Qu’est-ce que The AI Scientist (v1, v2 and v3) ?
The AI Scientist est la gamme de systèmes de Sakana AI qui prennent une direction de recherche et produisent des expériences et un article écrit avec peu ou pas d'aide humaine. Elle s'étend désormais sur trois dépôts. L'AI-Scientist original (août 2024, environ 14 800 étoiles) travaille à l'intérieur de templates de code écrits par des humains pour NanoGPT, la diffusion 2D et le grokking : un LLM propose des idées, édite le template, exécute les expériences et écrit un article LaTeX, et un relecteur LLM le note. AI-Scientist-v2 (avril 2025, environ 7 400 étoiles) abandonne les templates et explore les expériences avec une recherche arborescente agentique bâtie sur l'AIDE de WecoAI ; Sakana prévient qu'il a des taux de réussite plus bas que la v1 là où un bon template existe.
AI-Scientist-v3, publié le 11 octobre 2026 et mis à jour pour la dernière fois le 18 octobre, est une nouvelle conception appelée l'Agentic Scientist. Il pilote des agents de code existants (Claude Code, Codex, Cursor, OpenCode, Gemini CLI et Pi) à travers six phases : rédaction de la tâche, investigation, ablations, une évaluation finale scellée, analyse a posteriori et rédaction de l'article, chacune dans son propre conteneur Docker. Il a environ 520 étoiles.
La v1 et la v2 sont passées en décembre 2025 d'Apache 2.0 à l'AI Scientist Source Code License 1.0, un dérivé de Responsible AI License qui exige légalement de divulguer la génération par IA dans tout article résultant ; ni l'une ni l'autre n'a eu de commit depuis le 19 décembre 2025. La v3 est Apache 2.0. Aucun des trois ne publie de versions.
The AI Scientist (v1, v2 and v3) vaut-il le coup ?
The AI Scientist compte plus comme artefact de recherche que comme outil, et la v3 est la première version qui est plausiblement un outil. La v1 a montré en 2024 qu'un modèle de pointe pouvait passer de l'idée à un article formaté pour moins de 15 $ à l'intérieur d'un template ; la v2 a supprimé le template et produit l'article qui a passé la relecture par les pairs lors d'un atelier ICLR 2025 ; l'article dans Nature de mars 2026 a formalisé le pipeline et rapporté que la qualité des articles augmente avec le modèle sous-jacent. La v3 change la prémisse : au lieu d'un seul modèle qui écrit tout, elle enveloppe des agents de code commerciaux dans des vérifications par grille, des workers parallèles et une piste d'audit, et Sakana la présente comme une co-découverte avec un humain qui pose la question.
Les résultats mis en avant ont besoin de leur contexte. À l'atelier ICBINB, Sakana a soumis trois articles v2 parmi 43 soumissions ; l'un a obtenu 6, 7 et 6 (moyenne 6,33) et a été retiré avant publication comme prévu, deux ont été rejetés, et la propre relecture de Sakana n'en a trouvé aucun assez bon pour la conférence principale et a noté des erreurs de citation comme attribuer les LSTM à Goodfellow (2016). Une évaluation indépendante par Joeran Beel, Min-Yen Kan et Moritz Baumgart, publiée dans SIGIR Forum, a trouvé que 5 des 12 expériences proposées (42 %) ont échoué sur des erreurs de code, que les vérifications de nouveauté étiquetaient des idées connues comme le micro-batching pour SGD comme nouvelles, que les articles avaient une médiane de cinq citations pour la plupart anciennes, et que plusieurs manuscrits contenaient des chiffres inventés. Ils ont comparé la sortie à un étudiant de premier cycle peu motivé qui bâcle une échéance, tout en qualifiant l'autonomie de véritable jalon. L'article ALIFE 2026 de la v3 était un résultat de co-scientifique où des humains ont choisi la question et vérifié chaque résultat, et son gain Doc-to-LoRA rapporté de 52 % à 98 % de correspondance exacte est celui de Sakana.
