Sakana.AI Fugu徹底解説｜Fable超えは本当か検証
Sakana.AI Fuguが話題になっているけど、ベンチマークの「Fable超え」は本当なのか、料金は個人でも見合うのか、実際の使い心地はどうなのか――こうした疑問を抱える方は多いのではないでしょうか。
Fuguは2026年6月22日にSakana AIが正式ローンチした、単一APIで複数モデルを協調させる仕組みです。本記事ではOpenRouterとの差、ベンチマーク数値、料金と適性を、公式情報と出始めた実使用の所感から整理しました。
Sakana.AI Fuguとは｜単一APIで動く新AI
Fuguは2026年6月22日にSakana AIがローンチした、OpenAI互換APIで使えるマルチエージェントシステムです。投げるだけで自前解決か専門モデルの協調かをFugu自身が判断します。OpenAI互換APIなので、CodexなどのCLIエージェントにAPIを差し、ターミナルからローカルファイルを参照させて分析させる実使用も報告され始めています。
バランス型のFuguと、高精度だが応答が遅いFugu Ultraがモデルで、製品ページには軽量なFugu Mini表記もあります。
| モデル | 位置づけ | 特徴 |
|---|---|---|
| Fugu | バランス型 | 標準的な日常〜業務利用向け |
| Fugu Ultra | 高精度 | 精度重視。公式が応答速度を犠牲にすると明記 |
| Fugu Mini | 軽量 | レイテンシ最適化（製品ページに表記あり） |
Conductorの仕組み｜7Bが巨大モデルを指揮
Fuguの中核は、どのモデルにどのサブタスクを任せるかを決めるコーディネータです。仕組みはConductorとTRINITYの2層で説明されます。
Conductorとは（強化学習で協調を学習）
Conductorは強化学習で「自然言語による協調戦略」を発見した学習済みコーディネータです。VentureBeatの報道ではQwen2.5-7Bをベースに、GRPO（Group Relative Policy Optimization）という強化学習手法で訓練されています。
7Bパラメータの小さな本体が、GPT-5.5・Claude Sonnet 4・Gemini 2.5 Proなどのワーカープールへサブタスクを振り分けます。コーディネータ自体を軽量に保ちつつ協調を最適化する狙いがあります。
TRINITYの役割分担（Thinker/Worker/Verifier）
TRINITYは軽量な進化的コーディネータで、各モデルに役割を割り当てます。割り当てはThinker（考える）・Worker（実行する）・Verifier（検証する）の3役で、ターンごとに動的適応します。
役割分担で精度を上げる設計の反面、内部の挙動が見えにくい点は運用時の判断材料になります。
Fuguのベンチマーク｜Fable超えは本当か
公式が公開した11項目のベンチマークを示します。一部の項目でFuguやUltraが既存最上位を上回りますが、これらはすべてSakanaの自社報告値です。
| ベンチマーク | Fugu | Fugu Ultra | Opus 4.8 | Gemini 3.1 Pro | GPT 5.5 |
|---|---|---|---|---|---|
| SWE-Bench Pro | 59.0 | 73.7 | 69.2 | 54.2 | 58.6 |
| TerminalBench 2.1 | 80.2 | 82.1 | 74.6 | 70.3 | 78.2 |
| LiveCodeBench | 92.9 | 93.2 | 87.8 | 88.5 | 85.3 |
| LiveCodeBench Pro | 87.8 | 90.8 | 84.8 | 82.9 | 88.4 |
| Humanity’s Last Exam | 47.2 | 50.0 | 49.8 | 44.4 | 41.4 |
| CharXiv Reasoning | 85.1 | 86.6 | 84.2 | 83.3 | 84.1 |
| GPQA-D | 95.5 | 95.5 | 92.0 | 94.3 | 93.6 |
