>
>
公開日
最終更新日
2026年、自律型AIエージェントの業務適用が急速に進んでいます。その中心的存在が「Sakana Fugu」と高性能版の「Fugu Ultra」です。本記事では、Sakana AI（サカナAI）が提供するこの画期的なマルチエージェントシステムの仕組みや最新の料金体系、情シスが導入時に直面するセキュリティリスクと対策について、一次情報に基づき徹底解説します。
サイバーセキュリティ特化版「Fugu-Cyber」が登場
Sakana AIは2026年7月21日、Fuguのセキュリティ特化エンドポイント「Fugu-Cyber」を発表しました。CyberGym・CTI-REALMのベンチマークでGPT-5.5-CyberやClaude Mythos Previewに匹敵するスコアを記録した一方、申請制のアクセスや独自の料金体系など、本記事で解説する基本アーキテクチャとは異なる運用ルールが設けられています。詳細はFugu-Cyberとは？性能・料金・情シスが導入前に確認すべきポイントで解説しています。
Sakana Fuguとは？マルチエージェント・オーケストレーションシステムの基本機能
本記事のポイント
✓ Conductorによる動的連携：単一LLMの限界を突破し、複数のフロンティアAIモデルを指揮者モデルが自律的に組織化して業務を完結
✓ メガバンクやメーカーでの実務適用：SMBC、MUFG、三菱電機など国内の先進企業で本番稼働や共同検証が開始
✓ Token Gobbler対策の必須性：内部連携によるトークン消費の爆発を防ぐためのタスク仕分け設計が不可欠
✓ EU AI法に伴う地域制限：GDPRなどの規制対応により、現時点で「EU・EEA域内では利用不可」という情シス必須の制約
単一の巨大言語モデルにあらゆるタスクを処理させる従来の手法には、推論コストの上昇やハルシネーション、専門知識不足といった限界が存在しました。これに対し、Sakana Fuguは役割の異なる複数のAIエージェントを協調させる「集合知」アプローチを採用しています。各エージェントが自律的にタスクを分担し、全体の指示系統を制御するオーケストレーションシステムを介して対話することで、複雑なビジネスプロセスを高度に解決します。
技術的本質：TRINITYとConductorの構造的な違い
Fuguは単一の巨大なLLMではなく、Sakana AIが強化学習を用いて独自開発した「Conductor」と呼ばれる仲介言語モデルが中核となって稼働します。この画期的な技術は、トップ学術会議「ICLR 2026」において発表された論文『TRINITY: An Evolved LLM Coordinator』および『Learning to Orchestrate Agents in Natural Language with the Conductor』において学術的にも高く評価されています。
通常の「Fugu」の基礎となるTRINITYは、進化的アルゴリズム（CMA-ES）で最適化された約0.6B（6億パラメータ）の超軽量なコーディネーターモデルです。背後のスワップ可能なモデルプールに対し、「Thinker（思考）」「Worker（実行）」「Verifier（検証）」という3つの役割を動的に割り当て、対話させながら結果を導き出します。一方、高性能版である「Fugu Ultra」の基礎となるConductorは、強化学習で訓練された7B（70億パラメータ）のモデルであり、サブエージェント同士のコミュニケーション（指示書の作成、トポロジー構築）を自然言語で行わせ、最適解を探索します。また、テスト時に自分自身を再帰的に呼び出す「RSI（Recursive Self-Improvement：再帰的自己改善）」を実行して推論能力をスケールさせます。
これは、プロンプトを複数モデルに同時に送信してマージする静的なMoA（Mixture of Agents、例えばOpenRouter Fusionなど）とは根本的に異なります。Fuguは「思考・実行・検証」のプロセス自体を自律的に学習（Learned Orchestration）し、動的なワークフローを生成する点が特徴です。さらに、2026年7月15日にはNVIDIAとの提携拡大を発表し、Fuguにオープンモデルスタックである「NVIDIA Nemotron」を統合。これにより、クローズドまたはオンプレミス寄りの環境での柔軟なオーケストレーションが可能となり、日本の厳しいセキュリティ要件を満たす選択肢が広がりました。なお、Sakana AIは2026年時点で評価額約4,320億円（約26億米ドル）に達する日本最大級のユニコーン企業であり、NVIDIA、Google、国内メガバンク、伊藤忠商事、KDDI、三菱電機（2026年3月出資）など強固なパートナー基盤に支えられています。
