「日本を代表するAI（エーアイ）」として名前を見かけるようになったSakana AI。ところが「で、結局これはChatGPTと同じものなの？」「Claudeとは何が違うの？」と聞かれると、答えに詰まる人は多いはずです。本記事では、わかっているようでよくわからないSakana AIの正体を、現役SE（システムエンジニア）の視点でスッキリ整理します。後半では、同社が公開したマルチエージェントシステム「Sakana Fugu」についても、仕組みと実力を冷静に読み解きます。
この記事でわかること
・Sakana AIは米国の巨大AI企業と「思想がまったく違う」こと
・誰が経営し、どんなビジネスで動いているのか
・話題の「Sakana Fugu」の仕組みと、性能主張のどこが本当か
結論：米国の巨大AIと「同じもの」ではない
まず結論から言います。Sakana AIは、ChatGPTを生んだ米国のフロンティアAI企業とも、Claudeを開発する米国の研究所とも、根本的な発想が違います。前者は巨大な計算資源を投じて、自社で巨大な基盤モデル（きばんモデル）をゼロから訓練する「力こそパワー」の路線です。
対してSakana AIは、自然界の「群れ」に着想を得ています。社名の「Sakana」は日本語の魚。小さな魚が群れて一匹の大きな魚のように泳ぐ──そんなイメージで、小さく専門特化したAIを組み合わせ、集合知（しゅうごうち）で大きな成果を出そうとする会社です。絵本『スイミー』を思い浮かべると一発で腑に落ちます。
ひと言で言うと
巨大モデルを一から作る「総力戦」ではなく、優秀なモデルを賢く束ねる「指揮官」を作る会社。これがSakana AIの立ち位置です。
Sakana AIとは何者か──会社の基本
Sakana AIは2023年7月、東京で設立された日本のフロンティアAI研究開発企業です。本社は東京都港区の麻布台ヒルズに置かれています。設立からわずか1年ほどで企業価値が10億ドルを超え、日本史上でも屈指の速さでユニコーン（評価額10億ドル超の未上場企業）入りしたことで一躍注目されました。
資金面の勢いも凄まじく、シードからシリーズBまでで累計の調達額は数百億円規模に達しています。出資者には日本の金融大手や半導体大手、さらにはGoogleなど名だたる企業が名を連ね、防衛・製造・金融といった日本の基幹産業との連携を進めています。
| 項目 | 内容 |
| 社名 | Sakana AI株式会社 |
| 設立 | 2023年7月（東京・港区） |
| 事業 | フロンティアAIの研究開発と社会への導入 |
| 社名の由来 | 「魚（群れ＝集合知）」。多数の小さなAIを束ねる思想 |
| 特徴 | 「少ない資源で多くを成す」効率重視の日本発ソブリンAI |
誰が率いているのか──創業者3人の素顔
「誰が代表なのか」という疑問に答えます。Sakana AIは、経歴も得意分野もまったく違う3人が共同で立ち上げた会社です。役職は成長に合わせて変化していますが、現在は次の体制が公式に示されています。
| 人物 | 役割と背景 |
| David Ha（デビッド・ハ） | 最高経営責任者。金融出身から世界的なAI研究者へ転身した異色の経歴。自己組織化や自己進化の研究で知られる |
| Llion Jones（ライオン・ジョーンズ） | 最高技術責任者。現在の生成AIの土台となった有名論文「Attention Is All You Need」の共著者の一人 |
| 伊藤 錬（いとう れん） | 共同創業者。外務省を経てスタートアップ経営に携わった経営・渉外の要。創業時は最高執行責任者を務めた |
ポイントは、技術の核を担う2人がそろって米国の大手検索企業の研究部門の出身だという点です。とくにジョーンズ氏は、いまのAIブームの源流である技術論文の著者の一人。その人物が「日本で腰を据えて研究したい」と東京を選んだ事実は、それ自体が大きなニュースでした。
ファクトチェック
役職は時期によって表記が揺れます。報道では伊藤氏を「社長」と紹介する例もあり、公式の会社情報では会長職としての記載も見られます。いずれにせよ、ハ氏が経営、ジョーンズ氏が技術、伊藤氏が経営・渉外という分担は一貫しています。
どんな運営・ビジネスをしているのか
Sakana AIの運営方針は明快で、「米国や中国と同じ土俵で計算資源の量を競わない」というものです。代わりに、日本の文化・言語・産業に最適化したAIを、効率よく作って現場に届けることに集中しています。いわゆるソブリンAI（自国で主体的に運用できるAI）の発想です。
研究面では、AI自身が論文づくりの工程を回す「The AI Scientist」や、既存モデルを掛け合わせて新世代モデルを生み出す「進化的モデルマージ」など、独創的な成果を次々に発表してきました。研究を論文で終わらせず、製品と実務へつなげる姿勢が同社の持ち味です。
