Sakana AIの「Fugu」とは？複数AIを束ねるオーケストレーションモデル

機械学習・生成AI

公開日

2026年10月14日

更新日

2026年10月21日

Sakana AIのFugu（フグ）は、複数のAIモデルを、課題に応じて選び、連携させるためのモデルです。利用者は一つの窓口へ依頼を送り、Fuguが必要に応じて別のAIを呼び出して回答を作ります。このように複数のAIの役割や処理を調整することを「オーケストレーション」と呼びます。

まずは、資料を比較する想定例から仕組みを考えます。そのあとにAPIの意味、単一のモデルを使う場合との違い、研究の背景、導入前に確認することを整理します。

この記事のポイント

Fuguは、外部のAIモデルを呼び分け、連携を調整するオーケストレーションモデルです。
APIというソフトウェア同士の接続口を通じて、一つのモデルを呼ぶ形で利用できます。
複数AIを使えば必ず正しくなるわけではありません。同じ課題で品質・時間・費用を比べ、データの処理先も確認します。

この記事の主な内容

資料の比較を例に、複数AIの役割分担を考える

たとえば、複数の公開資料を比べて、共通点と違いを整理する調査を考えます。一つのモデルへまとめて依頼する方法もありますが、仕事を分けるなら、次のような役割が考えられます。

情報を取り出す役：各資料の主張、対象、日付などを整理する。
比較する役：同じ点と異なる点を表にし、比較できる条件がそろっているかを考える。
確認する役：まとめた内容が資料に書かれているか、参照先に戻って確かめる。

これは複数AIの連携を理解するための想定例で、Fuguの実際の処理手順を示したものではありません。実際の役割分担や使える機能は、モデル・ツール・設定によって変わります。

Fuguの特徴は、こうした連携を人が毎回細かく組み立てる代わりに、課題に応じたモデルの選択や調整を担うことです。処理の組み合わせを任せる場合も、最終的な数字・引用・結論は人が元資料と照合します。

Fuguとは何か。「一つのAPI」で使う意味

FuguはSakana AIが2026年6月22日に正式提供を始めたオーケストレーションモデルです。外部のLLM（大規模言語モデル）をツールとして呼び出し、複数のエージェントを調整するよう学習されています。

APIは、ソフトウェアから別のソフトウェアへ依頼を送り、結果を受け取るための接続口です。FuguはOpenAI互換のAPIを提供しており、対応するアプリやプログラムから利用できます。「単一API」とは、利用者側が一つの接続口へ依頼できるという意味で、内部で必ず一つのAIだけが動くという意味ではありません。

呼び出すAIの数や組み合わせは、依頼の内容に応じて変わります。利用者が決めるのは、何を依頼し、どのような結果を必要とするかです。

一つのモデルへ直接頼む場合と、何が違うのか

複数AIを動的にルーティングする仕組みの図解

一つのモデルへ直接依頼する場合は、そのモデルの能力と利用できるツールを前提に処理します。複数のモデルを自分で組み合わせる場合には、どのモデルへ何を渡し、結果をどうつなぐかを設計する必要があります。

Fuguは、そのモデル選択と連携を調整します。複数の手順を含む課題で役立つ可能性がありますが、単純な要約や定型作業なら、一つのモデルで十分な場合もあります。必要な仕組みは、仕事の内容によって異なります。

公式発表で性能比較の対象として挙げられているモデルと、Fugu内部で実際に利用するモデルプールの構成は別です。比較表のモデル名だけから、内部でそのモデルを使っているとは判断できません。現在の構成や選択できる範囲は、Sakana AIのFugu公式ページや利用条件で確認します。

どんな仕事で試すか、何を比べるか

企業にとっての活用メリットの図解

検討の出発点は、「AIを何個使うか」ではなく、いまの作業で何が難しいかです。長い手順の途中で誤りが出る、複数の観点から確認したい、モデルを切り替える作業が負担になっている、といった課題を整理します。

