【Sakana Fugu】
Mythos級の次世代国内AIが登場！
複数の強力なLLMを動的に組み合わせ、協調させながらタスクを解く「オーケストレーションAI」がSakana Fuguです。
本記事では、単体モデルの依存を避けつつ、フロンティアレベルの性能を実現する仕組みを解説します。
Sakana Fuguとは何か
Sakana Fuguは、Sakana AIが2026年6月に発表した「マルチエージェント・オーケストレーションをひとつのモデルAPIとして提供する」システムです。
ひとつのプロンプトだけで、Claude、ChatGPT、Geminiといった世界のトップLLM群を動的に組み合わせ、協調させながらタスクを解く仕組みになっています。
- 「どのモデルを使うか」
- 「どのモデルにどの役割を振るか」
- 「どう連携させるか」
といったオーケストレーションの判断をFugu自身が学習して自動で行うのが大きな特徴です。
なぜ「オーケストレーション」が必要なのか
これまでのAIの進化は、「より大きな単体モデル」 を作る方向に進んできました。しかしSakana AIは、「これからの最強のシステムは、協調するエコシステムになる」 と主張します。
背景には、次のような課題があります。
単一ベンダー依存のリスク
特定のモデルだけに依存していると、そのモデルが
- 輸出規制の対象になる
- 価格や利用条件が急に変わる
- サービスが突然停止する
といったリスクに直面します。
実際、最近の輸出規制で一部のフロンティアモデルが一般公開を停止した事例もあります。
タスクごとの得意・不得意
- 「コーディングが強い」
- 「数学・推論が強い」
- 「長文の理解が強い」
モデルごとに得意分野が異なるため、Fuguは多様性を活かして「チームプレー」でタスクを解くことを目指しています。
Fuguのアーキテクチャ
Fugu自体もLLMですが、主な役割は「他のLLMをどう呼び出し、どう役割分担させるか」を学習したオーケストレーターです。
エージェントプール
Fuguの内部には、複数の強力なLLMからなる「エージェントプール」が存在します。
タスクが来るとFuguは、
- 1つのモデルで十分なら、そのモデルに直接投げる
- 複雑なら、複数の専門モデルを組み合わせて協調させる
といった判断を自動で行います。
研究ベースの協調技術
Fuguの背後には、ICLR 2026で発表された2つの研究が使われています。
【TRINITY】進化型LLMコーディネーター
軽量な進化型コーディネーターが、複数のLLMに、
- Thinker（思考役）
- Worker（実行役）
- Verifier（検証役）
などの役割を割り振り、複数ターンにわたって協調させる枠組みです。
コーディング・数学・推論・知識タスクなど、幅広い領域で「どのモデルにどの作業を任せるか」を適応的に学習します。
【Conductor】自然言語でエージェントを統率
強化学習で訓練され、 自然言語ベースの協調戦略を自ら見つけ出します。
エージェント同士のやり取りや要点を絞ったプロンプト設計を学習することで、
- 単体モデルでは難しい推論タスク
- 複雑なマルチステップタスク
でも、複数モデルの集団知能で上回る性能を実現します。
FuguとFugu Ultra
Fuguには2つのモデルがあり、どちらもOpenAI互換APIで利用できます。
Fugu（バランス重視）
- 性能とレイテンシのバランスを取った標準モデル
- 日常的なコーディング、コードレビュー、チャットボットなど応答性が求められる用途に適しています。
- プライバシーやコンプライアンス要件に応じて、 特定のプロバイダーやモデルをエージェントプールから除外することも可能です。
Fugu Ultra（性能重視）
- より深いエージェントプールを動員し、回答品質を最大化する高精度モデル
- 先行ユーザーの利用例：
Kaggleコンペティション
論文の再現実験
サイバーセキュリティ分析
文献・特許調査
高度なML研究（AutoResearchなど） - 難しい・重要度の高いタスクで、単体モデルを上回る結果を出すことを目指しています。
Fuguはフロンティアモデルと肩を並べるのか
Sakana AIの公開ベンチマークでは、Fugu / Fugu UltraがOpus 4.8、Gemini 3.1 Pro、GPT 5.5などのフロンティアモデルと比較されています。
LiveCodeBench（コーディング性能）
- Fugu：92.9
- Fugu Ultra：93.2
- Opus 4.8：87.8
- Gemini 3.1 Pro：88.5
- GPT 5.5：85.3
GPQA-D（大学院レベルの科学・推論問題）
- Fugu / Fugu Ultra：95.5
- Opus 4.8：92.0
- Gemini 3.1 Pro：94.3
- GPT 5.5：93.6
SWE Bench Pro（ソフトウェアエンジニアリング）
- Fugu：59.0
- Fugu Ultra：73.7
- Opus 4.8：69.2
- Gemini 3.1 Pro：54.2
- GPT 5.5：58.6
【実際のユースケース】Fuguは現場でどう使われているか
公式ページでは、実際のユーザーコメントも紹介されています。
【ソフトウェアエンジニア】コードレビュー
「コードレビューでは、Fugu Ultraは回答が網羅的で、他のモデルが見逃すバグまで見つけてくれました。他のツールでは3件くらいの問題しか指摘されなかったが、Sakana Fuguは20件以上を洗い出してくれました。」
【研究者】特許・文献調査
「約20本の論文と複数の特許にまたがる特許動向（パテントランドスケープ）を作成しました。普段なら3〜4日かかる作業が、Sakana Fuguを使うと数時間で完全な分析ができ、その中には、自分では決して気づけなかっただろう論文同士のつながりを見つけることができました。」
【セキュリティエンジニア】セキュリティ評価
「範囲を絞った指示を一つ渡しただけで、Sakana Fuguは情報収集からXSS/SQLiの検査、認証まわりのレビュー、さらに証拠と再テスト手順を備えた整然としたレポート作成まで、セキュリティ評価を一気通貫でこなしました。しかも指定した範囲を逸脱せず、システムを壊すような操作も避けてくれました。」
【研究者】論文の再現
「1つのシンプルな指示から、Sakana Fuguはおよそ4時間続けて自律的に作業しました。論文を読み込み、実装・学習・評価まで行い、足りない点を分析してくれました。」
料金プランとアクセス
公式ページでは、トークンプラン（従量課金） とサブスクリプションプランが案内されています。
- 入力：5ドル（コンテキスト272K超で10ドル）
- 出力：30ドル（コンテキスト272K超で45ドル）
- キャッシュ入力：0.5ドル（コンテキスト272K超で1ドル）
- スタンダード：＄20/月
- プロ：＄100/月
- マックス：＄200/月
※EU/EEAでは、GDPR等への対応が完了するまで利用不可とされています。
Fuguが示す「AIの次の形」
Sakana Fuguは、新しいモデルを追加したのではなく、AIの使い方そのものを変える試みです。
- 単一モデル依存から、モデル群の協調へ
- 手動のワークフロー設計から、学習されたオーケストレーションへ
- 特定ベンダーへの依存から、AI主権（AI sovereignty）へ
これまで「どのモデルを使うか」で悩んでいた開発者・企業にとって、「どのモデル群をどう組み合わせるか」を自動で最適化してくれるAPIは、大きな価値を持ちます。
Fuguはまだ登場したばかりですが、「複数の強力なAIを一つのチームとして動かす」 という発想は、今後ますます重要になっていくでしょう。
関連記事
閲覧ありがとうございました。
＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊
中年独身男のお役立ち情報局
Friends-Accept by 尾河吉満
＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊
