Sakana AIが提供するSakana Fuguは、複数の強力なAIモデルを一つのAPIから使えるようにし、作業内容に合わせてAI同士を自動で連携させる仕組みです。標準モデルのFuguは、日常的なコーディング支援やコードレビュー、チャットボットなどに使いやすく、Fugu Ultraは、論文の再現、特許調査、サイバーセキュリティ分析のような難しい作業で高い品質を目指します。
さらに、TRINITYやConductorという研究を土台に、AIが役割を分けながら作業を進める点も特徴です。企業や開発者がAIを単体の道具ではなく、協力して働く仕組みとして活用する流れが広がるため、本プロジェクトの詳細を考察します。
複数のAIを一つのチームとして動かすSakana Fugu
Sakana Fuguは、一つのAIだけに答えを出させるのではなく、複数のAIを組み合わせて動かすサービスです。利用者から見ると、一つのAPIを使うだけで済みますが、その裏側では、作業内容に合わせてどのAIを使うか、どの順番で進めるか、どのように答えを確認するかが切り替えられます。APIとは、外部のサービスやシステムとつなぐための窓口のようなものです。そのため、開発者は複数のAIを一つずつ選んで細かく管理しなくても、Sakana Fuguを通じてまとめて扱いやすくなります。
この仕組みが注目される背景には、AIに求められる役割が変わってきたことがあります。これまでのAI活用は、文章を作る、質問に答える、要約するといった短い作業が中心でした。しかし、実際の仕事では、調べる、考える、作る、見直す、報告するといった流れがつながっています。Sakana Fuguは、こうした複数の手順がある作業に対して、役割を持ったAIを組み合わせながら進めることを目指しています。
また、Fuguでは、データ管理や社内ルールに合わせて、特定のモデルを使わないようにすることもできます。一方で、Fugu Ultraは高い性能を発揮するために、決められたAIの組み合わせを使う設計です。企業がAIを導入する際には、性能だけでなく、安全性や社内ルールへの対応も大切になります。Sakana Fuguは、AIを単なる便利な道具ではなく、業務の流れに合わせて動く「AIチーム」として使う方向性を示しているサービスです。
参照：Sakana AI公式サイト「Sakana Fugu」
Sakana Fuguを支えるAI同士の協力の仕組み
Sakana Fuguの大きな特徴は、複数のAIをただ並べて使うだけではない点です。大切なのは、それぞれのAIにどのような役割を持たせ、どの順番で作業させ、どのように答えを確認するかという考え方です。Sakana Fuguは、TRINITYとConductorという研究を土台にしています。どちらも、AI同士が協力して難しい作業を進めるための仕組みに関する研究です。ここでは、その考え方を3つの視点から見ていきます。
人が細かく手順を決めなくても進めやすくなります
これまで複数のAIを使う場合は、人が先に「この作業はこのAIに任せる」「次はこのAIに確認させる」といった手順を決める必要がありました。しかし、複雑な仕事では、最初に決めた流れがいつも最適とは限りません。作業の途中で別の確認が必要になったり、より詳しく調べる必要が出たりすることがあります。
Sakana Fuguの土台になっている考え方では、作業の内容に合わせて、どのAIを組み合わせるかをシステム側が学びながら決めていきます。これにより、コーディング、数学の問題、調査、深い考察が必要な作業などでも、固定された手順に縛られにくくなります。
利用者にとっては、裏側でどのAIが動いているのかを毎回細かく考えなくても、目的に合った形で複数のAIを使いやすくなる点がメリットです。AIに詳しい人だけでなく、業務でAIを使いたい企業にとっても、扱いやすさにつながる仕組みだと考えられます。
考える役、作業する役、確認する役を分けます
TRINITYでは、複数のAIに役割を分ける考え方が示されています。たとえば、方針を考える役、実際に作業する役、最後に答えを確認する役のように分担します。これは、人間のチームで仕事を進める流れに近いものです。一人で考えて一人で確認するよりも、別の人が見直したほうが間違いに気づきやすいことがあります。AIでも同じように、役割を分けることで答えの質を高めやすくなります。
一つのAIだけで答えを作る場合、そのAIの見落としや思い込みが残ることがあります。特に、コードのミスを見つける作業や、複雑な条件を整理する作業では、確認の役割が重要になります。Sakana Fuguは、複数のAIを連携させることで、ただ答えを出すだけでなく、答えを作る過程そのものを整理しようとしている点に特徴があります。
この仕組みは、コーディングやコードレビューだけでなく、調査内容の確認、資料作成の見直し、複数条件の比較などにも応用できる可能性があります。AIの出力をそのまま使うのではなく、途中で別の視点を入れながら進めることが、より安心して使えるAI活用につながると考えられます。
AI同士のやり取りの進め方も学びます
Conductorでは、AI同士をどのようにやり取りさせるとよい結果につながるかを学ぶ考え方が取り入れられています。単に長い指示を出すのではなく、必要な情報を絞り込み、どのタイミングで別のAIに考えさせるか、どこで確認を入れるかが大切になります。これは、AIにただ作業を任せるだけではなく、AI同士の会話の流れまで工夫する考え方です。
