Sakana AI「Fugu／Fugu Ultra」とは？性能・仕組み・使用感を解説

2026年7月11日 ・ 久保一成

#AI#Sakana AI#Fugu#マルチエージェント#LLM#日本のスタートアップ

1章　Sakana AIが日本発のClaude級AI「Fugu」を公開

2026年6月22日、日本のAIスタートアップ、Sakana AIが新しいAIを発表しました。Sakana Fugu と Sakana Fugu Ultra。

Fugu Ultraは、Claude Fable 5やMythos Previewと肩を並べる性能を示した。Sakana AI自身が明言し、ベンチマークを公開。

FableとMythosは、Claudeシリーズの中でも特別なモデルです。というか伝説のモデルです。その水準に、日本のスタートアップ企業が作ったAIが並ぶというニュースが流れました。

Sakana AIのことは2024年ごろにはすでに話題になっていたので、僕も知ってはいたのですが、本当にすみません、甘くみていました。ごめんなさい。

2章　Sakana Fuguは「LLMを選ぶLLM」である

Sakana FuguはLLMですが実は小規模のLLMです。ChatGPT5.5のような大規模LLMではありません。

Sakana FuguはむしろLLMのAIです。

分かりにくいことを言ったという自覚が僕にもあります。安心してください。

日本企業が、OpenAIやAnthropicと同じレベルのLLMを作ったのか？厳密にいうと違います。ただし、ユーザーからすると、それらのLLMを使うのと体験は同じです。

ユーザー側からは完全にLLMに見えるけれど、LLMという厳密な定義からは少しずれています。

Sakana FuguはLLMを束ねているAI。つまりLLMのオペレーションシステム。厳密には「マルチエージェント・オーケストレーションAI」です。

これは横文字だからってスルーするともったいないです。どう考えても響きがかっこいいはず。口に出して音読することをお勧めします。「マルチエージェント・オーケストレーションAI」 です！

事実として、Fugu Ultraが、少なくともSakana公式のベンチマーク上では、OpenAI、Anthropic、Googleのフロンティアモデル級と同じ比較表に入りました。

公式発表のベンチマークを見ると、Fugu Ultraはかなり強いです。

• ソフトウェアエンジニアリング系のSWE Bench Proでは、Fugu Ultraが73.7。
• Terminal Bench 2.1では82.1。
• LiveCodeBenchでは93.2。
• LiveCodeBench Proでは90.8。
• GPQA Diamondでは95.5。
• Humanity’s Last Examは50.0。

Terminal Bench 2.1やLiveCodeBenchは、本格的なコーディング能力のベンチマークです。

また、特筆すべきはHumanity’s Last Examの50.0。ChatGPT5.5が41.4しか取れていない、超難問の問題ベンチマークです。

ベンチマークの数字上は、確かにフロンティアモデル級以上。

そしてこの記事執筆時点で、実際にライティング能力の高さは分かりました。少なくともOpus4.8 effort 最大、ChatGPT 5.5 proよりはリサーチ能力、ライティング能力は体感値としても高いです。

肝心のコーディングではまだ使えてません。

話を戻しますが、Fugu Ultraは、Claude Fableのように作られた巨大LLMではありません。

概念はシンプルで面白い。

Sakana AIが作ったのは、単体の巨大モデルではなく、複数の強力なAIモデルを束ねて、役割分担させ、検証し、統合するAIです。LLMが大規模に言語モデルとしての学習をしている一方で、Fuguは「協調の設計」を大規模に学習しています。

つまりFuguは、単体のLLMという知能ではなく、複数のLLMを使う知能として強化され、実際に複数のLLMを駆動し統合することで、ユーザーからの指令に他のLLMと同様に回答します。

ユーザーからすると体験に違いはありません。でも、AIの設計は原理的にLLMとは違う。

「日本企業が、OpenAIやAnthropicの「LLMの開発競争」に追いついた」は誤り。「日本発の企業が、OpenAIやAnthropicの「LLMの能力」に追いついた」は少なくともベンチマーク上は正しい。

