The AI Scientist (v1, v2 and v3)とは？
The AI Scientist は、研究の方向性を受け取り、人の助けをほとんどあるいはまったく借りずに実験と論文を生み出す、Sakana AI のシステム群です。現在は 3 つのリポジトリにまたがっています。最初の AI-Scientist（2024年8月、スター約 14,800）は、NanoGPT、2D diffusion、grokking 向けに人が書いたコードテンプレートの中で動きます。LLM がアイデアを提案し、テンプレートを編集し、実験を実行して LaTeX の論文を書き、LLM のレビュアーがそれを採点します。AI-Scientist-v2（2025年4月、スター約 7,400）はテンプレートをやめ、WecoAI の AIDE を基にしたエージェント型の木探索で実験を探索します。Sakana は、良いテンプレートがある場合は v1 より成功率が低いと注意しています。
2026年10月11日に公開され、10月18日に最終更新された AI-Scientist-v3 は、Agentic Scientist と呼ばれる新しい設計です。既存のコーディングエージェント（Claude Code、Codex、Cursor、OpenCode、Gemini CLI、Pi）を、タスクの起草、調査、アブレーション、封印された最終評価、事後分析、論文執筆の 6 つのフェーズで動かし、各フェーズはそれぞれの Docker コンテナで実行されます。スターは約 520 です。
v1 と v2 は 2025年12月に Apache 2.0 から AI Scientist Source Code License 1.0 に移行しました。これは Responsible AI License の派生ライセンスで、生成された論文に AI による生成であることを開示するよう法的に義務づけています。どちらも 2025年12月19日以降コミットはありません。v3 は Apache 2.0 です。3 つとも正式なリリースは公開していません。
The AI Scientist (v1, v2 and v3)は使う価値があるか？
The AI Scientist はツールとしてより研究成果物として重要で、v3 はツールと呼んでもおかしくない最初のバージョン です。v1 は 2024 年に、フロンティアモデルがテンプレートの中で $15 未満でアイデアから体裁の整った論文までたどり着けることを示しました。v2 はテンプレートを外し、ICLR 2025 のワークショップで査読を通った論文を生み出しました。2026年3月の Nature 論文はパイプラインを定式化し、論文の質が基盤モデルとともに上がると報告しました。v3 は前提を変えます。一つのモデルがすべてを書くのではなく、商用のコーディングエージェントをルーブリックのチェック、並列ワーカー、監査証跡で包み、Sakana はこれを人が問いを設定する共同発見と位置づけています。
目玉の成果には文脈が必要です。ICBINB ワークショップで Sakana は 43 件の投稿のうち 3 本の v2 論文を投稿しました。1 本は 6、7、6（平均 6.33）の評価を得て、予定どおり掲載前に取り下げられ、2 本は不採択でした。Sakana 自身のレビューは、どれもメイン会議には届かないと判断し、LSTM を Goodfellow（2016）の功績とするなどの引用の誤りを指摘しました。Joeran Beel、Min-Yen Kan、Moritz Baumgart による独立した評価（SIGIR Forum 掲載）では、提案された 12 の実験のうち 5 つ（42%）がコーディングの誤りで失敗し、新規性チェックは SGD のマイクロバッチ化のような既知のアイデアを新しいと判定し、論文の引用数の中央値は 5 件で大半が古く、いくつかの原稿には捏造された数値が含まれていました。著者らは出力を、締め切りに追われるやる気のない学部生にたとえる一方、その自律性は本物の節目だと評しています。v3 の ALIFE 2026 論文は、人が問いを選びすべての結果を確認した共同研究の成果で、報告された Doc-to-LoRA の完全一致率 52% から 98% への向上 は Sakana 自身の数字です。
安全性は脚注ではなく設計上の制約です。3 つのバージョンすべてが LLM の書いたコードを実行します。v1 と v2 は、コンテナ化と Web アクセスの制限を自分で行うよう指示しており、v1 はコミュニティ提供の Dockerfile に頼っています。v3 は既定で各フェーズを Docker で実行しますが、エージェントは完全なツール権限（Headless --allow yolo）で動き、マウントした API キーを読むことができ、読み込むタスクファイルや論文によって誘導される可能性があります。
1 回あたりのコストは控えめですが、探索全体では積み上がります。Sakana の FAQ では、v1 は Claude 3.5 Sonnet で通常 1 本 $15 未満、v2 は実験に $15〜$20、執筆に約 $5 とされています。Beel のチームは、v1 の論文 1 本あたり $6〜$15 と、人の関与として約 3.5 時間を測定しました。v3 はフェーズごとのトークン使用量と API の定価に基づく見積もりをコスト台帳に記録し、API キーの代わりに Claude や ChatGPT のサブスクリプションに課金することもできます。GRPO の例は GPU を 2 基必要とし、評価 1 回あたり 1〜2 時間学習します。論文ではなく、スコア付きの単一プログラムの自動最適化を求めるエンジニアには、同じラボの ShinkaEvolve のほうが直接的に合います。
真価を発揮する場面
スコア付きのベンチマークタスクと余っている GPU を持つ ML ラボ
コーディングエージェントに一晩でアイデアの探索、アブレー ション、報告書の下書きをさせる
v3 の agsci run を評価器付きのタスクディレクトリに向けます。調査、アブレーション、封印された評価を Docker で実行し、論文を書きます。Sakana 自身の ALIFE 論文も人が確認しているので、すべての主張を検証する前提で使います。
AI が生成する科学を研究する研究者
分析用に機械が書いた論文のコーパスを作る
v1 を NanoGPT、2D diffusion、grokking のテンプレートで実行します。通常、論文 1 本あたり $15 未満です。ライセンスにより、生成されたすべての原稿で AI が作成したことを開示する必要があります。
研究方法論を教える大学の講義
自動化された研究が何を間違えるかを学生に示す
v1 または v2 の出力を、失敗した実験、弱い新規性チェック、捏造された数値を記録した Beel らの評価と組み合わせ、レビューの演習にします。
