Sakana Fugu とは｜Opus 4.8 を超える国産 AI の実力を検証

はじめに

2026 年 6 月 22 日、日本の AI 企業 Sakana AI が新プロダクト「Sakana Fugu（サカナ・フグ）」の一般提供を開始しました。公開直後から「Opus 4.8 を上回る国産 AI」として話題になりましたが、この説明はやや正確さを欠いています。Sakana Fugu は単体の言語モデルではなく、複数のフロンティアモデルを束ねて動かすオーケストレーションシステムだからです。

業務での採用を検討するエンジニアにとって重要なのは、話題性ではなく「実際に何ができて、既存モデルとどう違い、どのタスクで使えるのか」という点だと考えます。本記事では、Sakana AI という会社の背景から、Sakana Fugu の仕組み、公式ベンチマークの読み方、国産である意義、そして実務での使い分けまでを、一次情報に基づいて整理します。

結論を先に述べると、Sakana Fugu は Opus 4.8 や GPT-5.5、Gemini といったフロンティアモデルを内部のエージェントとして呼び分け、協調させることで単体モデルを上回る性能を目指すシステムです。一般公開されているフロンティアモデルに対しては多くのベンチマークで優位を示す一方、Opus 4.8 自体を内部で利用している点や、比較値の多くが Sakana 側の自社評価である点は、実力を判断するうえで押さえておく必要があります。以降で、その中身を順に見ていきます。

Sakana AI とは — 進化的アプローチと製品ラインナップ

Sakana Fugu を理解する前に、それを生み出した Sakana AI がどのような会社かを整理します。同社の開発思想が、Sakana Fugu の「複数モデルを協調させる」という設計に直結しているためです。

「巨大化しない」という設計思想と会社の成り立ち

Sakana AI は、2023 年 7 月に東京で設立されたフロンティア AI の研究開発企業です。創業者は 3 名で、CEO の David Ha 氏は元 Google Brain 東京チームのリサーチリードを務め、その後 Stability AI の研究責任者を務めた人物です。CTO の Llion Jones 氏は、現在の生成 AI の基盤となった 2017 年の論文「Attention Is All You Need」（Transformer を提唱した論文）の共著者の 1 人です。COO（現・会長）の伊藤 錬氏は、外務省を経てメルカリで執行役員を務めた経歴を持ちます。

参考: Corporate Info（Sakana AI 公式）
“Sakana AI is a Tokyo-based Frontier AI R&D company”
（Sakana AI は東京拠点のフロンティア AI 研究開発企業である）
https://sakana.ai/company-info/

社名の「Sakana（魚）」は、魚の群れが単純なルールの積み重ねで一体的な振る舞いを見せる「集合知（collective intelligence）」を表しています。ロゴで 1 匹だけ逆向きに泳ぐ赤い魚は、主流に従わないという同社の姿勢を示すものとされています。

同社の一貫した立場は、計算資源を大量に投入してモデルを巨大化させる開発競争とは距離を置くというものです。既存のモデルを組み合わせたり、小型モデルを協調させたりすることで、効率的に高い性能を引き出すアプローチを掲げています。この考え方は、日本の需要に最適化したソブリン AI（主権的 AI）の実現という方向性とも結びついています。

主な研究成果と製品ラインナップ

Sakana AI は、研究成果を論文にとどめず製品として実装している点が特徴です。研究面では、科学的発見のプロセスを自動化する「The AI Scientist」（成果の一部は Nature 誌に掲載）、複数モデルの推論を協調させる AB-MCTS、日本語に特化して事後学習（post-training）したオープンモデル群「Namazu」などを公開してきました。Sakana Fugu の基盤となる ICLR 2026 採択論文 TRINITY と Conductor も、この「複数モデルをどう協調させるか」という一連の研究の延長線上にあります。

