Sakana Fugu Ultra:「Fable 5 と肩を並べる」——ただし比較相手は、Fugu が呼び出せないモデルでした
- Fuguは「1つのAPIに見えるAIチーム」です。Sakana AIが2026年6月22日、FuguとFugu Ultraの2段階で一般提供を開始しました(事実)
- Fable 5 と Mythos Preview は、公開されていないためFuguの手駒(エージェントプール)に入っていません。つまり「自分が呼べないモデル」と比べている構図です(事実)
- 核心は「Fugu Ultraは Fable 5 や Mythos Preview と肩を並べる」という主張。ただし比較表そのものは本文に載っておらず、読者が数字を直接点検できません
- 比較は構造的に非対称です。Fuguのスコアは Sakana 自身の測定、対する競合スコアは全部「各社の公表値」。この点は Sakana 自身が明記しています(事実)
- 売り文句の柱である「輸出規制のリスクなしに最前線の性能を」は最も弱い部分。Fuguの中身は他社のモデルで、規制されたら別の他社へ振り直すだけ。実際の切り替え実演は示されていません
- Fugu Ultraの料金と応答時間は、発表に一言も書かれていません。設計の要が「推論の掛け算」である製品としては、目立つ沈黙です
「1つのモデル」に見える、AIのチーム
「最強のAIは、いちばん大きなモデルではなく、いちばん上手な指揮者だ」——Sakana AI は創業以来、この賭けを続けてきました。2026年6月22日、その賭けが製品になりました。名前は Sakana Fugu。「モデル」を名乗っていますが、実体は複数のAIを指揮する仕組み(マルチエージェント・オーケストレーション・システム)です。
発表したのは日本のAI企業、Sakana AI株式会社。使う側から見える形は驚くほど単純です。OpenAI互換のAPI(多くのAIツールが既に使っているリクエスト形式。接続先のアドレスを差し替えるだけで既存のコードが動きます)にリクエストを1本投げる。すると裏側でFuguが判断します——自分で答えるか、それとも専門家チームを組むか。モデルの選定、仕事の割り振り、答えの検証、最後の統合まで、全部内部で完結します。
提供されるのは2段階。日常使い向けで速いFuguと、難しい多段階の問題に最大品質で挑むFugu Ultraです。料金はサブスクリプションと従量課金(重い処理や企業向け)の2本立て。ここまではすべて発表で明言されている事実で、製品として確認できます。
家のリフォームを頼むときの「元請け業者」です。あなたが電話するのは1社だけ。でもその裏で、水道屋と電気屋と大工が呼ばれ、元請けが段取りをつけて仕上げを確認し、最後に「できました」とあなたに返してくる。あなたから見れば窓口は1つのまま。Fuguが売っているのは、まさにこの「元請けの腕」です。
その表は、誰にも見えていません
発表の主役はこの一文です。Fugu Ultraは、業界で最も厳しいとされる工学・科学・推論のベンチマーク群で、Anthropicの Fable 5 や Mythos Preview と「肩を並べる」。ミドルサイズのラボが、他社のモデルを束ねるだけで最前線に届いた、と。
もし本当なら、これは相当に大きな話です。しかし、ここで正直に言わなければならないことがあります。その比較表は本文に載っていません。あるのは Sakana による表の「説明」だけ。技術レポートは参照されていますが、中身は示されていない。つまり読者は、見たことのないグラフについての描写を読んでいることになります。
そして、Sakana 自身が発表内で書いている注意書きが、この主張の土台をかなり揺らします。ここが本件の肝なので、事実として確認できる「比較の構造」を整理します。
| 論点 | Fugu側 | 比較相手側 | 意味 |
|---|---|---|---|
| スコアの測定者 | Sakana 自身が測定 | 各社の公表値をそのまま引用 | harness・プロンプト・推論設定が揃わない。同じ土俵の比較ではない |
| エージェントプールへの参加 | — | Fable 5 / Mythos Preview は非参加 | 公開されていないため。Fuguは「自分が呼べない相手」と比べている |
| ベースラインの作り方 | — | 両モデルのうち高い方(max)を採用 | どの単一モデルも達成していない「best-of合成」が基準線になる |