そもそも2024年からSakana AIは界隈では一際有名なスタートアップでした。後述する色々な理由があるのですが、一つは主流の計算資源の無限投下という学習方法以外で、AI開発を行っているということ。

今のAI競争は、人材獲得と計算資源（資本）の投下力でほとんどの勝負が決まっています。

• 誰が一番巨大な資金を持っているか。
• 誰が一番多くのGPUを持っているのか。
• 誰が一番多くのデータを集められるのか。
• 誰が一番多くの研究者を雇えるのか。

この競争で戦うと、当然OpenAI、Anthropic、Google、中国勢の企業が圧倒的に有利です。日本企業がそこに真正面から入って、同じ規模で戦うのは現状だとかなり厳しい。

2023年の創業当時から、Sakana AIは独自のAI開発構想とその確信を持っていた企業なのです。

3章　FuguとOpenRouter Fusionは何が違うのか

Fuguは、LLMとしての性能を学習しているAIである以上に、AIを束ねる能力を大規模学習したAIです。

• モデル選択をAIにやらせる。
• 複数のモデルに役割を与える。
• 協調させる。
• 検証させる。
• 統合させる。

これらの一連の最適化の全てをFuguは大規模学習している。

ユーザーから見ると、FuguはひとつのLLMに見えます。

OpenAIと互換がありAPIで呼び出します。代表的なのはCodex CLIです。

でもFuguの内部では、複数のAIが共同して動いている。

• 考える役。
• 作業する役。
• 調べる役。
• 疑う役。
• 検証する役。
• 最後にまとめる役。

でもAIに詳しい人ほどこう思うかもしれません。

それってOpenRouterのFusionと何が違うの？

OpenRouter自体が面白い概念で、表層的には概念が類似して見えます。

OpenRouterは、複数のAIモデルに一つのAPIからアクセスできるプラットフォームです。その中にFusionという、複数モデルに同じ問いを投げ、パネル回答を集め、ジャッジモデルが比較して、最終回答を改善する仕組みがあります。

複数モデルを同時に回すため、デフォルトの3モデルパネルでは単一補完のだいたい4〜5倍程度のコストまであり得ます。ただ、Fusionはベンチマークスコアも実はかなり高い。Fusionも最新のLLMをパフォーマンスを数字上超えているように見えます。

OpenRouterのFusionは、ざっくり言えば、複数モデルの合議システムです。

• 複数の専門家に同じ質問をする。
• それぞれの回答を並べる。
• ジャッジが、合意点、矛盾点、見落とし、ユニークな洞察を整理する。
• 最後に、より良い回答を作る。

実際この構造も強力に回っています。

でもFuguとFusionは別のものです。

OpenRouter Fusionが、「合議を実行する仕組み」だとすれば、Fuguは、「合議の開き方そのものを学習する仕組み」です。

これは一貫したSakana AIのユニークな部分で、複数AIを使うのではなく、複数AIの使い方を大規模学習しているAIがFuguです。複数AIを使えるシステムと、複数AIを使うこと自体を学習しているAIの違いがあります。

Fusionは、複数モデルに聞く。Fuguは、そもそも誰を呼ぶべきかを考える。

Fusionは、パネルとジャッジの構造が中心です。Fuguは、タスクごとに、チーム構成、役割分担、文脈の渡し方、検証の順番、再帰の深さまで動的に組み立てる。

Fusion自体は複数のAIを使うシステムであり、Fuguは複数のAIを使うAIです。OpenRouter Fusionは、「いろんな専門家に聞いてから結論を出します」。Fuguは、「この問題を解くには、どんな専門家チームを作るべきか、そのチームをどう指揮すべきかを学習します」。