現在提供されている主な製品は次の 4 つです。用途ごとにプロダクトが分かれている点を押さえると、Sakana Fugu の位置づけを見失いません。

• Sakana Chat: 同社のモデルを利用できるチャットアプリ
• Sakana Translate: Namazu を基盤とし、日英中の翻訳・添削・質疑に対応する無料の翻訳機能
• Sakana Marlin: 同社初の商用プロダクトで、最大 8 時間の連続推論で戦略レポートを生成する自律型リサーチエージェント
• Sakana Fugu: 複数のフロンティアモデルを単一 API で束ねるオーケストレーションシステム。本記事の主題

この 4 製品のうち、Chat・Translate・Marlin が主に日本語や特定業務に軸足を置くのに対し、Sakana Fugu は世界の主要モデルを束ねる汎用の開発者向けプロダクトとして位置づけられます。次章では、その Sakana Fugu が具体的にどのような仕組みで動くのかを見ていきます。

Sakana Fugu の正体 — 単体モデルではなくオーケストレーションシステム

Sakana Fugu を「新しい国産の大規模言語モデル」と捉えると、その性質を見誤ります。実態は、複数のフロンティアモデルを内部でエージェントとして呼び分け、協調させるオーケストレーションシステムであり、それが単一のモデル API として提供されているものです。本章では、その仕組みと 3 つのモデルの位置づけを整理します。

Fugu 自身が呼び分ける仕組み（TRINITY と Conductor）

Sakana Fugu の中核にあるのは、「どのモデルに何を任せるか」を自ら判断する仕組みです。Sakana Fugu 自身が 1 つの言語モデルであり、エージェントプール内の各種 LLM を呼び出すように学習されています。自分自身を再帰的に呼び出すこともあります。

注目すべきは、この役割分担が人手で設計されたワークフローではない点です。 一般的なマルチエージェント構成では、開発者が「調査担当」「実装担当」「レビュー担当」といった役割とその連携手順をあらかじめ定義します。Sakana Fugu は、その編成と協調の仕方自体を学習によって獲得しています。

参考: Sakana Fugu — Multi-Agent System as a Model（Sakana AI 公式）
“Fugu learns to dynamically assemble agents from a pool and coordinate them”
（Fugu は、プールからエージェントを動的に編成し、協調させることを学習する）
https://sakana.ai/fugu/

この設計は、同社が ICLR 2026 で採択された 2 本の論文を基盤としています。

TRINITY（An Evolved LLM Coordinator）

軽量な進化型コーディネーターが複数の LLM を複数ターンにわたって統括する仕組み。各モデルに Thinker（思考役）、Worker（実行役）、Verifier（検証役）の役割を割り当て、コーディング・数学・推論・知識といったタスクに応じて作業を適応的に振り分けます（https://arxiv.org/abs/2512.04695）

Conductor（Learning to Orchestrate Agents in Natural Language）

強化学習によって自然言語ベースの協調戦略を自ら見つけ出す手法。エージェント間のやり取りの型や、要点を絞ったプロンプトを設計します（https://arxiv.org/abs/2512.04388）

Sakana Fugu 全体の技術的な詳細は、テクニカルレポート（https://arxiv.org/abs/2606.21228）で公開されています。

利用側から見ると、この複雑さは外部に露出しません。リクエストを 1 つのエンドポイントに送ると、Sakana Fugu 側が処理方法を判断します。テクニカルレポートによれば、Fugu は入力ごとに最も適したエージェントを 1 つ選ぶ設計で、単体のフロンティアモデルを直接呼び出す場合と同等のレイテンシを狙っています。一方、Fugu Ultra は入力ごとに複数エージェントのワークフローを組み立てるため、レイテンシと引き換えに回答品質を高めます。いずれの場合も、モデルの選択、委譲、検証、統合はすべて内部で処理されるため、マルチエージェント構成をアプリケーション側で実装する必要がありません。

一方で、この設計にはトレードオフもあります。各クエリで実際にどの基盤モデルが使われたかは、公式 FAQ で「独自技術であり公開しない」と明記されています。挙動の再現性やベンダー構成の把握が求められる用途では、この点を前提に評価することになります。