| SciCode | 60.1 | 58.7 | 53.5 | 58.9 | 56.1 |
| τ³ Banking | 21.7 | 20.6 | 20.6 | 8.4 | 20.6 |
| Long Context Reasoning | 74.7 | 73.3 | 67.7 | 72.7 | 74.3 |
| MRCRv2 | 86.6 | 93.6 | 87.9 | 84.9 | 94.8 |
規制対象モデルの実力はClaude Fable 5の性能で扱っています。
Fuguの料金プラン｜サブスクと従量課金
料金はサブスクと従量課金の2つです。サブスクは公式で月額表記のみで年額は記載がなく、Fugu Ultraの従量課金は入力$5/1M（272K超で$10）、出力$30/1M（272K超で$45）、キャッシュ入力$0.50/1M（272K超で$1.00）です。
| プラン | 月額 | 目安 |
|---|---|---|
| Standard | $20/月 | 軽い日常利用 |
| Pro | $100/月 | Standardの10倍 |
| Max | $200/月 | Standardの20倍 |
公式はトークン効率の良さ（単体利用より少ないトークンとAPI呼び出しでSOTA性能に到達）を主張する一方、実使用ではトークン消費の速さが指摘されます。長文ライティングで修正を重ねると上位プランでも月の枠を早く消費し、$200/月でも週3時間未満という声も出るなど、コスパは用途次第で割れます。
OpenRouter Fusionと何が違うか｜学習型ルーティング
既存のAIゲートウェイやルーターとFuguの違いは、ルーティングを「学習したか」「人が決めるか」に集約されます。代表例としてOpenRouter Fusionと比べます。
| 比較軸 | Sakana Fugu | OpenRouter Fusion |
|---|---|---|
| 本質 | 学習されたオーケストレーター | 統一API・課金集約・ルーティング |
| モデル選択 | 学習済みモデルが動的に決定 | 手動 or ルールベース |
| 提供形態 | 1モデルとして振る舞う | 単一APIでモデル横断 |
| 透明性 | どのモデルが使われたか不可視 | ルーティング先が比較的可視 |
| 課金 | 最上位1レート＋サブスク | 各モデルの従量を集約 |
| 立ち位置 | オーケストレーション層 | ゲートウェイ/ルーター |
Fuguは誰におすすめ？企業と個人の判断軸
向き不向きは明確に分かれます。実使用ではライティングの完成度が評価される一方、ターミナル操作とコスト負担が利用者を選びます。
構成を渡せば本論を任せられるロジックの堅さが評価される一方、分析・推論はGPT-5.5 Proには及びません。CLIエージェント経由だと文章が硬く、最終仕上げを別モデルで整える使い方も報告され、軽量な個人利用やリアルタイム用途は様子見が無難です。
まとめ｜Sakana.AI Fuguは買いか様子見か
最後にこの記事の内容ををまとめます。
自分の用途が長文ライティングや精度重視のバックエンド寄りかを確認し、料金とレート制限は契約前に公式で確認することをおすすめします。
本記事は2026年6月時点の情報です。最新はSakana AI公式を確認してください。
AppTime株式会社 代表取締役：システム開発・DX支援
HOJOJO株式会社 取締役CTO：技術戦略・プロダクト開発
関西学院大学大学院（MBA課程）にて、経営管理の高度な知見を統合。
〜主な経歴〜
2017年に個人事業主として独立。エンジニアとして数多くのシステム開発を
手掛けた後、2018年にAppTime株式会社を設立し、代表取締役に就任。
現在は自社の経営のみならず、HOJOJO株式会社の取締役CTO（最高技術責任者）も兼任。技術の「便利さ」だけでなく、LLM・機械学習をはじめとする先端技術を活かし、企業のコストカットや「利益創出」に直結させるという、実益重視のコンサルティングを展開している。
単なるIT導入に留まらない、経営層・役員の意思決定に資する「経営×IT」の架け橋として、次世代のDXリテラシー向上を支援している。
コメント
まだコメントはありません。最初のコメントを書いてみませんか？