候補の仕事を一つ選び、入力してよい公開情報や架空データで、普段使う単一モデルとFuguへ同じ課題を依頼します。結果は次のように比べます。

品質：必要な内容がそろい、数字や根拠が正しいか。
所要時間：回答を待つ時間だけでなく、人が確認・修正する時間も含める。
費用：同じ量の仕事を行ったときの利用費を比べる。
再現性：似た課題や繰り返しの試行でも、必要な品質が得られるか。

モデル選定や接続をまとめられることは利点になり得ますが、導入の手間や確認作業がすべてなくなるわけではありません。複数モデルが同じ誤りをする可能性もあるため、モデル同士の確認だけで正しさが保証されるとは考えないようにします。

導入前に確認したい、データと説明の扱い

企業で利用する場合は、入力内容がどの提供者へ送られ、どこに保存されるかを確認します。社内で閲覧できる情報でも、外部のAIへ入力してよいとは限りません。利用規約と社内の情報管理基準に照らして判断します。

また、どの資料や処理を根拠にした回答なのか、必要な範囲で追跡できるかも確認します。確認が必要な仕事では、参照先や実行記録を残せるか、分からない点を人へ戻せるかが重要です。

応答時間と費用が業務に合うかも、試行で確かめます。複雑な処理が不要な仕事へ無理に使うのではなく、得られる改善と運用の負担を比べます。

技術の背景：TRINITYとConductor

Fuguの背景には、AI同士の役割分担や協調を学習する「TRINITY」と「Conductor」という研究があります。ここからは、仕組みをもう少し詳しく知りたい方向けの補足です。

TRINITY：複数モデルへ役割を割り当てる

TRINITYは、進化的な手法で改良した比較的軽量な調整役を使い、複数のLLMへ作業を振り分ける研究です。Thinker（考える役）、Worker（実行する役）、Verifier（検証する役）といった役割を割り当て、複数回のやり取りを調整します。

Conductor：協調の進め方を学ぶ

Conductorは、強化学習によって、エージェント間のやり取りや指示の作り方を学ぶ研究です。強化学習とは、結果に応じた評価を手がかりに、よりよい行動を学ぶ方法です。人がすべての手順を固定する代わりに、協調のしかたを学習する点に特徴があります。

これらはFuguの技術的な背景にあたる研究で、製品内部の処理の順序を示すものではありません。詳細はFugu公式ページに掲載された研究論文・技術報告を参照してください。

Fugu Ultraとバージョン情報の読み方

Fuguシリーズには、回答品質を重視するFugu Ultraなど、用途の異なる提供モデルがあります。2026年7月24日にはFugu-Ultra v1.1が発表され、Sakana AIは複数のベンチマークでの改善と、Claude Code互換のインターフェースを案内しました。これは同日の公式発表に基づく紹介です。

v1.1は過去の発表時点のバージョンです。現在利用できるモデルや料金・機能は更新されるため、導入時には公式ページを確認してください。また、ベンチマークの成績と、自社の仕事で得られる品質は同じではありません。同じ課題で品質、所要時間、費用を比較して選びます。

よくある質問

Q. FuguはSakana AIが作った新しい生成AIモデルなのですか？

A. 外部のLLMを呼び分け、複数のエージェントの連携を調整するよう学習されたオーケストレーションモデルです。利用者は、一つのAPIへ依頼を送る形で利用できます。

Q. TRINITYやConductorとはどのような研究ですか？

A. TRINITYは複数のLLMへ役割を割り当てる調整役の研究、Conductorは強化学習でエージェント同士の協調方法を学ぶ研究です。Fuguの技術的な背景ですが、製品が毎回同じ役割や手順を使うことを意味するものではありません。

Q. Fugu UltraはFuguと何が違うのですか？

A. 公式ページでは、Fuguは性能と応答の速さのバランスを取った日常業務向けのモデル、Fugu Ultraはより多くのエージェントを連携させて難しい課題での回答品質を高めるモデルと説明されています。モデル名やベンチマークだけで決めず、自分たちの課題で品質、所要時間、費用を比べます。最新のバージョンと利用条件は公式ページで確認してください。