La sécurité est une contrainte de conception, pas une note de bas de page. Les trois versions exécutent du code écrit par un LLM. La v1 et la v2 vous disent de conteneuriser et de restreindre l'accès web vous-même ; la v1 s'appuie sur un Dockerfile contribué par la communauté. La v3 exécute chaque phase dans Docker par défaut, mais ses agents tournent avec des permissions d'outils complètes (Headless --allow yolo), peuvent lire les clés d'API que vous montez, et peuvent être orientés par les fichiers de tâche et les articles qu'ils lisent.
Les coûts sont modestes par exécution et s'additionnent sur une recherche. Les FAQ de Sakana placent la v1 à généralement moins de 15 $ l'article avec Claude 3.5 Sonnet, et la v2 à 15 $ à 20 $ pour les expériences plus environ 5 $ pour la rédaction ; l'équipe de Beel a mesuré 6 $ à 15 $ et environ 3,5 heures d'implication humaine par article v1. La v3 journalise l'usage de tokens par phase et des estimations au prix de liste d'API vers un registre de coûts et peut facturer un abonnement Claude ou ChatGPT au lieu d'une clé d'API ; son exemple GRPO a besoin de deux GPU et s'entraîne pendant une à deux heures par évaluation. Pour les ingénieurs qui veulent une optimisation automatisée d'un seul programme noté plutôt que des articles, ShinkaEvolve du même laboratoire est le choix plus direct.
Là où il fait la différence
Un laboratoire ML avec une tâche de benchmark notée et des GPU disponibles
Faire explorer des idées, exécuter des ablations et rédiger un compte rendu par des agents de code pendant la nuit
Pointer le agsci run de la v3 sur un répertoire de tâche avec un évaluateur ; il exécute l'investigation, les ablations et une évaluation scellée dans Docker et écrit un article. Attendez-vous à vérifier chaque affirmation, car le propre article ALIFE de Sakana a été vérifié par des humains.
Un chercheur qui étudie la science générée par IA
Générer un corpus d'articles écrits par machine pour analyse
Exécuter la v1 sur ses templates NanoGPT, diffusion 2D ou grokking à généralement moins de 15 $ l'article. La licence exige que chaque manuscrit résultant divulgue que l'IA l'a produit.
Un cours universitaire sur les méthodes de recherche
Montrer aux étudiants ce que la recherche automatisée rate
Associer la sortie de la v1 ou de la v2 à l'évaluation de Beel et al., qui documente les expériences échouées, les vérifications de nouveauté faibles et les chiffres inventés, comme exercice de relecture.
Avant de vous engager
- Mise en route
- v1/v2 : conda avec Python 3.11, PyTorch avec CUDA sur Linux et GPU NVIDIA, outils LaTeX (texlive-full pour la v1), clés d'API ; l'installation de la v2 prend généralement moins d'une heure. v3 : Docker plus uv sync, construire l'image de l'agent, mettre les clés dans .env, puis agsci run examples/circpack tourne sur CPU uniquement avec une connexion Claude.
- Intégrations
- v1 : OpenAI, Anthropic (direct, Bedrock, Vertex), DeepSeek, OpenRouter et Gemini, avec Semantic Scholar ou OpenAlex pour la recherche de littérature. v3 : agents de code via le CLI Headless, une phase de relecture optionnelle adossée à OpenAI, un inspecteur d'exécution de navigateur sur le port 8765, et Autoillustrate pour les figures.
- Données et confidentialité
- Les prompts et le code vont au fournisseur de LLM que vous configurez ; les requêtes de littérature vont à Semantic Scholar ou OpenAlex. La v3 ne transmet que les clés de l'agent sélectionné dans ses conteneurs, et Sakana prévient que les journaux d'agent peuvent répéter le contenu des documents. La licence de la v1/v2 interdit la surveillance, certains usages de santé et de prédiction criminelle, et les articles IA non divulgués.
- Coût à grande échelle
- Chiffres de Sakana : v1 généralement moins de 15 $ l'article avec Claude 3.5 Sonnet ; v2 15 $ à 20 $ par exécution d'expérience plus environ 5 $ pour écrire. Un balayage de 50 idées sur la v2 revient donc à environ 1 000 $ à 1 250 $ de frais d'API avant le temps de GPU.
- Limites
- Expériences computationnelles uniquement. La v2 réussit moins souvent que la v1 quand un template fort existe. La rédaction de tâche de la v3 à partir d'un brief nu est expérimentale, la recherche de littérature n'a lieu qu'au moment de la rédaction, et les baselines sont surtout des variantes de son propre programme.