これは似ているようで、違いますよね。前者は合議の開催。後者は合議の学習です。

Fuguが、答えを出すことそのものではなく、答えに至るための知性の編曲を学習しているのです。

ただし、どちらが優れているかは分かりません。実際のプロダクトとしてどちらの性能が評価されていくか、進化がすすむかは、今後の検証が必要です。

4章　Fuguのマルチモデル・オーケストレーションの仕組み

オーケストレーションとは、オーケストラがアナロジーです。

世界最高のヴァイオリン奏者がいたとします。

ものすごく美しい音を出せる。技術も完璧。表現力もある。でも、ヴァイオリン一本だけで、あらゆる曲を表現しきれるわけではありません。

• 低音の厚みにはコントラバスが必要です。
• 透明感にはフルートが必要かもしれません。
• 荘厳さにはホルンが必要かもしれません。
• 緊張感にはティンパニが必要かもしれません。
• 複雑な和声には複数のパートが必要です。

そして、それらの音が融和する時に、オーケストラとしての楽曲の本当の形ができてくる。

ただ楽器を並べればいいわけじゃない。全員がずっと全力で演奏したら、音楽は壊れます。

• ある瞬間はヴァイオリンを前に出す。
• ある瞬間は低音を支えに回す。
• ある瞬間は管楽器で空気を変える。
• ある瞬間は全員を抑えて、静けさを作る。

この強弱を決めるのが、指揮者です。これがいわゆるAIのオーケストレーションです。

ただ、Fuguがやっていることは、もっと上流から。作曲家であり、編曲家であり、音楽監督でもあるが、指揮者も兼ねている。そもそもこの楽曲は、ピアノソロで解くべきなのか。弦楽四重奏で解くべきなのか。フルオーケストラが必要なのか。一度演奏して、音が濁ったら、どのパートを書き換えるべきなのか。それをより良い形にするにはどの楽団を選び、どのようなマネジメントをすべきなのか。そして、自身が指揮者となって強弱や間をコントロールもする。

Fuguはこの“全体の流動的性と部分的な指揮”その全体を学習するAIなのです。

5章　Sakana AIはどのような日本企業なのか

Sakana AIは、2023年に東京で設立されたAIスタートアップです。

CEOのDavid Ha氏は、Google Brainで研究を行い、日本のAI研究チームを率いていた人物。CTOのLlion Jones氏は、現代LLMの原点とも言えるTransformer論文「Attention Is All You Need」の共著者の一人。そしてCOOの伊藤錬氏は、外務省、メルカリ、Stability AIを経て、AIを日本社会や産業に接続していく役割を担っている人物です。

研究の最前線。LLMを産んだTransformerの共著者。日本の産業と政策への接続。この3つが東京で合流して生まれた会社が、Sakana AIです。

Sakanaが面白いのは創業者の経歴だけではありません。研究思想がかなり一貫しています。

Sakanaはずっと、知能を一枚岩ではなく、進化する集団として捉えてきました。

たとえば、Evolutionary Model Merge。複数のモデルを進化的に組み合わせて、新しい能力を持つモデルを作る研究です。

次に、The AI Scientist。AIが研究アイデアを出し、コードを書き、実験し、結果をまとめ、論文を書き、レビューまで行うシステムです。

さらに、Darwin Gödel Machine。AIエージェントが自分自身のコードを読み、書き換え、ベンチマークで評価し、改善されたエージェントを蓄積していく研究です。

これらはやはり理念に一貫性があります。

• 複数のモデルを混ぜる。
• 研究プロセスを自律的に回す。
• エージェント自身を自己改善する。

知能を「ひとつの巨大な塊」としてではなく、「複数の要素が進化しながら協調し、自己改善するもの」として見ていることです。

Sakanaという名前自体も象徴的です。一匹の巨大な魚ではなく、魚の群れ。スイミーです。小さな魚たちが集まり、環境に合わせて動き、全体としてひとつの知能のように振る舞う。大きな魚を小魚の群れで追い払うあの話です。

