Sakana AI publie AI-Scientist-v3, orchestration de coding agents

Sakana AI a mis en ligne AI-Scientist-v3, publié sous licence Apache 2.0, qui enchaîne six phases séquentielles pour passer d'une description de tâche à un manuscrit scientifique en passant par les expériences et les ablations.

Le dépôt résume la boucle en une phrase : « Turn a task description into experiments, ablations, and a paper, driven by coding agents. » Les six phases se succèdent dans cet ordre : task drafting pour sceller évaluateurs et rubriques, investigation (la boucle idée-expérience-évaluation), ablations contre baselines et variantes, final evaluation en environnement scellé, post-hoc analysis sur les artefacts, puis paper qui rédige, compile et audite le manuscrit. Deux phases Review et Revision restent optionnelles.

Le framework pilote six agents via leur Headless CLI, listés verbatim dans le README : « claude, codex, cursor, opencode, gemini, and pi ». L'exécution s'appuie sur Docker, un CLI nommé `agsci` et un Run Inspector web local sur http://127.0.0.1:8765. Côté environnement, Python ≥ 3.11 et le gestionnaire uv sont requis ; les GPU ne le sont que pour les tâches qui en demandent.

Le dépôt accompagne un article arXiv intitulé « The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery » (arXiv:2610.18933), signé Robert Tjarko Lange, Luca Grillotti, Yutaro Yamada, Rujikorn Charakorn et David Ha. C'est la troisième parution Sakana AI que nous suivons sur 90 jours, après MASS et Augmented Lagrangian Predictive Coding.