Sakana AIの新プロダクト「Fugu（フグ）」とは？マルチエージェントAIの全貌を解説

2026年6月22日、東京を拠点とするAIスタートアップ・Sakana AIが新プロダクト「Sakana Fugu（サカナ・フグ）」を正式リリースしました。複数のAIモデルを束ねて「1つのモデル」として動かすという斬新なアーキテクチャで、リリース直後から大きな注目を集めています。

Sakana Fuguとは？概要

Sakana Fuguは、複数のAIエージェントをオーケストレーション（協調制御）しながら、ユーザーには単一のモデルとして振る舞うマルチエージェントシステムです。

リクエストを一つのエンドポイントに送るだけで、Fuguがそれをどう処理するかを判断します。シンプルなタスクはそのまま解き、複雑なタスクには専門モデルのチームを編成・調整します。モデルの選択、タスクの委任、検証、統合はすべてFugu内部で完結するため、マルチエージェント特有の複雑さは開発者のコードに一切漏れてきません。

Fugu自体も約7Bパラメータの小型言語モデルであり、他のLLMを呼び出すことを強化学習によって学習しています。トレーニング中には自分自身を再帰的に呼び出すことも覚え、テスト時のスケーリングが可能になっています。

Fuguの能力・ベンチマーク

モデルのラインナップ

2つのモデルが提供されています。

どちらもOpenAI互換のAPIでアクセス可能です。コンテキストウィンドウは100万トークン、テキストと画像の両入力に対応しています。

ベンチマーク結果（2026年6月時点・Sakana AI公表値）

特筆すべきは、Fugu Ultraがプール内の全モデル（GPT-5.5、Opus 4.8、Gemini 3.1 Pro）を上回ったことです。「チームの総力が個々のメンバーを超える」というオーケストレーションの論証として注目されています。

※ ベンチマーク値はSakana AI自身の公表値であり、独立機関による第三者検証は現時点では行われていません。

仕組みの詳細

アーキテクチャ

Fuguはシンプルなルーターではありません。ICLR 2026に採択された2本の論文「TRINITY」と「Conductor」を基盤としています。

• TRINITY：進化的戦略で最適化された軽量コーディネーターが、複数のLLMに「思考役（Thinker）」「作業役（Worker）」「検証役（Verifier）」の役割を割り当てて協調させる
• Conductor：強化学習によって自然言語での協調戦略を学習し、各ワーカーLLMへの指示を動的に生成する

手書きのワークフローに頼らず、タスクごとに最適な編成をシステム自身が学習する点が従来のマルチエージェントシステムとの最大の違いです。

使用モデル構成

現在（2026年6月）のエージェントプールは以下の通りです。

• OpenAI GPT-5.5
• Anthropic Claude Opus 4.8
• Google Gemini 3.1 Pro
• オープンソースモデル（詳細非公開）
• Sakana AI独自モデル（一部）

AnthropicのFable 5とMythos Previewは、2026年6月12日の米国商務省による輸出規制でパブリックアクセスが停止されたため、プールに含まれていません。

SakanaAIがホストしているのはFuguコーディネーター（約7B）のみで、各LLMは各プロバイダーのAPIを直接呼び出す構成です。どのモデルが何回呼ばれたかはユーザーには開示されません（ルーティングはプロプライエタリ）。

閉じた環境・オフライン環境での利用は？

Sakana Fuguは基本的にインターネット接続が前提であり、完全なオフライン環境では使用できません。理由は構造上明確で、Fuguの仕組み自体が外部のクラウドAPIを呼び出すことで成立しているからです。

ただし、データガバナンスやプライバシー規制が厳しい組織向けに、ルーティングプールから特定のプロバイダーを手動で除外する設定が可能です（通常のFuguのみ。Fugu Ultraはプール固定でオプトアウト不可）。

金融・官公庁・医療など、インターネット接続が制限される環境での利用には向いていません。そのような用途にはオンプレミスで展開できるオープンソースLLM（LlamaやMistralなど）の活用が現実的です。

単一ベンダー依存リスクへの対策という視点

Sakana Fuguのリリースタイミングは戦略的です。AnthropicのFable 5とMythos Previewが輸出規制により突如アクセス不能になった直後のリリースで、「特定企業のAPIに依存する危険性」を直撃するメッセージを発信しています。

Fuguは特定プロバイダーのアクセスが失われた場合でも、動的にルーティングを切り替えて対応できる設計になっており、AIの自律性（AI sovereignty）のための実践的な設計図を提供することを目指しています。

ただし注意点として、「単一ベンダーへの依存」が「Sakana AIのオーケストレーション層への依存」に置き換わるだけという見方もあります。依存先を分散させるアプローチであり、依存をゼロにするわけではありません。

注意点・課題

• レイテンシの不安定さ：Fugu Ultraは11〜269秒と幅が大きく、本番環境での利用には注意が必要
• コスト：重いタスクでは1メッセージあたり最大$10に達することがある
• 透明性：どのモデルが何回呼ばれたかが非公開のため、データがどこに渡ったか完全には把握できない
• ベンチマークの独立検証なし：公表スコアはすべてSakana AI自身によるもの
• EU/EEA未対応：GDPRへの対応作業中のため、EU・EEA圏では現時点で利用不可

まとめ

Sakana Fuguは「より大きなモデルを作る」という従来路線とは一線を画し、既存のフロンティアモデルを賢くオーケストレーションすることで、単体モデルを超える性能を実現するという新しいアプローチを示しています。

OpenAI互換APIで既存ツールからそのままアクセスできる手軽さと、マルチベンダー分散によるリスクヘッジという実用的な価値を持つプロダクトです。ただし、閉じた環境や厳格なコンプライアンス要件がある環境には適さない点、ベンチマーク値の独立検証がまだない点は念頭に置いておく必要があります。

「次のAIの主役はモデルそのものではなく、モデルを指揮するオーケストレーター層だ」というSakana AIの主張が正しければ、Fuguはその先駆けとなるプロダクトかもしれません。

※ 本記事の情報は2026年6月23日時点で当社が調査したものです。正確性には責任を負いかねます。料金・仕様・対応地域は変更される可能性があります。最新情報は Sakana AI公式サイト をご確認ください