Fugu・Fugu Ultra・Fugu Cyber の 3 モデルと位置づけ

2026 年 6 月 22 日のリリース時点では Fugu と Fugu Ultra の 2 モデルでしたが、その後サイバーセキュリティ特化の Fugu Cyber が加わり、現在は 3 モデル構成です。いずれも同一の OpenAI 互換 API から利用でき、連携部分を変更せずにモデルを切り替えられます。

モデル	位置づけ	主な想定用途	エージェントプールの制御
Fugu	性能とレイテンシのバランス型。日常業務の標準	コーディング、コードレビュー、チャットボット等の応答性が要るサービス	特定のモデル・プロバイダーを除外可能
Fugu Ultra	回答品質を最優先。より広い専門エージェント群を連携	論文の再現、Kaggle コンペティション、サイバーセキュリティ分析、文献・特許調査	プールは固定（除外不可）
Fugu Cyber	サイバーセキュリティ推論に特化	セキュリティ分析、脆弱性調査、脅威検知	従量課金プラン限定で提供

実務上、押さえておきたい違いは次の 3 点です。

1 つ目は、エージェント除外の可否です。 データ・プライバシー・コンプライアンス上の要件から特定のプロバイダーを使いたくない場合、Fugu であれば除外できます。設定は API キーの作成・編集時に行い、「Fugu custom model pool」を有効にしたうえで、利用を許可するプロバイダーだけを残す形です。アカウント単位ではなくキー単位で適用されるため、用途ごとにキーを分けて制限を変える運用が可能です。 一方 Fugu Ultra は、性能を発揮するために全プールを利用する設計のため、プールは固定です。特定ベンダーの利用が制限されている組織では、この差が選定の分岐点になります。

2 つ目は、レイテンシとの引き換えです。Fugu Ultra は多段階の推論で回答品質を優先する分、応答時間は長くなります。対話的な用途には Fugu、時間をかけてよい長時間タスクには Fugu Ultra という切り分けが基本になります。

3 つ目は、Fugu Cyber の提供条件です。サブスクリプションプランには含まれず、従量課金プラン（トークンプラン）でのみ利用できます。公式によれば、CyberGym で 86.9%、CTI-REALM で 72.1% の成功率に到達しており、GPT-5.5-Cyber や Mythos Preview といったサイバー特化のフロンティアモデルに匹敵する水準としています。サイバー能力を持つモデルを検証済みの主体や特定プランに限定して提供する方式は、他社にも共通して見られる運用です。

基盤となるモデル群が進化すれば Sakana Fugu 自体も更新される構造であり、モデル ID もバージョン単位で管理されています（Fugu Ultra は fugu-ultra-v1.1 および fugu-ultra-v1.0、Fugu Cyber は fugu-cyber-v1.0）API の具体的な接続手順とモデル指定については、別記事で扱います。

本当に Opus 4.8 を上回るのか — 公式ベンチマークの読み方

「Opus 4.8 を上回る国産 AI」という表現は、部分的には正しく、部分的には不正確です。本章では公式が公表したベンチマークを確認したうえで、その数字をどう読むべきかを 3 つの観点から整理します。

公表されているベンチマーク結果

Sakana AI が公式プロダクトページで公表している比較は次のとおりです。Fugu 以外のスコアは、いずれも各モデル提供元が公表した値とされています。

ベンチマーク	Fugu	Fugu Ultra	Opus 4.8	Gemini 3.1 Pro	GPT-5.5
SWE-Bench Pro	59.0	73.7	69.2	54.2	58.6
TerminalBench 2.1	80.2	82.1	74.6	70.3	78.2
LiveCodeBench	92.9	93.2	87.8	88.5	85.3
LiveCodeBench Pro	87.8	90.8	84.8	82.9	88.4
Humanity’s Last Exam	47.2	50.0	49.8	44.4	41.4
CharXiv Reasoning	85.1	86.6	84.2	83.3	84.1
GPQA-D	95.5	95.5	92.0	94.3	93.6
SciCode	60.1	58.7	53.5	58.9	56.1
τ³ Banking	21.7	20.6	20.6	8.4	20.6
Long Context Reasoning	74.7	73.3	67.7	72.7	74.3
MRCRv2	86.6	93.6	87.9	84.9	94.8