事業展開も具体的です。金融機関との協業から始まり、製造業大手との資本提携、さらには防衛分野での委託研究まで広げています。2026年6月には初の商用プロダクトとして、最大8時間も自律で調べ続けるリサーチエージェント「Sakana Marlin」を投入。そして同時期に登場したのが、本記事の主役である「Sakana Fugu」です。
米国の巨大AIと何が違うのか
違いを一枚の表に整理します。ここでの「米国の大手フロンティアAI」は、巨大モデルを自社で訓練する代表的な路線をまとめたものだと考えてください。
| 観点 | 米国の大手フロンティアAI | Sakana AI（日本） |
| 基本思想 | 巨大な単一モデルをゼロから訓練 | 小さなモデルを束ねる集合知 |
| 計算資源 | 大量投入が前提 | 「少ない資源で多くを」 |
| 狙う市場 | 世界向けの汎用モデル | 日本の産業に密着した導入 |
| 象徴的な製品 | 対話型の基盤モデル | 指揮官型のFuguやMarlin |
念のため補足すると、Sakana AIは米国勢と敵対しているわけではありません。むしろGoogleと戦略提携し、同社の最先端モデルを自社の研究や製品に活用しています。「優れたモデルは外から借り、束ね方で勝負する」という考え方が、まさに次のFuguに表れています。
本題：マルチエージェント「Sakana Fugu」とは
Sakana Fuguのキャッチコピーは「One Model to Command Them All（すべてを指揮する、一つのモデル）」。中身はマルチエージェントシステム（複数のAIが役割分担して協力する仕組み）ですが、それを利用者から見ればたった一つのモデルのように扱えるよう包み込んだ点が最大の発明です。公式はこれを「マルチエージェントを一つのモデルとして提供する」と表現しています。
仕組みを料理にたとえます。これまでの開発者は、和食ならこの職人、洋食ならあの職人、と料理人を自分で選び、注文をさばく必要がありました。Fuguは「とりあえず注文すれば、その料理に最適な職人チームを勝手に編成し、味見役まで付けて仕上げてくれる店」です。利用者は店の窓口（接続口）に注文を出すだけで済みます。
| 特徴 | 中身 |
| 一つの窓口に集約 | 専門特化したモデル群を、一本の接続口から呼び出せる。切り替えはFugu側が自動で担当 |
| 難題に強い | コーディングや推論など、品質が問われる作業向けに設計 |
| 選べる柔軟性 | データ保護や社内規定に合わせ、特定の提供元を外す設定も可能 |
利用者向けには「Fugu」と「Fugu Ultra」の2モデルが用意されています。Fuguは速さと品質のバランス型で日常使い向き。Fugu Ultraはより多くの専門エージェントを束ね、難問の回答品質を最優先するハイエンド型です。先行ユーザーは、コンペでの上位入賞狙いや論文の再現、セキュリティ評価などにUltraを使っているといいます。
Fuguの心臓部──TRINITYとConductor
「複数のAIを束ねれば賢くなる」と言うのは簡単ですが、束ね方を間違えれば烏合の衆です。Fuguは、この「束ね方」自体をAIに学習させているところに新しさがあります。土台になっているのは、難関国際会議に採択された2本の研究です。
TRINITY（トリニティ）：進化型の指揮者
軽量な「コーディネーター（調整役）」が複数のAIを何ターンにもわたって統括する仕組み。各モデルに思考役・実行役・検証役といった役割を割り当て、課題に応じて作業を適応的に振り分けます。検証役がいるおかげで、答えの取りこぼしや暴走を抑えられるのがミソです。
Conductor（コンダクター）：自然言語で指揮を学ぶ
強化学習（試行錯誤で良い手を学ぶ手法）によって、AI同士のやり取りの型や、要点を絞った指示文の出し方を自力で発見します。人間が手作業で段取りを設計しなくても、難しい推論課題で単体のモデルを上回る協調を見つけ出す、という研究です。
この2本に共通するのは、「人間がワークフローを決め打ちしない」という発想です。役割分担も段取りも、システム自身が学習する。ここがSakana AIらしい、効率と自動化を突き詰めた設計思想です。
「Claude Fable超え」は本当か
ここは慎重に読む必要があります。世間では「Sakana FuguがAnthropicの最上位モデルを超えた」という勇ましい話も飛び交っていますが、公式の主張はもう少し控えめです。Fuguの説明ページには、非公開の最上位クラス（Fable 5やMythos Previewと呼ばれる系列）と「肩を並べる」と書かれています。つまり「超え」ではなく「同等」が正確なニュアンスです。
ファクトチェック：誤解しやすい3点