Les points forts
- Trois générations d'un pipeline de recherche automatisée bien documenté
- La v3 pilote Claude Code, Codex, Cursor, OpenCode, Gemini CLI et Pi de façon interchangeable
- La v3 exécute chaque phase dans Docker par défaut avec une piste d'audit complète
- Faible coût par article sur les chiffres de Sakana (15 $ à 25 $ pour la v2)
- Avertissements francs du README sur l'exécution de code écrit par LLM
Les points faibles
- Les articles générés contiennent des erreurs de citation, des expériences échouées et des chiffres inventés (évaluation indépendante)
- La v1 et la v2 nécessitent Linux, des GPU NVIDIA et texlive ; aucun commit depuis décembre 2025
- Les agents de la v3 tournent avec des permissions complètes et peuvent être orientés par les entrées
- La licence de la v1 et de la v2 restreint les usages et exige la divulgation IA dans les articles
- Résultats limités aux expériences ML computationnelles
Idéal pour
Les groupes de recherche ML qui étudient ou utilisent l'expérimentation automatisée et peuvent mettre en bac à sable les exécutions d'agents et vérifieront chaque résultat avant publication.
Alternatives à The AI Scientist (v1, v2 and v3)
The AI Scientist (v1, v2 and v3) : questions fréquentes
- The AI Scientist (v1, v2 and v3) vaut-il le coup ?
- Le projet de référence pour la recherche ML automatisée et désormais un harnais utilisable pour les agents de code, mais ses articles ont encore besoin d'un humain pour attraper les erreurs, et chaque exécution exécute du code qu'un LLM a écrit. Nous lui donnons 3.9 sur 5.
- Combien coûte The AI Scientist (v1, v2 and v3) ?
- Gratuit. La v1 et la v2 sous l'AI Scientist Source Code License 1.0 (restrictions d'usage et divulgation IA obligatoire) ; la v3 sous Apache 2.0. Vous payez les appels d'API LLM ou les abonnements et les GPU.
- Quels sont les inconvénients de The AI Scientist (v1, v2 and v3) ?
- Les articles générés contiennent des erreurs de citation, des expériences échouées et des chiffres inventés (évaluation indépendante); la v1 et la v2 nécessitent Linux, des GPU NVIDIA et texlive ; aucun commit depuis décembre 2025; les agents de la v3 tournent avec des permissions complètes et peuvent être orientés par les entrées; la licence de la v1 et de la v2 restreint les usages et exige la divulgation IA dans les articles; résultats limités aux expériences ML computationnelles.
- À qui s’adresse The AI Scientist (v1, v2 and v3) ?
- Les groupes de recherche ML qui étudient ou utilisent l'expérimentation automatisée et peuvent mettre en bac à sable les exécutions d'agents et vérifieront chaque résultat avant publication.
- Combien coûte The AI Scientist (v1, v2 and v3) pour une équipe ou en production ?
- Chiffres de Sakana : v1 généralement moins de 15 $ l'article avec Claude 3.5 Sonnet ; v2 15 $ à 20 $ par exécution d'expérience plus environ 5 $ pour écrire. Un balayage de 50 idées sur la v2 revient donc à environ 1 000 $ à 1 250 $ de frais d'API avant le temps de GPU.
- The AI Scientist (v1, v2 and v3) est-il sûr pour les données de l’entreprise ?
- Les prompts et le code vont au fournisseur de LLM que vous configurez ; les requêtes de littérature vont à Semantic Scholar ou OpenAlex. La v3 ne transmet que les clés de l'agent sélectionné dans ses conteneurs, et Sakana prévient que les journaux d'agent peuvent répéter le contenu des documents. La licence de la v1/v2 interdit la surveillance, certains usages de santé et de prédiction criminelle, et les articles IA non divulgués.
- Quelles sont les meilleures alternatives à The AI Scientist (v1, v2 and v3) ?
- Les alternatives les plus proches que nous avons testées sont ShinkaEvolve, OpenHands, TreeQuest et mini-swe-agent.
Réponses vérifiées le 26 oct. 2026.