Sakana Fuguとは？料金と始め方の要点

こんにちは。AIあれこれ散歩道です。

Sakana Fuguという名前を見て、何ができるAIなのか、ClaudeやChatGPTのような通常のモデルと何が違うのか気になっていませんか。Sakana Fuguは、Sakana AIが公開したマルチエージェント型のAIサービスで、OpenAI互換APIやCodex連携の情報も出ています。

この記事では、Sakana Fuguとは何か、FuguとFugu Ultraの違い、料金、APIでの始め方、Codexで使う時の注意点を整理します。まだ新しいサービスなので、公式情報を中心に見ながら、導入前に確認したいポイントをまとめます。

Sakana Fuguとは何かを整理

Sakana Fuguを理解する時は、まず「1つの巨大モデル」というより、複数のモデルやエージェントを束ねて使う仕組みとして見ると分かりやすいです。公式ページでも、Sakana Fuguはマルチエージェントのオーケストレーションとして説明されています。

マルチエージェント型の意味

Sakana AIのSakana Fugu公式ページでは、Fuguは複数のフロンティアモデルや専門エージェントを組み合わせて、難しいタスクに取り組む仕組みとして紹介されています。普通のチャットAIのように1つのモデルへ投げる感覚で使えますが、裏側では入力内容に応じてエージェントの協調が行われます。

添付レポートで重要だったのは、この仕組みが単なる便利機能ではなく、特定の1モデルや1社のAPIへ過度に依存しないための考え方にもつながる点です。AI主権やベンダーロックインの回避という視点で見ると、Fuguは「どのモデルを選ぶか」ではなく「AIチームをどう動かすか」に軸を移しているサービスだと理解できます。

この考え方のメリットは、タスクごとに得意なモデルを人間が手動で選び続けなくてもよい点です。たとえば、コードレビュー、長い調査、論文再現、複雑な推論では、単純な一問一答よりも、複数の視点で検討する仕組みが効きやすくなります。

FuguとFugu Ultraの違い

Sakana Fuguのリリース記事では、FuguとFugu Ultraの2つが説明されています。Fuguは日常的なコーディングや対話的な作業向けに、品質と応答速度のバランスを取る標準モデルです。

一方でFugu Ultraは、複雑で多段階の問題に対して回答品質を優先するモデルです。より深いエージェントプールを使うため、応答に時間がかかる可能性はありますが、論文再現、特許調査、サイバーセキュリティ分析、長いコードレビューのような用途で価値が出やすいと説明されています。

TRINITYとConductorの考え方

レポート内で特に記事へ反映すべきなのは、Fuguの裏側にあるTRINITYとConductorの考え方です。TRINITYは、複数モデルへThinker、Worker、Verifierのような役割を割り当てるコーディネーターの研究です。Conductorは、エージェント間の連携方針を自然言語で学習する研究として説明されています。

ユーザーがTRINITYやConductorを直接操作するわけではありません。重要なのは、Sakana Fuguが単なるモデル切り替えではなく、役割分担と検証を含むオーケストレーションを目指している点です。この前提で見ると、Fugu Ultraが複雑な作業で時間やトークンを多く使う理由も理解しやすくなります。

公式ベンチマークの見方

公式ページでは、SWE Bench Pro、TerminalBench、LiveCodeBench、Humanity’s Last Examなど複数のベンチマークでFuguやFugu Ultraの結果が示されています。特にFugu Ultraは、コーディング、科学推論、エージェント型タスクで強い結果が示されています。公式ページでは、ソフトウェアエンジニアリング系のSWE Bench ProでFugu Ultraが73.7と示されており、複雑なコード作業向けの強みを示す材料になっています。

ただし、ベンチマークはあくまで評価条件の中での結果です。あなたの業務やブログ運営で同じ性能が必ず出るとは限らないため、最初は小さなタスクで比較してから本格利用するのが安全です。

OpenAI互換APIで使える

Sakana Fuguは、公式のGet StartedでOpenAI互換APIとして案内されています。エンドポイントはhttps://api.sakana.aiで、Chat CompletionsとResponsesの両方に対応しています。

