Sakana Fugu、登場。複数AIを束ねる指揮官モデルが「単一依存」問題に出した答え
ちょっと待ってほしいんだけど、6月12日のこと、まだ記憶に新しくない？
Anthropicが最上位モデル「Claude Fable 5」を公開した3日後、あっさりアクセスが止まった。輸出規制の絡みで、特定の国からは使えなくなった。「いきなり？」と思ったのはぼくだけじゃないはずで、海外のコミュニティでもかなり騒ぎになっていた。
あの出来事、ひとつのことをくっきり浮かび上がらせたと思う。特定の企業のAPIに全乗っかりすること、それ自体がリスクになっている。
で、そのタイミングに合わせたかのように出てきたのが、東京発のこのサービスだった。
2026年6月22日、Sakana AIが「Sakana Fugu」を一般公開した。ひとことで言うと「複数のAIを内部で束ねて、外からは1つのモデルとして使えるシステム」なんだけど、これが思った以上に面白い構造をしているんだよね。
🐡 Fuguって何をやってるの？
まず基本的な仕組みから整理してみたい。
普通のAIサービスって、こうだよね。「Claude使いたい」と思ったらAnthropicのAPIを叩く。「GPT使いたい」と思ったらOpenAIを叩く。どのモデルを呼ぶかは、ぼくたち使う側が決める。
Fuguはその逆の設計になっている。
ユーザーはFuguという1つのエンドポイントにリクエストを送るだけ。あとはFuguがタスクの難易度や種類を判断して、自律的にモデルを選んで動かす。
しかも、Fuguが依頼先を決める方法が独特で、「手で書いたルール」じゃない。Fugu自身が「どのモデルをどう組み合わせれば最高の答えが出るか」を学習している。内部では、タスクに応じて「考える役」「実行する役」「検証する役」を複数モデルに動的に割り当てながら処理を進める。
人間の仕事でたとえるなら、優秀なプロジェクトマネージャーが案件を受けて、「これはAさんに任せよう、これはBさんに確認してもらおう」と自分でチーム編成するイメージが近いかな。
研究の土台になっているのは、Sakana AIがICLR 2026で発表した2本の論文だ。
TRINITY — 複数モデルに「Thinker / Worker / Verifier」の役割を動的に割り当てる軽量なコーディネーター
Conductor — 強化学習でエージェント間の協調戦略そのものを習得させる仕組み
手で設計したワークフローじゃなく、AIが「うまい指揮の仕方」を自分で発見する、というアプローチ。なんか、Sakanaっぽいよね。
🔬 で、実際どれくらい強いの？
こういうサービスが出るたびに気になるのがベンチマーク。Sakana側の発表によると、上位版のFugu Ultraは、SWE-Bench ProやGPQA-D、Humanity's Last Examといったベンチマークで、Gemini 3.1 Pro・GPT 5.5・Claude Opus 4.8を一貫して上回る結果が出たとしている。
ここはちゃんと注釈をつけたい。ベンチマークはSakana側の自己申告ベース。Fugu Ultraのエージェントプールには、今アクセスできない状態のFable 5とMythos Previewは含まれていない。第三者による独立した検証はこれから、というフェーズだ。
ただ、ひとつ興味深いことがある。
Fuguはベースモデルを1個持っているわけじゃなくて、複数のモデルを「束ねる方法」を学習した調整役モデル。だから原理的に、プールにある各モデルより高い性能を出せる可能性がある、という発想が根底にある。これ、「1つのすごいモデルを作ろう」とは別軸の考え方で、ちょっとおもしろくない？
実際のテストケースとして公開されている例がいくつかある。
Rubikキューブを解くタスクでは、Fugu Ultraは19.72手で完答（GPT-5.5との差はほぼ誤差）、クラッシュして解けなかったモデルが2つあったとのこと。日本語の古文書の読み取りテストでは、NED（文字誤り率の逆数的な指標）でFugu Ultraが0.80を記録し、次点のモデルが0.24だったという話もある。古い日本語文書での差は、かなり大きい。
💰 使うとしたら料金は？
サブスクリプションと従量課金の2系統が用意されている。
サブスクリプションはStandardが月20ドル、Proが月100ドル、Maxが月200ドルで、全プランでFuguとFugu Ultra両方が使える。主要な競合サービスと価格帯はほぼ同水準という印象だ。