出典: Sakana AI 公式プロダクトページ（SWE-Bench Pro は mini-swe-agent をスキャフォールドとして使用）

観点 1: 「上回る」対象は一般公開されているモデルに限られる

公式の表現を正確に読むと、Fugu モデルが上回るとされているのは、一般に利用できるフロンティアモデルです。Anthropic の Fable 5 および Mythos Preview に対しては「肩を並べる（shoulder-to-shoulder）」という表現が使われており、上回るとは主張されていません。

参考: Sakana Fugu Technical Report（arXiv）
“achieving state-of-the-art results compared to other publicly accessible models”
（一般に利用可能な他のモデルと比較して、最先端の結果を達成している）
https://arxiv.org/abs/2606.21228

Fable 5 と Mythos Preview は一般提供されていないため、Fugu のエージェントプールにも含まれていないと公式に明記されています。つまり現時点の比較は、「入手可能なモデルを束ねた結果、入手可能な単体モデルを上回った」という構図として理解するのが正確です。

観点 2: Opus 4.8 は競合であると同時に部品でもある

見落とされやすい点として、比較対象である Opus 4.8 や GPT-5.5、Gemini 3.1 Pro は、Sakana Fugu が内部で呼び出すエージェントプールの構成要素でもあります。 前章で触れたとおり、Fugu は入力ごとに適したエージェントを選び、Fugu Ultra は複数エージェントのワークフローを構成して回答をまとめます。

したがって、この結果は「国産モデルが単体で Opus 4.8 を打ち破った」という話ではありません。Opus 4.8 を含む各社モデルを適切に組み合わせることで、単体で使うより良い結果が得られた、という主張です。 性能の源泉が他社モデルにある以上、他社モデルの進化がそのまま Fugu の性能に反映される一方、他社モデルへのアクセスが失われれば影響を受ける構造でもあります。この二面性は、後述する国産としての意義を考えるうえでも重要な前提になります。

観点 3: 自社評価であることと、項目ごとのばらつき

Fugu 側のスコアは Sakana AI 自身による評価であり、比較対象は各提供元の公表値です。測定条件やスキャフォールドが揃っていない比較になるため、数値を額面どおりに受け取らない姿勢が求められます。ベンダー公表ベンチマークの読み方については、関連記事『GPT-5.6 リリース｜Sol・Terra・Luna の違いとインフラ業務での使い分け』でも整理しているので、あわせて参考にしてください。

項目ごとに見ると、次のようなばらつきもあります。

• Humanity’s Last Exam は Fugu Ultra 50.0 に対し Opus 4.8 が 49.8 で、差は 0.2 ポイントにとどまる
• MRCRv2 では GPT-5.5 の 94.8 が最も高く、Fugu Ultra の 93.6 は 2 番手
• SciCode では Fugu（60.1）が Fugu Ultra（58.7）を上回っており、上位モデルが常に優位とは限らない
• τ³ Banking は Fugu Ultra・Opus 4.8・GPT-5.5 がいずれも 20.6 で並び、タスクによっては差が出ない

総合すると、「一般公開モデルの中では現時点で優位性のある選択肢だが、全項目で圧倒しているわけではない」というのが公表値から読み取れる実像です。 自社のワークロードに近いタスクでの検証を経てから判断することをおすすめします。

国産であることの意義 — AI 主権と単一ベンダー依存のヘッジ

Sakana Fugu を「国産 AI」として評価する際、モデルの性能そのものより重要なのが、提供体制と運用主権の観点です。公式リリース自体が、この点を前面に打ち出しています。

輸出規制が現実のリスクになった 2026 年

Sakana AI は Sakana Fugu の意義を説明するにあたり、単一ベンダー依存のリスクを具体例とともに挙げています。重要インフラや金融、行政の業務を一社の API に依存させることは、現実的な弱点になるという指摘です。

参考: Sakana Fugu: One Model to Command Them All（Sakana AI 公式）
“access can shift or disappear overnight due to changing regulatory boundaries”
（規制の枠組みが変われば、アクセスは一夜にして変わったり失われたりし得る）
https://sakana.ai/fugu-release/