導入前に確認すること
- 導入
- v1/v2：Python 3.11 の conda、Linux と NVIDIA の GPU で CUDA 対応の PyTorch、LaTeX ツール（v1 は texlive-full）、API キー。v2 のインストールは通 常 1 時間以内で終わります。v3：Docker と uv sync、エージェントのイメージをビルドし、キーを .env に入れて、agsci run examples/circpack を実行すると Claude のログインで CPU のみで動きます。
- 連携
- v1：OpenAI、Anthropic（直接、Bedrock、Vertex）、DeepSeek、OpenRouter、Gemini。文献検索には Semantic Scholar か OpenAlex。v3：Headless CLI 経由のコーディングエージェント、オプションの OpenAI ベースのレビュアーフェーズ、ポート 8765 のブラウザー用実行インスペクター、図のための Autoillustrate。
- データとプライバシー
- プロンプトとコードは設定した LLM プロバイダーに送られ、文献の問い合わせは Semantic Scholar か OpenAlex に送られます。v3 は選んだエージェントのキーだけをコンテナに渡し、Sakana はエージェントのログに文書の内容が出力されることがあると警告しています。v1/v2 のライセンスは、監視、一部の医療や犯罪予測の用途、AI 生成を開示しない論文を禁じています。
- 大規模利用時のコスト
- Sakana の数字では、v1 は Claude 3.5 Sonnet で通常論文 1 本 $15 未満、v2 は実験の実行 1 回あたり $15〜$20 と執筆に約 $5 です。したがって v2 で 50 のアイデアを試すと、GPU の時間を除いて API 料金がおよそ $1,000〜$1,250 になります。
- 制限
- 計算機上の実験に限られます。強力なテンプレートがある場合、v2 は v1 より成功率が低いです。v3 で簡単な指示だけからタスクを起草する機能は実験的で、文献検索は執筆時にしか行われず、ベースラインの大半は自身のプログラムの変種です。
良い点
- よく文書化された自動研究パイプラインの 3 世代
- v3 は Claude Code、Codex、Cursor、OpenCode、Gemini CLI、Pi を入れ替えて動かせます
- v3 は既定で全フェーズを Docker で実行し、完全な監査証跡を残します
- Sakana の数字では論文 1 本あたりのコストが低いです（v2 で $15〜$25）
- LLM が書いたコードを実行することについて、README が率直に警告しています
気になる点
- 生成された論文には引用の誤り、失敗した実験、捏造された数値が含まれます（独立した評価）
- v1 と v2 には Linux、NVIDIA の GPU、texlive が必要で、2025年12月以降コミットがありません
- v3 のエージェントは完全な権限で動き、入力によって誘導される可能性があります
- v1 と v2 のライセンスは用途を制限し、論文での AI の開示を義務づけています
- 成果は計算機上の ML 実験に限られます
おすすめの人
エージェントの実行をサンドボックス化でき、公開前にすべての結果をレビューする、自動実験を研究または利用する ML 研究グループ。
The AI Scientist (v1, v2 and v3)の代替
The AI Scientist (v1, v2 and v3)：よくある質問
- The AI Scientist (v1, v2 and v3)は使う価値があるか？
- 自動化された ML 研究の基準となるプロジェクトで、今ではコーディングエージェント用の実用的なハーネスでもあります。ただし、論文の誤りを見つけるにはまだ人が必要で、どの実行も LLM が書いたコードを実行します。 評価は5点満点中3.9点です。
- The AI Scientist (v1, v2 and v3)の料金は？
- 無料です。v1 と v2 は AI Scientist Source Code License 1.0（利用制限と AI 開示の義務あり）、v3 は Apache 2.0 です。LLM の API 呼び出しかサブスクリプション、そして GPU の費用がかかります。
- The AI Scientist (v1, v2 and v3)の欠点は？
- 生成された論文には引用の誤り、失敗した実験、捏造された数値が含まれます（独立した評価）; v1 と v2 には Linux、NVIDIA の GPU、texlive が必要で、2025年12月以降コミットがありません; v3 のエージェントは完全な権限で動き、入力によって誘導される可能性があります; v1 と v2 のライセンスは用途を制限し、論文での AI の開示を義務づけています; 成果は計算機上の ML 実験に限られます.
- The AI Scientist (v1, v2 and v3)は誰に向いているか？
- エージェントの実行をサンドボックス化でき、公開前にすべての結果をレビューする、自動実験を研究または利用する ML 研究グループ。
- チームや本番環境でThe AI Scientist (v1, v2 and v3)を使うと費用はいくらか？
- Sakana の数字では、v1 は Claude 3.5 Sonnet で通常論文 1 本 $15 未満、v2 は実験の実行 1 回あたり $15〜$20 と執筆に約 $5 です。したがって v2 で 50 のアイデアを試すと、GPU の時間を除いて API 料金がおよそ $1,000〜$1,250 になります。
- The AI Scientist (v1, v2 and v3)は企業データを扱っても安全か？
- プロンプトとコードは設定した LLM プロバイダーに送られ、文献の問い合 わせは Semantic Scholar か OpenAlex に送られます。v3 は選んだエージェントのキーだけをコンテナに渡し、Sakana はエージェントのログに文書の内容が出力されることがあると警告しています。v1/v2 のライセンスは、監視、一部の医療や犯罪予測の用途、AI 生成を開示しない論文を禁じています。
- The AI Scientist (v1, v2 and v3)の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はShinkaEvolve, OpenHands, TreeQuest 、 mini-swe-agentです。
回答確認日：2026年10月26日