日本発・4000億円AIユニコーンの新作「Fugu」──マルチエージェント・オーケストレーションが業界に与えるインパクトを整理する

2026年6月22日、東京発のAIスタートアップ「Sakana AI（サカナAI）」が「Sakana Fugu（サカナ・フグ）」を正式に一般公開しました。

単なるAIモデルのアップデートではなく、「複数の最先端AIを指揮するマルチエージェント・オーケストレーションシステム」として登場したFuguは、AI開発競争のあり方そのものを問い直す存在として注目を集めています。

この記事では、Fuguの登場背景、技術の仕組み、業界・社会への影響を順に整理していきます。

Sakana AIとはどんな企業か：4000億円への歩み

「魚の群れ」に学ぶAIの哲学

Sakana AIは2023年7月に東京で設立されたAI研究開発企業です。社名の「Sakana」は、魚の群れが単純なルールから高度な集合知を形成する自然現象に由来しています。

「一匹の巨大な脳」ではなく、「小さな知能の連携」によってより高い知性を実現する——この哲学が創業当初から一貫しています。

設立からわずか約2年半で、企業価値は約4000億円（約26.5億ドル）のユニコーン企業へと成長しました。

創業チームの背景が示すもの

同社の技術的権威を体現しているのが、最高技術責任者（CTO）のLlion Jonesです。彼は2017年に発表された論文「Attention Is All You Need」の共同著者の一人です。この論文が提唱したTransformerアーキテクチャは、現在のGPTやGeminiなど、すべての主要な大規模言語モデルの基盤となっています。

その論文の生みの親が、パラメータ規模の拡大に依存しない「集合知」路線を選んだという事実は、現在のAI業界への重要なメッセージとして受け止められています。

資金調達面では、NVIDIAやGoogleといった技術プラットフォーマーに加え、三菱UFJ・三井住友・みずほの3メガバンク、Citigroupなどの世界的金融機関が出資しています。

Fugu登場の背景：「単一巨大モデル路線」への問い

AI業界の主流「スケーリング則」とは

現在のAI開発競争の主軸は「スケーリング則（Scaling Law）」と呼ばれる考え方にあります。モデルのパラメータ数を増やし、学習データを大量に投入すれば投入するほどAIの性能が向上するという経験則です。

OpenAIのGPT-5.5やAnthropicのClaude Opus 4.8、GoogleのGeminiは、いずれもこのスケーリング則を突き詰めた「モノリシック（一枚岩）モデル」です。

この路線には数兆円規模の計算資源が必要であり、資本力を持つ一部の企業しか競争に参加できないという構造的な問題があります。

Sakana AIが提示する別の答え

Sakana AIは「推論時スケーリング（Test-time Scaling）」という考え方を軸に据えています。

新たに巨大なモデルを訓練するのではなく、すでに存在する優秀なモデルを複数組み合わせ、推論の段階でより多くの計算を投下することで、システム全体の能力を引き上げる発想です。

Fuguはまさにその商用実装です。内部で動く個々のモデルの重み（パラメータ）は変えずに、「使い方の最適化」だけで世界最高峰モデルと同等以上の結果を出すことを目指しています。

TRINITYとConductorの仕組み：何が新しいのか

TRINITY：「進化的アルゴリズム」で最適化されたルーター

標準モデル「Fugu」のルーティングを担うのが「TRINITY」と呼ばれる技術です。

約6億パラメータの軽量モデルにルーティング専用の学習可能パラメータを付加した構造で、ユーザーの入力を瞬時に解析し、最適なワーカーモデルを選びます。

特筆すべきは最適化の手法です。通常のマルチエージェント最適化で使われる強化学習ではなく、「進化的アルゴリズム（Derivative-free evolutionary algorithm）」によってルーティングを学習させています。

強化学習は「正解か不正解か」という二値的な報酬しか得られない環境では学習信号が弱くなりますが、進化的アルゴリズムはその制約を受けないため、より安定した最適化が可能になります。