① 公式表現は「超え」ではなく「肩を並べる（同等）」
② 最上位の非公開モデルは、そもそもベンチマーク表の比較対象に直接は入っていない（一般提供されておらず、Fuguの内部にも組み込めないため）
③ 表で実際に比べているのは、一般に使える公開フロンティアモデル。数値はいずれも各社の自社申告ベース
そのうえで、公開フロンティアモデルとの比較表を見ると、Fuguの数字は確かに強い。とくに上位モデルのFugu Ultraは、ソフトウェア開発や難関推論の項目で公開最強クラスを上回る場面が目立ちます。以下は公式が示した主要ベンチマークの抜粋です（数値が高いほど高性能）。
| ベンチマーク | Fugu | Fugu Ultra | 公開モデルA | 公開モデルB | 公開モデルC |
| ソフト開発（SWE） | 59.0 | 73.7 | 69.2 | 54.2 | 58.6 |
| ターミナル操作 | 80.2 | 82.1 | 74.6 | 70.3 | 78.2 |
| コード生成 | 92.9 | 93.2 | 87.8 | 88.5 | 85.3 |
| 超難問（HLE） | 47.2 | 50.0 | 49.8 | 44.4 | 41.4 |
| 専門知識（GPQA） | 95.5 | 95.5 | 92.0 | 94.3 | 93.6 |
※公開モデルA・B・Cは、一般提供されている代表的なフロンティアモデル。太字は最高値。数値は公式公表値に基づく抜粋で、ベンチマーク名は読みやすさのため簡略化しています。
そしてSakana AIが繰り返し強調するのが、「輸出規制のリスクを負わずにフロンティア級の実力を出せる」という点です。最上位の海外モデルが規制で使えなくなる状況でも、束ねる戦略なら供給が止まりにくい。日本のソブリンAIという旗印と、この主張はきれいに重なります。
料金プランと使い方
使い方は拍子抜けするほど簡単で、広く普及している接続方式に対応しています。既存のツールの接続先をFuguに向けるだけで、原則として大がかりな入れ替え作業は不要、というのが売り文句です。料金は月額のサブスクと従量課金の2本立てになっています。
| プラン | 月額 | 向き |
| Standard | 20ドル | 軽い日常利用やお試し |
| Pro | 100ドル | 週に数回の集中作業（Standardの10倍枠） |
| Max | 200ドル | 長時間の高負荷作業（Standardの20倍枠） |
面白いのは課金の考え方です。複数のエージェントが動いても料金を積み上げず、関わった最上位モデルの単一レートで済みます。なお、現時点ではEU・EEA域内では未提供で、どのモデルが内部で使われたかは独自技術として非公開、という割り切りも特徴です。
IT小僧の本音コラム
Fuguの本当の面白さはベンチマークの数字ではない。「自社で最強モデルを持たないことを、むしろ武器にした」という戦略の転換にある。
巨大モデルを一から訓練する競争は、電気代と半導体を湯水のように使える者しか参加できない。日本がそこに正面から殴り込むのは正直しんどい。ならば、世界中の優秀なモデルを「借りて束ねる指揮官」を作る側に回る──これは資源の少ない国の発想として、実に理にかなっている。スイミーの寓話を本気でビジネスにした、と言ってもいい。
ただし冷静さも必要だ。性能の数字はあくまで自社申告であり、第三者の追試はこれからだ。「Fable級と肩を並べる」という言い回しも、裏を返せば最上位の非公開モデルそのものは土俵に上げられていない。借り物のモデルを束ねる以上、提供元の都合や規制で土台が揺れるリスクとも、これから向き合うことになる。
それでも── 日本のチームが「束ね方」という新しい土俵を切り開いたこと自体に、私は素直にワクワクしている。次はぜひ、独立した第三者ベンチマークでの数字を見たい。
まとめ
Sakana AIは、ChatGPTに代表される「巨大単一モデル」勢とは別路線を走る、日本発のフロンティアAI企業です。元・米大手検索企業の研究者2人と、外交・経営の実務家1人が率い、「少ない資源で多くを成す」集合知のアプローチで、日本の産業への導入を進めています。
そして「Sakana Fugu」は、その思想を製品に落とし込んだ象徴です。複数のAIを学習で束ね、一つの窓口として届ける。公開フロンティアモデルを上回る数字を示しつつ、規制リスクの低さを訴える。「超えた」という派手な言葉に踊らされず、「肩を並べる」という公式の控えめな主張と、まだ自社申告という現実を押さえておけば、このニュースの本質を冷静に楽しめるはずです。
参考：Sakana AI公式発表（会社情報・Fugu紹介ページ）、日本経済新聞、Reuters、各種報道（2026年6月時点）。役職・調達額・性能数値は発表時期により更新される場合があります。