たとえば、難しい問題を解くときには、最初から一つの答えを出すよりも、まず方針を考え、その後に作業を進め、最後に別の視点で確認するほうが安心です。Conductorの考え方は、このような流れをAI側が見つけていく点に意味があります。
今後のAI活用では、「どのAIモデルが一番強いか」だけでなく、「複数のAIをどのように組み合わせるか」が大切になる可能性があります。Sakana Fuguは、この組み合わせや進め方の部分をサービスの中で扱おうとしているため、単体のAIモデルとは違う価値を持つサービスだと考えられます。
FuguとFugu Ultraで広がる実務での使い方
Sakana Fuguは、研究だけでなく、日々の業務や開発の中でも使いやすい形を意識しています。利用できるモデルはFuguとFugu Ultraの2種類です。どちらもOpenAI互換APIから利用できます。すでにAIを組み込んだ開発環境を持つ企業や開発者にとっては、今ある仕組みに取り入れやすい点が大きな特徴です。ここでは、2つのモデルの使い分けと、評価結果の見方を整理します。
Fuguは日常業務に使いやすい標準モデルです
Fuguは、答えの質と返答の速さのバランスを重視した標準モデルです。普段のコーディング支援、コードレビュー、社内向けチャットボット、調査の下書き作成など、日々くり返し発生する作業に向いていると考えられます。
AIを現場で使う場合、高性能であることはもちろん大切ですが、返答が遅すぎると使い続けにくくなります。担当者が作業の途中で何度もAIに相談する場合、スムーズに返ってくることは大きな使いやすさにつながります。Fuguは、こうした日常利用を意識したモデルとして位置づけられています。
また、一つの接続先から利用できるため、複数のAIを別々に管理する手間を減らしやすくなります。開発チームにとっては、AIごとの細かな設定や切り替えを意識しすぎず、業務に合わせて活用できる点が魅力です。まずは小さな業務から試し、効果が見えたところで利用範囲を広げる使い方にも合っていると考えられます。
Fugu Ultraは難しい課題に向く上位モデルです
Fugu Ultraは、より広いAIの組み合わせを使い、答えの質を高めることを重視したモデルです。公式サイトでは、Kaggleコンペティション、論文の再現、サイバーセキュリティ分析、文献や特許の調査などで使われている例が示されています。これらの作業は、短い質問に答えるだけでは終わりません。情報を集め、内容を比べ、試し、確認し、整理する必要があります。
Fugu Ultraは、このように時間をかけて深く考える作業に向いていると考えられます。たとえば、研究開発の下調べ、新しい技術の評価、重要なシステムの見直し、専門的な資料の読み込みなどで役立つ可能性があります。答えの速さよりも、よりしっかり考えた結果が求められる場面に合いやすいモデルです。
ただし、どの業務にも常にFugu Ultraを使えばよいわけではありません。軽い作業にはFuguを使い、難しく重要な作業にはFugu Ultraを使うといった選び方が現実的です。目的に合わせて使い分けることで、費用と品質のバランスを取りやすくなります。
評価結果は幅広い分野での強さを示しています
Sakana Fuguの公式サイトでは、コーディング、推論、科学、AIエージェントの力を測る複数の評価結果が掲載されています。FuguとFugu Ultraは、多くの項目で高いスコアを示しています。特に、コードを直す力、長い作業を進める力、科学的な問題を考える力など、複数の分野で評価されている点が注目されます。
ただし、評価結果を見るときには注意も必要です。ベンチマークと呼ばれる評価テストは、AIの力を知るための目安になりますが、実際の業務で必ず同じ結果が出るとは限りません。また、すべての項目でFuguやFugu Ultraが一番というわけではありません。用途によって、ほかのモデルが向いている場面もあります。
それでも、Sakana Fuguが幅広い種類の評価で高い結果を出していることは、複数のAIを組み合わせる考え方に一定の強みがあることを示す材料になります。特に、単純な文章作成ではなく、複数の手順を進める作業で力を発揮しやすいサービスだと考えられます。
導入しやすさを意識した料金と利用環境
Sakana Fuguは、高度なAI連携の仕組みを扱うサービスですが、利用方法を選びやすい料金プランが用意されています。公式サイトでは、使った分に応じて料金が決まるトークンプランと、月額で利用するサブスクリプションプランが示されています。トークンプランは、本番環境や負荷の大きい作業に向いた形です。Fugu Ultraでは、100万トークンあたりの入力、出力、キャッシュ入力の料金がそれぞれ設定されています。
月額プランには、Standard、Pro、Maxの3種類があります。Standardは軽めの日常利用や小さな実験に向いています。Proは、普段のコーディング、レビュー、調査、分析などに使いやすいプランです。Maxは、長い時間をかける重い作業や、より多く使いたい人に向いたプランです。利用頻度や作業の重さに合わせて選びやすい構成になっています。