Conductor：自然言語でチームを編成する指揮者

上位モデル「Fugu Ultra」の核心が「Conductor」です。強化学習で訓練された70億パラメータの言語モデルで、「どのエージェントを、どの順番で、どう協力させるか」というワークフローを自然言語で動的に生成します。

Conductorの最大の特徴は「再帰的推論時スケーリング」です。エージェントプールの中から「自分自身（Conductorのインスタンス）」をワーカーとして呼び出せるため、結果が不十分だと判断した場合にオンザフライで修正ワークフローを立ち上げます。

モデルを再学習させることなく、推論時の計算投下量を増やすだけで出力品質を向上させることが可能です。これは「自己修正しながら精度を高める」という、人間の認知プロセスに近い動作と言えます。

ベンチマーク結果から読み解く：何が優れているのか

多段階タスクで際立つ優位性

Sakana AIが公開したベンチマーク結果によれば、SWE Bench Pro（実際のGitHubリポジトリでのバグ修正能力を測るテスト）でFugu Ultraは73.7を記録しています。

モデル	SWE Bench Pro	GPQA-Diamond	TerminalBench
Fugu Ultra	73.7	95.5	82.1
Claude Opus 4.8	69.2	92.0	74.6
GPT-5.5	58.6	93.6	78.2
Gemini 3.1 Pro	54.2	94.3	70.3

SWE Bench Proのようなタスクが特に意味を持つのは、コードの理解・仮説立案・修正・検証という複数のループが必要なためです。単一モデルが一度の推論で完結させようとする場合と比べ、再帰的なエージェント協調が有効に機能する領域です。

「単なるラッパー」という批判について

一方で、「FuguはGPT-5.5などを呼び出しているだけで、新しい知能ではない」という批判も存在します。

最終的な回答を生成するのは既存のモデルであることは事実です。ただし、Fuguの独自価値は「どのモデルを、どんな戦略で、どう連携させるか」という指揮能力の部分にあります。この「オーケストレーション戦略」自体を強化学習と進化的アルゴリズムで学習させた点に技術的独自性があります。

輸出規制とAI主権：日本が注目する本当の理由

2026年6月12日の輸出規制事件

Fuguリリースの10日前、2026年6月12日に米国商務省による輸出規制の指示が発効し、Anthropicの最高峰モデル「Claude Fable 5」への米国外からのアクセスが遮断されました。

自社の業務システムにこれらのモデルを組み込んでいた企業にとっては突然の機能停止であり、「特定の国・単一ベンダーへの依存」が持つリスクを改めて浮き彫りにした出来事でした。

Fuguが持つ「スワップ可能性」の戦略的意義

Fuguの設計において「スワップ可能なエージェントプール」は中核的な概念です。

内部で使用する基盤モデルは固定されておらず、規制や障害によって特定のモデルが利用不可となった場合、別のモデルに自動的に切り替えることができます。日本国産のモデルやEU圏で利用可能なオープンモデルへの差し替えも理論上は可能です。

Sakana AIのCEO David Haは、Fuguの発表においてこの輸出規制事件に明確に言及しており、データ主権と稼働継続性の確保がFuguの設計思想に組み込まれていることを示しています。

これが「ソブリンAI（主権的AI）」としての側面です。NTTによる700億円規模のAIファンド設立など、日本全体でAI安全保障を強化する動きとも方向性が一致しています。

月額200ドルの最上位プランを円換算してみた

「月額200ドルの最上位プラン」と言われても、日本円でどれくらいの負担なのか、私は実際に換算してみました。

1ドル150円で計算すると、200ドルはおよそ3万円。年間にすると36万円という金額になります。

私がこの金額を出してみて、「重いコーディングタスクを数回行うだけで利用枠を使い切る」という記事の指摘の重みを実感しました。月3万円という価格は、個人が気軽に使えるサービスというより、企業の業務ツールとしての価格設定だと、私は感じています。