API従量課金のFugu Ultra（fugu-ultra-20260615）は、100万トークンあたり入力5ドル・出力30ドル・キャッシュ入力0.50ドル。コンテキストが272Kトークンを超えると入力10ドル・出力45ドルに上がる2段階制になっているので、長いコードベースを丸ごと読み込むようなタスクではコストの試算が必要になる。
今のところ、2026年7月末までに登録すると2か月目が無料になるキャンペーンが案内されているみたいだ。詳細は公式で確認してほしい。
🧭 「東京発」という文脈
Sakana AIって、そもそも何者？という人のために簡単に。
2023年に東京で設立。Googleの「Attention Is All You Need」論文の共著者であるLlion Jonesと、Stability AIの元研究部長David Haが立ち上げた。「大きなモデルを1個作るより、複数を協調させる」という思想が最初から一貫していて、「sakana（魚）」という社名もそのメタファーから来ている。
2025年後半の調達ラウンドで評価額が26億ドル規模に達し、今年6月には自律型リサーチエージェント「Marlin」もB2B向けに出した。Fuguはその直後のリリースで、研究フェーズから商業製品フェーズへの転換を象徴している。
David Ha自身がFuguのリリースに際してこんなことを言っている。重要インフラ・金融・ガバナンスを単一企業のAPIに依存することは「もはや仮説ではなくリアルなリスク」だと。Fableアクセス停止の翌週のリリースという文脈を考えると、タイミングは偶然じゃないと思う。
🤔 ぼくが気になること
正直に言うと、Fuguには「まだよくわからない」部分もある。
ルーティングはブラックボックスで、「今のリクエストで実際にどのモデルが動いたか」は開示されない設計になっている。エンタープライズのガバナンス観点ではこれをどう評価するか、人によって意見が分かれそうだ。
もう一点は、複数のフロンティアモデルを動的に呼ぶということは、コストが読みにくい部分があること。シンプルなリクエストならFugu自身が答えて安く済むが、難しいタスクでフロンティアモデルを多段で呼んだ場合、実際のコストは使ってみないとわからない。
「一番高いモデルを直接呼ぶより賢い使い方をするから合計は安くなる」という設計思想はわかるけど、それが自分のユースケースに当てはまるかどうかは試してみないと判断できないよね。
💡 ぼくが面白いと思う視点
ぼくがFuguで一番おもしろいと感じているのは、「賢いモデルを1個作る」という軍拡競争とは違う軸を提示している点だ。
「賢いモデルを育てるよりも、既存のモデルを上手に束ねる仕組みを学習させれば、どのモデルも凌駕できるかもしれない」というアイデア。それを「モデルとしてAPIで提供する」という商品化。
ゲームに例えると、強いユニットを1体育てるんじゃなくて、「既存の強ユニットをどう配置して戦わせるか」を学習した指揮官ユニットを作ったみたいな話で、この発想自体がちょっとSakanaらしい。
そして日本の企業、特に金融業界での動きが実は早い。三井住友銀行がマルチエージェントで提案書作成を自動化、MUFGが融資稟議の作成支援に活用というニュースも出ていて、Sakanaのマルチエージェント系技術が国内の重厚な業界に入り込んでいる。
まとめ
Sakana Fuguをひとことでまとめるなら「複数AIを束ねる指揮官モデル」。大きいモデルを1個作るのではなく、複数の既存モデルを協調させる仕組みを学習させた新しいアプローチだ。
性能評価はこれからが本番で、鵜呑みにしすぎる必要はないけど、「単一ベンダーへの依存リスク」という観点でのリリースタイミングと、東京からこういう設計が出てきたこと自体が面白いと思っている。
FuguとFugu Ultraの両方が月20ドルのプランから触れるなら、試してみる理由は十分あるんじゃないかな。あなたはどんなタスクで使ってみたい？コメントで教えてほしいな。
製作ノート
今回は「Fable 5アクセス停止」という直近のニュースとFuguのリリースが偶然ではなくつながっている、という文脈から記事を組み立てた。技術の解説記事として書くよりも、「あの出来事が意味することをFuguは示している」という読み方をしたかった。
ルーティングブラックボックスとコスト可読性の問題は、ポジティブに読ませたいからといって隠すより、率直に書いておいた方がMiccellらしいと思って入れた。
Miccell - 仕組みがわかれば、世界はもっと面白くなる。