料金面で注目したいのは、Fuguの従量課金では、複数のAIが動いた場合でも、それぞれのモデル料金を単純に足し合わせる仕組みではない点です。関わった中で最も上位のモデルに基づく一つの料金で計算されます。複数のAIを使う仕組みは費用が読みにくい印象を持たれがちですが、この考え方は利用者にとって見通しを立てやすくする工夫だと考えられます。
また、EU・EEAの地域では、GDPRなどの地域特有の規制への対応を進めているため、現在は利用できないと案内されています。企業がAIを導入する際には、性能や料金だけでなく、どの地域で使えるか、どのようなルールに対応しているかも確認する必要があります。Sakana Fuguを検討する場合は、使いたい業務、利用頻度、必要な安全管理、使える地域を整理したうえで選ぶことが大切です。
今後の展望
Sakana Fuguは、複数のAIを一つのAPIでまとめて扱える点に特徴があります。今後は、高性能なAIサービスとしてだけでなく、企業や研究現場の中で「AIチーム」を動かすための土台として広がる可能性があります。ここでは、Sakana Fuguならではの今後の活用方法を3つの視点から考察します。
社内業務を支えるAIチームとして使われる可能性があります
Sakana Fuguのような仕組みは、今後、社内業務を支えるAIチームのような存在として使われる可能性があります。これまでの生成AIは、文章を作る、コードを書く、要約するといった単体の作業で使われることが多くありました。しかし、実際の仕事では、一つの作業だけで完結することは多くありません。調査、判断、作成、確認、報告がつながっており、その流れ全体を支える仕組みが求められています。
たとえば、営業部門では、顧客情報の整理、提案内容の下書き、競合サービスの調査、メール文面の確認までを一つの流れとして進める使い方が考えられます。開発部門では、仕様の読み取り、実装方針の作成、コードレビュー、テスト項目の整理までをまとめて支援できる可能性があります。人がAIに何度も細かく指示を出すのではなく、AI側が作業の流れをある程度組み立てられるようになれば、担当者の負担は大きく減ります。
もちろん、最終的な判断や責任は人間が持つ必要があります。AIの答えをそのまま採用するのではなく、人が確認し、必要に応じて直すことが前提です。それでも、日々の下調べや確認作業をAIが支えれば、人はより重要な判断や創造的な仕事に時間を使いやすくなります。Sakana Fuguは、社内に小さなAI専門チームを置くような新しい働き方につながる可能性があります。
研究開発や専門調査の始め方を変える可能性があります
Sakana Fuguは、研究開発や専門性の高い調査の進め方にも影響を与える可能性があります。公式サイトでは、Fugu Ultraの活用例として、論文の再現、文献や特許の調査、Kaggleコンペティション、サイバーセキュリティ分析などが挙げられています。これらの分野では、情報を集めるだけでは十分ではありません。資料を読み比べ、関係性を見つけ、試し、検証し、わかりやすくまとめる力が必要になります。
今後は、研究者や事業開発の担当者が、Sakana Fuguを調査の最初の段階で使う場面が増えるかもしれません。たとえば、「この技術分野の流れを整理してほしい」「関連する特許の違いを見てほしい」「この論文の方法を実装できるか試してほしい」といった使い方が考えられます。複数の資料を横断して読む作業は時間がかかり、人によって見落としも起こりやすい領域です。AIが役割を分けて読み、仮説を立て、確認作業まで支援できれば、調査の出発点を引き上げることができます。
ただし、専門的な判断をAIだけに任せることは危険です。研究や特許、セキュリティの分野では、間違いが大きな損失につながることもあります。そのため、AIは専門家の代わりではなく、専門家がより早く、より深く考えるための準備役として使うことが大切です。Sakana Fuguは、この準備の質を高めるサービスとして価値を広げていくと考えられます。
AI導入は「どのモデルを選ぶか」から「どう組み合わせるか」へ変わる可能性があります
今後のAI導入では、単に一番性能の高いモデルを選ぶだけではなく、複数のAIをどう組み合わせるかが重要になると考えられます。Sakana Fuguは、複数のモデルを作業内容に合わせて使い分ける考え方を打ち出しています。さらに、Fuguでは、データの扱いや社内ルールに合わせて、特定のモデルを使わない選択もできます。この柔軟さは、企業がAIを本番業務に入れるうえで大切な要素になります。
たとえば、社内ルールによって一部の外部サービスを使えない企業でも、使えるモデルを選びながら運用できれば、AI活用の選択肢が広がります。また、業務によって求められる条件も違います。問い合わせ対応のように速さが大切な業務では、軽くて返答の早い構成が向いています。一方で、研究や監査のように正確さが求められる業務では、時間をかけて確認する構成が向いています。
Sakana Fuguのような仕組みが広がれば、AI導入は「このAIモデルを入れる」という考え方から、「業務に合わせてAIのチーム編成を変える」という考え方へ移っていく可能性があります。これは、AIを単なるツールとして使う段階から、組織の目的やルールに合わせて動く業務の土台として使う段階へ進むことを意味します。企業にとっては、AI選びそのものよりも、どの仕事に、どの組み合わせで、どこまで任せるかを設計する力がより重要になっていくと考えられます。