ここで名指しされているのが、2026 年 6 月に Anthropic の Fable 5 と Mythos 5 が米商務省の輸出規制ディレクティブによって停止された事例です。日本国内のユーザーも対象となり、業務で利用していたエンジニアが影響を受けました。この経緯の詳細は、関連記事『Claude Fable 5 はなぜ使えない｜米政府ディレクティブの経緯と復旧の行方』で整理しています。

Sakana Fugu の設計上、エージェントプールのモデルは入れ替え可能とされており、あるプロバイダーが利用を制限した場合には動的に迂回する仕組みが説明されています。特定モデルの提供停止が現実に起きた後では、この「迂回できる」という性質は、性能値と同等かそれ以上に実務的な価値を持ちます。 ただし、迂回先も同様に米国製モデルである以上、規制が広範に及ぶ場面では影響を完全に回避できるとは限らない点は、あわせて認識しておく必要があります。

「純国産モデル」ではないという整理

国産 AI という呼び方には注意が必要です。Sakana Fugu が束ねるエージェントは、現時点では Opus 4.8、GPT-5.5、Gemini 3.1 Pro といった米国製のフロンティアモデルが中心です。つまり、推論の中核を担っているのは国産のモデルではありません。

国産としての価値は、次の 3 点にあると整理できます。

オーケストレーション層

どのモデルにどう任せるかを決める部分を国内企業が開発・運用している

運用主権

特定プロバイダーの除外や、規制発生時の迂回を自社の判断で行える（除外は Fugu のみ対応、設定は API キー単位）

日本語・日本固有タスクへの適性

公式のデモでは、散らし書きされた仮名消息（古典日本語の書状）の読み順推定で Fugu Ultra が NED 0.80 を記録し、他のフロンティアモデル（0.24 程度、あるいはコードを出力できず）を大きく上回ったと説明されています

なお、公式は今後のエージェントプール拡充にあたり、オープンモデルや Sakana AI 自身のモデルを組み込む方針を示しています。国産モデルが内部の構成要素として増えていけば、この位置づけは変化する可能性があります。

「国産 AI」の定義をめぐる論点は、Sakana Fugu に限った話ではありません。国産 LLM の基盤に海外のオープンモデルが使われていた事例については、関連記事『Rakuten AI 3.0 とは｜国産 AI の実態と DeepSeek 論争の整理』で扱っています。重要なのは国産か否かのラベルではなく、どの層を誰が握っているかを構造として把握することだと考えます。

なお、料金は米ドル建てで提示されています。円建てプランを求める声に対しては、要望として受け止めるという趣旨のコメントが報じられており、国内利用における為替リスクは現時点では利用者側が負う形になります。

エンジニア視点の使い分け — どのタスクで効くか

Sakana Fugu は「既存のモデルを置き換えるもの」というより、「タスクの性質に応じて選ぶ選択肢が 1 つ増えたもの」と捉えるのが実態に近いと考えます。本章では、公表情報から読み取れる適性と、検証の進め方を整理します。

タスク別の適性

公式が挙げる先行ユーザーの用途と、ベンチマークの傾向から整理すると、次のようになります。あくまで公表情報からの出発点であり、実際の精度は自身のワークロードでの検証をおすすめします。

タスクの性質	候補	理由
単発の質問、定型的な生成、対話的な用途	既存の単体モデル API または Fugu	Fugu は入力ごとに 1 エージェントを選ぶ設計で、単体呼び出しと同等のレイテンシを狙う。オーケストレーションの利点が出にくい領域
日常的なコーディング、コードレビュー	Fugu	Codex 等のツールに組み込む前提で設計されている。エージェント除外にも対応
長時間・多段階の自律タスク（論文再現、文献・特許調査、データ分析）	Fugu Ultra	複数エージェントのワークフローを構成する設計で、公式が主用途として挙げる領域
脆弱性調査、脅威分析などのセキュリティ業務	Fugu Cyber	サイバー推論に特化。ただし従量課金プラン限定
監査要件で使用モデルの特定が必要な業務	既存の単体モデル API	Sakana Fugu は使用モデルを開示しない設計のため適さない