| コーディング評測の足場 | mini-swe-agent と明記 | 不明 | 足場を名指ししたのは誠実。再現可能な具体名 |
3行目の「best-of合成」は少しややこしいので補足します。あるベンチマークで Fable 5 と Mythos Preview の両方にスコアがある場合、Sakana は高い方を採用しています。すると基準線は、現実にはどの1モデルも出していない「いいとこ取りの最強値」になります。これは Fugu にとって不利な設定です——より高いハードルを越えたことになるので。ただし同時に、その「最前線」の列は1つのシステムを指していない、ということでもあります。読み手はこの二面性を両方持っておく必要があります。
自分のタイムはストップウォッチで自分で測り、ライバルのタイムは各校が自校のサイトに載せた自己ベストを拾ってくる。しかもライバル欄には、A校の最高記録とB校の最高記録のうち速い方だけを書く。「その合成記録と互角でした」——高いハードルを課しているのは事実ですが、そもそも計測者も条件もバラバラなので、勝敗を数字通りに受け取ることはできません。
Fugu が Fable 5 や Mythos Preview と肩を並べるかどうかは、現時点で誰にも検証できません。Fuguのスコアは自測、競合のスコアは他社の自己申告の寄せ集め、そして表そのものが公開されていない。ただし奇妙なことに、この不利な事実(自測であること、比較相手がプールに入っていないこと)は全部 Sakana 自身が書いています。隠していないという点は、この発表の数少ない誠実な部分です。
ただし——この発表で最も無理があるのは、実はベンチマークの話ではありません。それは第5節です。
確認できる数字に、性能スコアは1つもありません
この発表でいちばん大事な数字は、性能スコアではありません。外から確かめられる数字が、ひとつも性能スコアではないことです。残っているのは、製品と論文の話ばかりです。
左上の2つは、性能とは別の話ながら本物です。特に論文2本の存在は大きい。TRINITY: An Evolved LLM Coordinator(arXiv 2512.04695)と、Learning to Orchestrate Agents in Natural Language with the Conductor(arXiv 2512.04388)は、どちらも2025年12月にarXivへ投稿され、ICLR 2026に採択されたと明記されています。誰でもIDを引いて読める。学習によるオーケストレーションという発想には、査読の裏づけがあるということです。
ただし、ここも慎重に。この2本は先行研究であって、出荷された Fugu 製品の評価ではありません。アイデアの土台が査読されていることと、製品の性能が査読されていることは別物です。
右下の「3件 → 20件超」は、いちばん引用されやすく、いちばん扱いに注意が要る数字です。ある匿名の「ソフトウェアエンジニア」が、他のコードレビューツールは3件しか見つけなかったが Fugu Ultra は20件以上を挙げた、と語った——それだけです。対象のコードベース名も、手法も、そしてその20件超が本当に実在するバグだったのかも一切示されていません。
指摘の「件数」は、指摘の「正しさ」ではありません。
誤検知を大量に出すツールも、この数字でなら勝ててしまいます。
Sakana が挙げた定性的な証拠は、3つとも匿名の証言です(コードレビュー、長時間セッションでのペルソナ安定性、エンドツーエンドのセキュリティ診断)。いずれもベンダーが自社ベータから選んだもので、測定は一切ありません。「ほぼ人手を介さずデータサイエンス研究を前進させた」という事例も、タスクも比較対象も成果物も示されていません。これらは製品の可能性を示す逸話であって、証拠ではありません。
APIの裏側:1本の線か、4本の線か
Fuguの設計思想は、1枚の図でほぼ説明がつきます。開発者が話しかける窓口は、どちらの世界でも同じ1つ。違うのは、その裏側が「何本の線で切れるか」です。
Fuguはさらに、自分自身を再帰的に呼び出すこともある、と Sakana は説明しています。図の一番下のチップがそれです。ただしこれは内部構造の描写であり、発表の中に読者が点検できる材料は何もありません(主張)。