Fuguは、このSakanaらしい思想を、プロダクトの形にしてリリースしたものです。

だからFuguは、突然出てきた謎の高性能AIではありません。Sakanaがずっとやってきた研究思想の延長線上にあるプロダクトです。

6章　FuguとFugu Ultraの性能を深掘り

Sakana AIは、「日本発LLMのフロンティア級LLM」を開発したわけではありません。「日本発のフロンティア級AI」あるいは「日本発のマルチエージェント・オーケストレーションAI」と言うなら、かなり妥当。

ただFugu自体はOSS基盤モデルから自社で学習して作った小規模LLMです。それがGPT、Claude、Gemini、オープンソースモデルなど、複数のモデルを統括しています。

FuguはローカルLLMだけで完結している話ではなく、クラウド経由のフロンティアLLMも含むモデルプールを作っています。

ならば、背後でクラウドのフロンティアモデルを複数呼ぶなら、当然APIコストは嵩む可能性があります。

Fuguは、「安く魔法のように強くなるAI」ではありません。むしろ、安いAIと高価なAIを、無駄なく、必要なところに最適化し、またその出力結果は高価な単体AIモデルのパフォーマンスを超えるもの。

アメリカの巨大テックは、巨大なデータセンターを建て、巨大な資本を投下し、巨大なモデルを訓練する。

それはもちろん絶対的に強い。でもその単体の最強AIにも、マルチエージェント・オーケストレーションでFugu UltraはAIの性能としては勝ち得る。

日本は、最大の単体モデルですぐに追いつくことはできないかもしれない。でも、複数のモデルを最も賢く使うことで、単体の最高品質のLLMの性能は上回り得る。

日本は、世界最大のGPUクラスタをすぐには持てないかもしれない。でも、限られたリソースで、どの計算をどこに配分すべきかを最適化する技術では勝てるかもしれない。

Sakana AIはシリーズBで320億円、約2億ドルを調達したと発表しており、MUFG、Google、Salesforce Ventures、Datadog、Citi、In-Q-Telなどの投資家も参加しています。日本のスタートアップとしては、これはとんでもなく大きい。累計でも約4.12億ドル、約660億円です。

ただ、アメリカの資本規模を見てください。OpenAIは直近ラウンドで1,220億ドル。日本円で約19.5兆円。SakanaのシリーズBの約610倍です。AnthropicもシリーズHで650億ドル。約10.4兆円。Sakanaの約325倍です。つまり、OpenAIやAnthropicは、もはや普通のスタートアップというより、国家インフラ級の資本を集めてAIを開発している。

Sakana AIは、その日本の限られたリソースの中で、FuguとFugu Ultraを市場にリリースしました。

日本はこういったイノベーションを「利用する」のは得意。アメリカや中国の真似をするのでもない。巨大資本で殴るだけでもない。

日本の制約から、日本らしいアーキテクチャを作る。それは、最強の一匹を作る競争ではなく、賢い群れを作る競争。

ちなみに進化論的にホモサピエンスが生態系の頂点にいるのは、もっとも強い個体だったからではありません。弱さと引き換えに、想像と協調を得たからです。

その協調の設計自体をAIに学習させる。

もちろん、これが最善かは分かりません。より良いイノベーションが日本から生まれるかもしれませんが、Sakana AIが示してくれた方針は、一つの日本の回答としては素晴らしいと思います。

7章　Fuguの思考が人間に近く感じる理由

Fuguの構造は、これまでのAIの中でもっとも人間の「思考」方法に近いように感じます。

もちろん、脳科学的に同じ構造だと言っているわけではありません。あくまで比喩ですし、あくまで主観です。

現在のLLMは、入力されたプロンプトから、最もそれらしい出力へ向かって、できるだけ早く収束していく仕組みです。もちろん思考の連鎖で複数ステップの推論を行う仕組みはあります。でも、一つのモデルの中で、「一つの抽象度の推論の流れ」として組み立てられていく。思考の方法が「答え」に推進できるアルゴリズムになっている。

