Sakana AIの「Fugu」とは：複数のフロンティアモデルを束ねる学習型オーケストレーションを徹底解説

この記事の対象読者

• 最新のAI動向を経営判断や事業戦略に活かしたい経営層・事業責任者
• 自社のAI活用方針やモデル選定を検討している推進担当・情報システム部門
• 特定ベンダへの依存リスクや、最新リリースが自社にとって持つ意味を整理したい開発者・技術リード

何が発表されたのか

東京のAI企業Sakana AIは、2026年6月22日に新しい商用製品「Sakana Fugu」の一般提供を開始しました。Fuguは単一の巨大なモデルではなく、複数の最先端モデルを背後で協調させ、利用者からは1つのモデルのように見える「まとめ役」として設計されています。約500人規模の招待制テストを経ての正式提供で、低遅延で日常用途に向くFuguと、難しい多段階のタスクに向くFugu Ultraの2種類が用意されています。

発表のタイミングも注目されました。AnthropicのFable 5とMythos系のモデルが輸出規制の影響で多くの地域から利用できなくなった直後の提供開始であり、Sakana AIは「輸出規制のリスクを負わずに最先端の性能を出せる」点を前面に打ち出しています。

今すぐ問い合わせる

何がすごいのか

従来、複数のモデルを使い分けたい開発者は、用途ごとにGPT系・Claude系・Gemini系などを自分で選び、リトライや検証の流れも自前で組む必要がありました。Fuguはこの「どのモデルにどの作業を任せるか」という判断そのものを内部で肩代わりします。利用者は1つのエンドポイントに要求を送るだけで、簡単なタスクはそのまま回答し、複雑なタスクでは複数の専門モデルをチームのように編成して、役割分担と検証を経た上で1つの回答に統合します。

つまりFuguの新しさは「モデルを大きくする」方向ではなく、「複数のモデルの協調のさせ方を学習する」方向にあります。個々のモデルを束ねた結果が、束ねる前のどの単独モデルよりも良い成果を出すことを狙う設計です。

仕組み：学習されたオーケストレーション

Fuguの中核は「他のモデルを呼び出すために学習させたモデル」です。比較的小さな調整役のモデルが、タスクを分解し、どのモデルに何を任せるかを決め、必要なら自分自身を再帰的に呼び出しながら、最終的な答えをまとめます。呼び出し先のモデル群には、GPT-5.5・Claude Opus 4.8・Gemini 3.1や3.5系などが含まれます。

この調整役は、人手で書いた固定のルールではなく、Sakana AIがICLR 2026で発表した2本の研究「Trinity」と「The Conductor」に基づいています。Trinityは、各ステップで「考える役」「作業する役」「検証する役」のどれを割り当てるかを軽量な調整役が判断する枠組みです。The Conductorは、強化学習を使って「どのモデルにどんな指示を与えれば全体として良い結果になるか」という協調の戦略そのものを学習する枠組みです。Fuguはこれらを商用製品として実装したものと位置づけられています。

FuguとFugu Ultraの違い

どちらの要求を送るかは利用者がモデル名で明示します。要求の難しさに応じてFuguとFugu Ultraを自動で切り替えるわけではない点に注意が必要です。試作段階はUltraで品質を確認し、本番では用途に応じてFuguへ切り替えるなど、費用と品質のバランスを設計しておくとよいでしょう。

みっちゃくんを見る

使い方：OpenAI互換APIで呼び出す

FuguはOpenAI互換のAPIとして提供されるため、既存のOpenAI向けクライアントをほぼそのまま使えます。手順は大きく3つです。

• コンソール(console.sakana.ai)でアカウントを作り、APIキーを取得する
• 接続先のbase URLを`https://api.sakana.ai/v1`に差し替える
• モデル名に`fugu`(日常用途)または`fugu-ultra-20260615`(難問向け)を指定する

最小の例は次のとおりです(curl)。

curl -X POST https://api.sakana.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $SAKANA_API_KEY" \
  -d '{"model":"fugu","messages":[{"role":"user","content":"こんにちは"}]}'

