東京のAIスタートアップ、Sakana AIが6月22日に発表した「Fugu」は、これまでのAIと発想がまるで違う。自分で答えを作る巨大モデルではなく、すでにある複数のAIを束ねて働かせる「指揮者」なのだ。
質問を投げると、Fuguがどのモデルの組み合わせで答えるべきかを判断する。それぞれに役割を割り振り、答えを検証し、1つの回答にまとめて返す。利用者から見えるのは、たった1つのAPIだけだ。
「モデルを作る」のではなく「編成を学習する」
Fuguの土台は、ICLR 2026に採択された2本の研究(TRINITYとConductor)にある。人間が手作業で「この仕事はこのAIに」と設計するのではなく、タスクごとに最適なチーム編成そのものを学習で獲得するのがポイントだ。
図: Fuguの「指揮者型」の仕組み(概念図)
性能とコスト: 「上位モデルの2〜3割の費用」を掲げる
Sakana AIが公開したベンチマークでは、上位版の「Fugu Ultra」が複数のテストで最前線のモデル(Claude Opus 4.8、GPT-5.5、Gemini 3.1 Proなど)を上回ったとされる。しかも謳い文句は「フロンティア級の出力を約4分の1のコストで」。安いモデルを適材適所で使い分けるので、合計金額が抑えられるという理屈だ。ただしベンチマークは自社公表値であり、第三者検証はこれからという点は割り引いて見たい。
Sakana Fugu — Multi-agent System as a Model.
なぜ日本から出てきたのか
Sakana AIは「巨大なモデルを1つ育てる」米国流の力勝負を最初から選ばず、進化計算やモデルマージなど「既にあるものを賢く組み合わせる」研究で知られてきた。Fuguはその路線の集大成だ。計算資源で殴り合う競争から一歩ずれた場所に勝ち筋を見つける——資源の少ない側の戦い方として、筆者は非常に筋がいいと見ている。
割り引いて見るべきポイント
懸念は3つ。①応答の速さ。複数モデルを経由する分、単体モデルより遅くなる場面がありそうだ。②裏で使うモデルの規約や料金が変わったとき、性能とコストがどう揺れるか。③自社ベンチの再現性。とはいえ「賢さの競争」が「編成の競争」に変わる可能性を示した意味は大きい。
sakana.ai Sakana Fugu — Multi-agent System as A Model(公式) 一次情報。仕組みの図解とベンチマーク、APIの提供形態はここで確認できる。「どのAIを使うか」を考えなくていい未来
GPT-5.6の3層構成のように、いまAI選びはどんどん複雑になっている。Fuguの提案はその真逆で、「選ぶこと自体をAIに任せる」。もしこの方式が本物なら、私たちがモデル名を覚える必要はなくなるかもしれない。まずは小さなタスクで試す価値がある。
出典: Sakana AI公式「Sakana Fugu」 / Sakana AI(会社概要・研究) ※性能値は自社公表ベンチマークに基づく
