Sakana AI ha desenvolupat una nova tècnica d'escala d'inferència anomenada **AB-MCTS (Adaptive Branching Monte Carlo Tree Search)** que permet que diversos grans models de llenguatge (LLMs) col·laborin per resoldre tasques complexes. Aquesta tècnica no només genera noves solucions ("Go Wider") i millora les existents ("Go Deeper"), sinó que també selecciona de manera adaptativa quin model utilitzar en cada pas, combinant les diferents "personalitats" i capacitats dels LLMs per millorar el rendiment global.

Aquest enfocament es basa en la idea d’**intel·ligència col·lectiva** i **raonament per prova i error**, on la combinació iterativa dels models potencia la qualitat de les respostes. Així, AB-MCTS obre noves possibilitats per a l’optimització del càlcul durant el temps d’inferència, fent que els sistemes d’IA siguin més eficients i flexibles en la resolució de problemes complexos.

Sakana AI continua impulsant aquesta línia d’investigació, inspirant-se en principis d’evolució i intel·ligència col·lectiva per a desenvolupar sistemes d’IA innovadors i més avançats.