The Pulse
SB Intuitions aggiunge ragionamento e uso di strumenti a Sarashina
SB Intuitions ha presentato Sarashina3.2 mini thinking il 29 ottobre, aggiungendo ragionamento regolabile, ricerca sul web e uso di strumenti in più passaggi alla sua serie di modelli sviluppati in Giappone. L’azienda riferisce risultati el
AI.info Team · Scritto con l’IA · verificato ·
SB Intuitions afferma che il suo nuovo modello Sarashina è in grado di affrontare compiti più difficili grazie al ragionamento e all’uso di strumenti, ma i benchmark dell’azienda stessa mostrano risultati disomogenei: il modello è in testa in due test per agenti, mentre resta indietro rispetto a concorrenti più grandi in alcune valutazioni scientifiche e di dialogo su più turni. L’azienda ha presentato Sarashina3.2 mini thinking il 29 ottobre, descrivendolo come un’aggiunta alla sua serie di modelli sviluppati in Giappone, incentrata sul ragionamento.
La profondità del ragionamento si può impostare per ogni richiesta
A differenza di Sarashina3 mini, che l’azienda descrive come un modello istruito a seguire le indicazioni, Sarashina3.2 mini thinking genera una risposta dopo aver analizzato il prompt e considerato le possibili risposte. Gli sviluppatori possono scegliere un livello di impegno nel ragionamento basso, medio o alto tramite un parametro dell’API chiamato reasoning_effort, regolando l’equilibrio tra tempo di risposta e profondità dell’elaborazione.
SB Intuitions afferma di aver ampliato i dati di addestramento per contesti lunghi e orientati agli agenti, per migliorare il ragionamento complesso e le prestazioni degli agenti. Il processo di post-addestramento combina apprendimento supervisionato, apprendimento per rinforzo su più compiti e autodistillazione on-policy; l’azienda ha inoltre aggiunto apprendimento per rinforzo volto a migliorare la ricerca e la sicurezza.
Ricerca sul web e strumenti di assistenza ai clienti al centro delle dimostrazioni
L’azienda illustra la ricerca sul web con una domanda su una tecnica di attacco che, a suo dire, era assente dai dati di addestramento del modello. Sarashina3.2 mini thinking cerca sul web e risponde citando le fonti, rifiutandosi però di fornire istruzioni per riprodurre l’attacco. L’esempio mostra la distinzione che l’azienda intende tracciare tra l’uso di informazioni esterne per spiegare un argomento e la scelta di non fornire indicazioni operative potenzialmente dannose.
Una seconda dimostrazione utilizza il sistema di assistenza ai clienti di un rivenditore online. In più turni, il modello verifica un ordine, elabora una richiesta di annullamento e applica la politica di annullamento del servizio usando le informazioni restituite dagli strumenti. SB Intuitions afferma che l’esempio ha funzionato con l’impegno nel ragionamento impostato su basso perché lo stato dell’ordine e la politica pertinente provenivano direttamente dal sistema.
Il post mostra anche il modello mentre genera HTML e JavaScript per rappresentare un nodo toroidale e un attrattore di Clifford, ed estrae informazioni non strutturate per inserirle in JSON o in una tabella Markdown. Questi esempi sostengono la tesi dell’azienda a favore dell’uso del modello per compiti legati al software e ai flussi di lavoro, anche se si tratta di dimostrazioni preparate da SB Intuitions, non di test indipendenti.
I punteggi nei test per agenti salgono, ma restano dei divari
SB Intuitions riferisce valutazioni su 12 benchmark che riguardano dialogo, conoscenza della cultura giapponese, matematica, programmazione, discipline STEM, rispetto delle istruzioni, compiti da agente, ricerca e sicurezza. Il confronto comprende Sarashina3 mini della stessa azienda, llm-jp-4.1-33b-thinking del National Institute of Informatics giapponese, i modelli Qwen3 di Alibaba e gpt-oss-120b e GPT-5.4 mini di OpenAI.
L’azienda afferma che Sarashina3.2 mini thinking ha ottenuto il punteggio più alto tra i modelli confrontati su J-tau e BFCL v3, due test delle capacità di agente e di chiamata di funzioni, e che su tau2-bench ha raggiunto un livello approssimativamente pari a quello del migliore tra i modelli di confronto. Riferisce inoltre miglioramenti rispetto a Sarashina3 mini nel dialogo su più turni, nella matematica, nei compiti da agente, nella ricerca e nella sicurezza. Gli autori riassumono così i risultati:
«Come illustrato sopra, Sarashina3.2 mini thinking ha ottenuto miglioramenti delle prestazioni in un’ampia gamma di ambiti, in particolare nelle capacità di agente.»
浅野広樹、泉健太、金輝燦、澁谷紘人, SB Intuitions
L’azienda individua anche dei limiti. Sarashina3.2 mini thinking ha ottenuto un punteggio inferiore a Sarashina3 mini su JamC-QA, un test di domande e risposte sulla cultura giapponese, ed è rimasto indietro rispetto a Qwen3-235B-A22B-Thinking-2507 e GPT-5.4 mini su GPQA-Diamond, un benchmark per le discipline STEM, e su J-MultiChallenge, un test di dialogo su più turni. SB Intuitions aggiunge di non aver effettuato un addestramento sufficiente specificamente per l’uso del modello come agente di programmazione.
L’azienda afferma di aver utilizzato le implementazioni ufficiali per J-tau, tau2-bench e BFCL v3, mentre ha eseguito le altre valutazioni con codice sviluppato internamente usando FlexEval. Ha normalizzato i punteggi dei benchmark su una scala da 0 a 1 e ha impostato l’impegno nel ragionamento su medio quando il modello lo consentiva. I risultati sono confronti riportati dall’azienda, non una valutazione indipendente.
Il modello entra nel servizio beta gratuito di Sarashina
SB Intuitions afferma che Sarashina3.2 mini thinking viene aggiunto al servizio Sarashina, che offre accesso tramite API durante una fase beta gratuita. Il servizio è stato lanciato il 13 ottobre ed è disponibile per sviluppatori, ingegneri informatici e utenti individuali; l’azienda precisa che l’utilizzo è soggetto a limiti di frequenza. Non è stata fissata una data di fine per la beta.
La nuova versione affianca il ragionamento regolabile e le azioni sui sistemi alle API per la generazione di testo e alle altre API dei modelli già presenti nella serie. Per il nuovo modello, le valutazioni pubblicate dall’azienda indicano che il punto di forza principale sono i compiti da agente e chiariscono dove i suoi punteggi restano ancora inferiori.