qualità.

Per un team che costruisce agenti questo significa una cosa pratica: conserva i log delle esecuzioni migliori, perché potrebbero valere più di un dataset costruito a mano.

Il rischio dichiarato dagli stessi autori

Sakana non presenta MASS come una soluzione priva di insidie. Gli autori scrivono che il miglioramento ricorsivo omogeneo, quello in cui il modello è anche il proprio valutatore, va studiato con attenzione. Se tutti i ruoli condividono gli stessi punti ciechi, un errore può passare per progresso e venire rafforzato a ogni ciclo di addestramento.

Il pericolo è concreto e ha un nome noto in ambito di sicurezza: un sistema che si valuta da solo può convincersi di migliorare mentre peggiora in modo sottile. Per questo il gruppo invita a capire questi modi di fallimento e a mantenere la possibilità di rilevare e intervenire.

Sul tema della revisione degli errori fatta da modelli, il sito ha già raccontato un altro lavoro del laboratorio, il revisore AI multilivello di Sakana contro gli errori nei paper, che mostra quanto il tema della valutazione sia centrale per tutta la ricerca del gruppo.

Cosa manca ancora

La pagina ufficiale lascia fuori diversi elementi che per una valutazione seria servirebbero. Non indica il numero di subagenti, il metodo di ricerca dei flussi di lavoro, i criteri di selezione, i costi di calcolo né l’accuratezza dell’evaluator. Non dice nemmeno se i risultati reggano su modelli diversi da quello da 27 miliardi di parametri o su compiti reali, fuori dai dati sintetici.

Sono limiti normali per un annuncio, ma conviene ricordarli prima di trarre conclusioni troppo grandi.

Cosa cambia concretamente per te

Se lavori con modelli e agenti, MASS offre tre spunti operativi. Primo, i dati prodotti da squadre di agenti possono servire per riaddestrare il modello di partenza, non solo per rispondere a un utente. Secondo, vale la pena distinguere i ruoli di generazione, progettazione e valutazione, anche quando li affidi tutti allo stesso modello, per capire dove sta il limite del tuo sistema. Terzo, conviene tenere sempre un controllo esterno, anche leggero, per evitare che i punti ciechi si rafforzino da soli.

Se invece segui la ricerca da lontano, il messaggio è che l’auto-miglioramento sta uscendo dalla teoria e diventa esperimento riproducibile, con codice aperto e un modello alla portata di molti. È lo stesso filone che osserviamo anche nell’apprendimento per rinforzo da esperienza, di cui trovi un altro esempio in Ineffable Intelligence di David Silver.

Conclusioni

MASS non è ancora una rivoluzione, ma è un dato interessante: un modello da 27 miliardi di parametri che, imparando dalle esecuzioni della propria squadra, ottiene da 1,2 a 1,6 volte il rendimento per token del modello di partenza su quattro benchmark di ricerca. Più dei numeri, colpiscono le tre osservazioni sul trasferimento tra ruoli, sul valore dei dati multi-agente e sul ruolo dell’optimizer come freno.

Il consiglio è di leggere il paper, provare il codice se hai le risorse e osservare come la comunità lo metterà alla prova su compiti reali. Continua a seguire intelligenzaartificiale.net per i prossimi sviluppi sull’auto-miglioramento dei modelli e sugli agenti AI, e dicci nei commenti se useresti un approccio di questo tipo nei tuoi progetti.