実務的に効きそうな仕様が1つあります。データ保護やプライバシー、コンプライアンス上の理由から、特定のエージェントをプールから除外できる——これは発表で明言されており、事実として確認できます。「この案件では米国のあのモデルには一切データを渡さない」といった要求が現実に存在する以上、地味ですが重要な機能です。
ただし、線が4本に増えることと、規制リスクから自由になることは、まったく同じではありません。次の論点はそこです。
「輸出規制のリスクなしに」——それは無理があります
Sakana はFuguを、性能の話としてだけでなく、地政学の話として売っています。単一ベンダーへの依存は危険だ、と。実際、Anthropicの Fable と Mythos に輸出規制がかかった件を、同社は「依存リスクは仮定ではなく現実だ」という証拠として引用しています。
問題意識そのものは正当です。アクセスが一夜で変わり得ることを、当事者は思い知りました。日本をはじめ非米国の機関にとって、AIの主権(重要なAIシステムを、外国企業の許可に依存せず動かし続けられること)は、もはや技術ではなく調達と安全保障の議題です。
しかし、その解決策として「Fuguなら輸出規制のリスクなしに最前線の能力が使える」と言い切るのは、率直に言って無理があります。Fuguのプールの中身は、他社のモデルだからです。それぞれが自前の規制リスクを抱えています。規制がかかったら別の他社へ振り直す——しかも、実際にプロバイダが遮断されてFuguが復旧してみせた実演は、発表のどこにもありません(架構上の約束にとどまります)。Sakana 自身のモデルは「将来の追加予定」であって、今の屋台骨ではありません。
依存先を増やすことは、依存を消すことではありません。
輸入食材だけで営業しているレストランが「うちは輸入規制の影響を受けません、仕入れ先を4カ国に分けていますから」と言っているようなものです。1カ国が止まっても店は開ける——それは本当で、価値もあります。でも「輸入規制と無縁」ではまったくない。自給できる畑を持ったときに初めて、その看板は正しくなります。
コストと遅延の話が発表にありません。オーケストレーションとは、難しい問いのたびに複数のモデル呼び出しへ枝分かれさせるということ。推論量が構造的に増える設計です。にもかかわらず「低遅延」が謳われているのは安い方のFuguだけで、Fugu Ultraの費用と応答時間には一言も触れていません。設計の要が推論の掛け算である以上、これは目立つ沈黙です。
勝つのは、いちばん大きなモデルか、いちばん上手な指揮者か
最後に時間軸を整理し、この発表が業界にとって何なのかを考えます。
この発表の面白さは、業界の合意に真正面から逆らっている点にあります。もし中堅のラボが、他社のモデルを上手に振り分けるだけで最前線級の結果に届くなら、堀(moat)の場所が変わります。「誰がいちばん大きなモデルを訓練したか」ではなく「誰がいちばん上手に指揮するか」へ。そして指揮の技術は、事前学習に比べれば桁違いに安く作れます。
ただし、Fuguはベンダーとの関係を奇妙にねじっています。Fuguの価値は、再販している最前線ラボが「良いままで、使えるままで」いることに依存します。仕入れ先が同時に競合でもあるミドルウェア——その持続性は、それらのAPIが妥当な条件で開かれ続けるかどうかに完全に握られています。Sakana が「エコシステムが良くなればFuguも良くなる」と言うのは正しいですが、裏返せば「エコシステムに閉め出されたら終わる」ということでもあります。
マーケティングの下に、本当に面白い技術的主張が1つ埋まっています。「オーケストレーションは、自分のプール内の最良の単一モデルすら上回る」——もしこれが本当なら、協調は利便性ではなく能力そのものを足すことになります。しかし発表はそれを断言するだけで、読者が確かめられるものを何ひとつ出していません。重みもコードも、独立評価もない。あるのはAPIと、見えない表の描写だけです。
Fuguが本物かどうかは、次の一手で分かります。Sakana が「将来の追加予定」と書いた自社モデルがプールに入り、遮断からの切り替えが実演され、あの表が第三者の手で再現されたとき——そのときだけ、この賭けは主張から事実になります。それまで買えるのは「証明された最前線」ではなく、「検証待ちのオーケストレーション仮説」です。注視に値する仮説では、確かにあります。