Pythonの公式OpenAIクライアントを使う場合も、`base_url`とモデル名を差し替えるだけです。Codex CLIや互換ルーター経由での利用にも対応しています。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_SAKANA_API_KEY",
    base_url="https://api.sakana.ai/v1",
)

resp = client.chat.completions.create(
    model="fugu-ultra-20260615",
    messages=[{"role": "user", "content": "Fuguの仕組みを説明して"}],
)
print(resp.choices[0].message.content)

料金は月額のサブスクリプション(Standard・Pro・Maxの3段階)と、主にUltra向けの従量課金を組み合わせる形です。特徴的なのは、内部で複数のモデルを呼び出しても、課金は最も高いモデル1つ分のレートで計算され、料金が積み上がらない点です。なお現時点ではEUとEEAからは利用できず、初期設定では送信内容がモデル改善に使われるため、本格利用の前に学習利用をオフにする設定の確認が必要です。

性能の主張と、確認すべき点

Sakana AIは、Fugu Ultraがソフトウェア修正の難関ベンチマークSWE-Bench Proで73.7%を達成し、Fable 5やMythos Preview、GPT-5.5、Gemini 3.1 Pro、Claude Opus 4.8と肩を並べる、あるいは一部で上回ると公表しています。ただし、これらの数値は提供元自身による評価であり、第三者による独立した再現検証はこれからです。評価条件や試行回数によってスコアは変わり得るため、表面的な数字だけで判断するのは避けるべきです。

もう1つの注意点は、どの要求でどのモデルが使われたかが利用者には見えない「ブラックボックス」である点です。利便性は高い一方で、説明責任やデータの扱いが厳しく問われる業務(金融・医療・行政など)では、どのモデルがどのインフラ上で処理したかを追跡できないことが課題になり得ます。導入前に、自社の用途で小さく試す検証(PoC)を行い、自社の基準で性能と費用を確かめることをおすすめします。

自社の経営判断にどう効くか

Fuguのようなまとめ役のモデルは、企業のAI活用にも示唆があります。1つは「単一ベンダ依存のリスク分散」です。特定のモデルだけに業務を載せると、そのモデルの価格改定・仕様変更・提供停止が事業に直接響きます。複数のモデルを背後で使い分ける仕組みは、こうした供給側の変動に対する備えになり得ます。この観点は、DX実施率77.8%の裏側で触れた「成果を生む経営判断」とも重なります。

一方で、Fugu自体もSakanaという1社のサービスであり、依存が完全になくなるわけではありません。導入を検討する際は、性能・費用だけでなく、データの学習利用設定・地域制限・説明責任の要件を、技術部門と法務・リスク管理部門が一緒に評価することが重要です。最新の有力モデルが次々と登場するいまこそ、「どのモデルを使うか」だけでなく「モデルへの依存をどう設計するか」が、AI活用の成否を分けます。

自社のAI活用について相談する

よくある質問

Sakana Fuguは無料で使えますか

無料プランはなく、月額20ドルのプランから始められます。どのプランでもFuguとFugu Ultraの両方が使え、Fugu Ultraには従量課金もあります。提供開始時には、2か月目が無料になるキャンペーンが案内されていました。

FuguはChatGPTやClaudeを直接使うのと何が違いますか

単一のモデルを呼ぶのではなく、複数のモデルを背後で使い分けて1つの回答に統合する点が違います。1つのAPIで複数モデルの強みを使え、特定ベンダへの依存を下げられます。一方で、内部でどのモデルが使われたかは見えません。

FuguとFugu Ultraはどう使い分けますか

日常のコーディングやチャットなど低遅延を重視する用途には`fugu`、研究や大規模なコード修正など高い精度が必要な難問には`fugu-ultra-20260615`が向きます。要求ごとにどちらを呼ぶかは利用者が指定します。

どのモデルが使われたか確認できますか

確認できません。内部のモデル選択は非公開です。説明責任やデータの取り扱いが厳しく問われる業務では、この点を踏まえた検討が必要だと私たちは考えています。

今すぐ導入すべきですか

まずは最新動向として把握し、自社の用途でPoC検証をしてから判断するのがよいと私たちは考えています。データの学習利用設定や地域制限(現在はEU・EEAから利用できません)の確認も必要です。