一方、人間の思考はむしろそれができない。

まず論理以前に、感情が思考を左右する。無意識に彷徨っている連想がふっと割り込む。周りの音が急に気になる。具体例の細部が急に気になる。話している相手次第で結論自体が180度変わることもある。

一度発散して、遠回りして、最後にようやく収束する。でも人間の面白い発想や、天才的な閃きはむしろこの「遠回り」の中から生まれている。

最初から最短距離で正解に向かうAIは、正確を早く出せるかもしれない。でも、回答は面白くないことがある。というか面白くはない。

現在の多くのあらゆる作品にLLMの力は使われていると思いますが、必ず随所に人間のディレクションや構想、発想によって先導されている。「人間」が面白いのです。

Fuguは可能性としては、人間に近い面白さが出せるように進化していく可能性がある気がします。

一つの巨大モデルにすべてを任せるのではない。複数のAIエージェントに違う役割を与え、違う角度から問題を見させ、その出力を検証し、必要ならさらに別のエージェントを呼び出し、最後に統合する。その一連の流れの全体がアーキテクチャになっているAIだからです。

もしかすると、これはAIにおける「面白さ」や「飛躍」を取り戻すための設計思想に将来的につながるかもしれない。

8章　Fugu／Fugu Ultraを実際に使った率直な感想

第一に、コスト。

あれだけ持ち上げてから、こんなことを言うのは気が引けるのですが、現状ではまだほとんどの方の一般的なタスクではFugu、Fugu Ultraを使う必要はないと思います。

単純に、コストが高い。体感的にはClaude Opus4.8 effort最高よりもリミットが早くきます。複数のLLMモデル内部で呼び出しているため、現状だと大手のモデル（特にChatGPT）の方がサブスクのコスパが良い。

第二に、レイテンシ。

複数のモデルを呼び、検証し、再帰的に処理するため、それなりに時間がかかります。

が、ただ、ここは思っていたほどは体感上のレイテンシは感じませんでした。それほどAIの学習で最適化されているのでしょう。

ChatGPT5.5よりは遅いですが、ChatGPT5.5 PROやClaude Opus4.8 effort最高とはあまり変わらない、またはタスクによっては早いこともあります。

第三に、透明性とコンプライアンス。

• どのモデルが呼ばれたのか。
• どの情報がどのモデルへ渡ったのか。
• どのエージェントが何を判断したのか。
• 失敗したとき、どこで失敗したのか。

ここは開示されません。

外部AIプロバイダーを使う場合、入力データがどこへ送られるのかは、気になる方にとっては気になるでしょう。

第四に、ベンチマークと体感の差。

GPQAやLiveCodeBenchやSWEProで強いことは事実です。ただ、ベンチマークはあくまでベンチマーク。

実際のユーザーの体感値と差が出ることはよくある話。本当の実力はこれから検証されていきます。

9章　それでもFugu Ultraを使い続けたい理由

ただ、僕はおそらくSakana Fugu Ultraは使うと思います。

Claude Fableの解禁、ChatGPT5.6、Gemini 3.5 proのリリースとの兼ね合いでもありますが、少なくともライティングの能力差は他のファンデーションモデルより一段上だと感じました。

まあ流石にFable5の方が良かった気はしますが。。。

僕は文章を書くこと以外は全ての仕事をAI化している人間なので、文章を書くことが仕事のボトルネックなんですね。

Fugu Ultraは少なくとも僕が内製で開発していた多段階リサーチと多段階ステップのライティングシステムよりも、精度が良い。

少しでもライティングが楽になるなら、僕の仕事の効率が随分上がるからです。

僕は、日本全体の生産能力を上げたいです。そのための有効な知識になると判断した情報を選んで配信しています。一緒に、日本をつくっていきましょう！