業界へのインパクト：パラダイムシフトは起きるのか

「事前学習競争」から「オーケストレーション競争」へ

Fuguが商業的に成功した場合、AI業界の競争軸に変化が生じる可能性があります。

これまでの競争は「いかに大きなモデルを作るか」という事前学習の規模拡大にありました。しかしFuguは、事前学習に莫大な資源を投じなくても、既存モデルの組み合わせと推論時の計算投下で同等以上の性能が出せることを示しました。

基盤モデルのプロバイダー（OpenAI、Google、Anthropicなど）にとっては、自社モデルが「安価な下請けワーカー」として使われるリスクが生まれます。これに対抗するには、彼ら自身がAPIレベルにオーケストレーション機能を組み込む「Agent-as-a-Service」の提供競争に移行せざるを得なくなります。

残る課題と今後の注目点

Fuguには現時点でEU圏でのGDPR対応が未完了という地域制限があります。また、エンタープライズ導入において「どのモデルが、どんな根拠で判断したか」というオブザーバビリティ（可観測性）の欠如は、金融・医療機関が求めるコンプライアンス要件を満たせないという課題です。

コスト面では、月額200ドルの最上位プランでも重いコーディングタスクを数回行うだけで利用枠を使い切るという報告があり、日常的なワークホースとしてのコストパフォーマンスにも改善の余地があります。

2027年から2028年にかけてのIPOの可能性が高いと見られるだけに、これらの課題をどう解決していくかは重要な注目点です。

あわせて読みたい

• なぜAIが流行るとiPhoneが値上がりするの?メモリー争奪戦と2026年の値上げ構造を整理
• 量子コンピューターとGPUの違いとは?AI活用の限界を解説
• モデル蒸留とは何か？教師AIと生徒AIの関係をやさしく解説
• FAANGからMANGOSへ——2026年のAI覇権争いの構造と、日本の投資家が知っておきたいこと

よくある質問

Sakana Fuguとは何ですか？

Sakana AIが2026年6月22日に公開した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。複数の最先端AIモデルを内部で動的に連携させながら、ユーザーには1つのAPIとして提供されます。

TRINITYとConductorの違いは何ですか？

TRINITYは標準Fuguのルーティングを担う軽量モデルで、進化的アルゴリズムで最適化されています。ConductorはFugu Ultraの指揮者で、強化学習で訓練された7Bモデルが自然言語でエージェントのワークフローを設計します。

なぜFuguはEU域内で使えないのですか？

GDPR（EU一般データ保護規則）が要求するデータ処理の透明性と、Fuguの内部ルーティングのブラックボックス性との間に調整が必要なためです。対応が完了次第、提供が開始される見通しです。

Sakana AIはいつIPOしますか？

正式な発表はありませんが、Series B調達時の投資家構成と過去の調達フェーズを踏まえると、2027年から2028年の東京または米国市場への上場可能性が高いと見られています。

ソブリンAIとはどういう意味ですか？

特定の国の政策や企業の都合によってAIサービスが遮断されるリスクを回避し、自国の判断でAI能力を維持・運用できる状態を指す概念です。Fuguのスワップ可能なエージェントプールはその実現手段として機能します。

まとめ

Sakana Fuguは、AIの「大きさ」よりも「連携の賢さ」を競争軸に据えた新しいアーキテクチャです。

「巨大な一つの脳」を作り続けるのが正解なのか、「小さな専門家たちを指揮する優秀なマネージャー」を作るのが正解なのか——Fuguの登場はその問いをビジネスの現場に持ち込んでいます。

AI輸出規制という現実のリスクと、日本のメガバンクやGoogleによる戦略的出資は、Sakana AIが単なるスタートアップを超えた地政学的意義を持つ存在として見られていることを示しています。

オーケストレーション競争の先行指標として、その動向は引き続き注目に値します。