判断の軸は「1 回のプロンプトで完結するか、多数のステップを跨ぐか」です。 単発タスクでは、モデルを束ねるオーバーヘッドに見合う効果が得られにくい一方、読み込み・実装・テスト・比較・修正を繰り返すような長時間の作業では、途中で適したモデルに切り替えられる利点が効いてきます。公式が定性評価として挙げる事例も、14 時間・123 回の実験を伴う自動機械学習研究や、4 時間規模の論文再現といった長時間タスクが中心です。

検証を始める際の考え方

導入判断にあたっては、既存のワークフローを置き換える前に並走比較する方法が現実的です。OpenAI 互換 API として提供されているため、既存のクライアントやコーディングハーネスのエンドポイントとモデル ID を切り替えるだけで試せる設計になっており、SDK の移行は不要とされています。まず Fugu で日常業務を回し、見落としが目立つタスクだけ Fugu Ultra と比較する、という進め方が無駄が少ないと考えます。具体的な接続手順は別記事で扱います。

制約事項と導入前の注意点

導入検討時に判断材料となる制約を整理します。いずれも公式ページおよび FAQ に記載されている内容です（2026 年 7 月時点）

提供地域

EU（欧州連合）および EEA（欧州経済領域）加盟国には提供されていません。GDPR 等への対応を進めている段階と説明されています。日本国外からの利用は可能ですが、地域によっては通信環境や現地規制で利用できない場合があるとされています

使用モデルの非開示

各クエリでどの基盤モデルが選択され、どう連携したかは公開されない設計です。挙動の再現性や、利用ベンダーの特定が求められる用途では制約になります

エージェント除外の適用範囲

特定プロバイダーの除外は API キーの作成・編集時に設定でき、適用はキー単位です。対象は Fugu のルーティングのみで、Fugu Ultra は全プールを使用する設計のためプールは固定です

Fugu Cyber の提供条件

サブスクリプションプランには含まれず、従量課金プランでのみ利用できます

学習データの取り扱い

利用データは性能向上に用いられる旨が案内されており、コンソールからいつでもオプトアウトできると説明されています。業務利用の前に設定を確認しておくことをおすすめします

コンテキスト長による料金変動

72K トークンを超えるコンテキストでは、入力・出力・キャッシュ入力の各単価がおおむね 2 倍前後に切り替わります。長大なコンテキストを扱うワークフローではコスト見積もりに影響します

オーケストレーション分のトークン課金

内部の連携処理で消費されるトークンも課金対象として計上されます。単純な入出力トークンだけで試算すると、長時間タスクのコストを過小に見積もる可能性があります

通貨

料金は米ドル建てで提示されています

料金体系の詳細と他社モデルとのコスト比較は、別記事で扱います。

まとめ

Sakana Fugu は、単体の国産大規模言語モデルではなく、世界の主要モデルを束ねて協調させるオーケストレーションシステムです。一般公開されているフロンティアモデルに対しては多くのベンチマークで優位を示す一方、比較対象である Opus 4.8 等を内部で利用している点、公表値が自社評価である点は前提として押さえる必要があります。国産としての価値は、モデルそのものよりオーケストレーション層と運用主権にあると整理できます。

• 複数のフロンティアモデルを単一 API で束ねるオーケストレーションシステム
• ICLR 2026 採択論文 TRINITY と Conductor を基盤とした学習型の協調制御
• Fugu・Fugu Ultra・Fugu Cyber の 3 モデル構成、OpenAI 互換 API で提供
• 公開モデルには優位、Fable 5 と Mythos Preview には比肩という位置づけ
• 内部で Opus 4.8 等を利用するため、単体での性能勝負とは構図が異なる
• 特定プロバイダーの除外と規制発生時の迂回が可能という運用上の利点
• EU / EEA 未提供、使用モデル非開示など導入前に確認したい制約

以上、最後までお読みいただきありがとうございました。