つまり、既存のOpenAI SDKを使っている環境なら、base_urlとAPIキーをSakana側に向けることで試しやすい設計です。特にResponses APIは、ツール利用や推論設定との相性がよい形として公式ドキュメントでも推奨されています。

Codex連携で確認する点

公式Get Startedでは、Codex CLI向けにFuguを入れる一行インストールも案内されています。UbuntuとmacOSではcurlコマンドから導入し、codex-fuguで起動する流れです。Windowsの場合や、ローカル環境でうまく動かない場合は、手動設定の案内を見る必要があります。

Claude CLIのようにローカル開発とつなげたい人にとって、ここはかなり気になる部分だと思います。ただ、APIキーや課金、設定ファイルを扱うため、最初は小さなテスト用ワークスペースで試すのがおすすめです。

Sakana Fuguの料金と注意点

Sakana Fuguは性能面だけでなく、料金とデータ利用の見方も大切です。新しいAIサービスほど、使い始める前に「どこで課金されるのか」「どの入力を渡してよいのか」を確認しておく必要があります。

月額プランと従量課金

公式Pricingでは、月額プランとしてStandard、Pro、Maxが案内されています。表示上はStandardが月20ドル、Proが月100ドル、Maxが月200ドルです。すべてのプランでFuguとFugu Ultraが含まれると説明されています。

また、重い本番ワークロード向けには従量課金もあります。Fugu Ultraは100万トークンあたりの固定価格が示されており、標準コンテキストでは入力5ドル、出力30ドル、キャッシュ入力0.50ドルです。272Kを超えるコンテキストでは、入力10ドル、出力45ドル、キャッシュ入力1ドルと案内されています。

料金で見落としやすい点

料金で特に見落としやすいのは、Fugu Ultraのオーケストレーション用トークンです。公式Pricingでは、通常のResponses API出力以外に、オーケストレーションの入力・出力トークンがusageフィールドで分かれることが説明されています。

つまり、見た目の最終回答が短くても、裏側で複数のエージェントが作業すれば費用が伸びる可能性があります。長い調査や自律的なコード作業ほど、最終出力だけでなく総トークンを見ることが大切です。

また、クラスメソッドの検証記事でも、FuguとFugu Ultraでレイテンシやオーケストレーショントークンに大きな差が出る例が紹介されています。これは一回ごとの検証結果であり常に同じとは限りませんが、最初からFugu Ultraを常用するのではなく、Fuguで小さく試してから重いタスクへ広げる判断材料になります。

モデル除外とデータ設定

Fuguでは、APIキー作成や編集時にFugu custom model poolを使い、特定プロバイダーを除外できる案内があります。ただし、Fugu Ultraは性能を出すためにフルのエージェントプールを使うため、プールは固定と説明されています。

データ利用については、Fugu Privacy Policyで、トレーニングや改善利用のオプトアウトに関する説明があります。オプトアウトは将来の利用を抑える方向の設定であり、すでに使われたデータを必ず遡って消せるとは限らない点に注意が必要です。

日本外から使う時の制限

Sakana Fugu公式ページでは、EUおよびEEAからは利用できない旨が案内されています。あわせて、Fugu Terms of Serviceでも、対応地域や18歳以上であること、資格が必要な専門助言の代替にしないことなどが説明されています。

日本から使う場合でも、海外チームやリモートメンバーと一緒に運用するなら、地域制限や輸出規制、機密情報の扱いを確認しておく必要があります。正確な情報は公式サイトをご確認ください。

まとめ Sakana Fuguの判断軸

Sakana Fuguは、複数のAIモデルや専門エージェントを1つのサービスとして使いやすくする、マルチエージェント型のAIオーケストレーションです。レポートで強調されていたTRINITYやConductorの思想を踏まえると、単なるモデル選択ではなく、AIチームをどう編成して検証するかに価値があります。Fuguは日常作業向け、Fugu Ultraは複雑で多段階のタスク向けと考えると判断しやすいです。OpenAI互換APIやCodex連携が用意されている一方で、料金、総トークン、データ利用、対応地域は必ず確認してから使い始めましょう。