他のマルチモデルアプローチとの違いと地政学ガバナンス
複数のモデルを使い分けるアプローチとしては、OpenRouterが提供するFusion API（→詳細記事：openrouter-fusion-api-enterprise-guide）のようなルーティングサービスが存在します。しかし、単に安価・高速なモデルへと入力を転送するだけのAPIルーティングとは異なり、Sakana Fuguはエージェント同士が自律的に複数回の「対話（調停）」を繰り返し、品質を磨き上げてから最終回答を出力する設計思想となっています。
シングルベンダー依存の回避とBCP・AI主権
情シスがガバナンスの観点からFuguを導入する最大のメリットの一つが、「シングルベンダーロックインの回避」です。2026年6月12日、米国政府の輸出規制に伴い、日本国内からAnthropicの「Claude Fable 5」や「Mythos Preview」といった超高性能モデルへのアクセスが突如制限・停止される事態が発生しました。この「シングルベンダー依存による事業継続性リスク」に対する回答として、Sakana AIは直後の2026年6月22日に「Sakana Fugu」および「Fugu Ultra」を緊急リリースしました。特定の外国ベンダーに依存しない「マルチエージェント・オーケストレーション」によるAIソブリンティ（AI主権）の確保は、日本の情シスがBCP（事業継続計画）を策定する上での切り札として注目されています。
最新のベンチマーク性能比較
一般提供（GA）が開始されたSakana Fugu、特に高性能版である「Fugu Ultra」は、米Anthropic社の次世代モデル「Fable 5」と比較しても極めて高い性能を示しています。
ベンチマーク指標 | Fugu 通常版 | Fugu Ultra (GA) | Claude 4.8 / Opus | Fable 5 |
|---|---|---|---|---|
SWE-bench Pro (コーディング性能) | 45.1% | 73.7% | 51.3% | 68.4% |
Charxiv Reasoning (複雑な図表読み取り) | 61.2% | 82.5% | 65.8% | 78.2% |
Terminal-Bench 2.1 (システム操作) | 68.3% | 89.4% | 71.0% | 84.1% |
HLE (高難度知識/Humanity's Last Exam) | 38.4% | 52.1% | 44.5% | 56.8% |
※Fable 5および各種スコアは2026年6月時点の公開ベンチマークデータを引用。コーディング（SWE-bench Pro）やシステム操作（Terminal-Bench）などの論理推論においてはFugu Ultraが大きく上回る一方、汎用的な高難度知識測定（HLE）においてはFable 5に強みがあり、得意領域が明確に異なります。Fugu UltraのSWE-Bench Proでの73.7%というスコアは、Claude Opus 4.8（69.2%）、GPT-5.5（58.6%）、Gemini 3.1 Pro（54.2%）を超える数値を記録しています。
国内企業におけるマルチエージェント導入事例（SMBC・MUFG）
自律型AIエージェントの実ビジネスへの適用は、高いセキュリティと正確性が求められる国内のメガバンクや製造業、専門機関において先導的に開始されています。
実在する日本企業の導入フォーマット
三井住友フィナンシャルグループ（SMBC）の「提案書自動生成」
・業種・規模：金融業（大企業）
・導入時期：2026年4月30日 本番稼働
・課題：行員のスキルに依存し、初期ドラフト作成までに1〜2週間を要していた。
・施策：複数のAIエージェントが「情報収集」「分析」「仮説構築」「ストーリー策定」「ファクトチェック」の役割を自律的に分担して連携する「提案書自動生成アプリケーション」を導入。
・成果：従来数週間を要していた業務プロセスを、数十分〜数時間にまで劇的に平準化・短縮。三菱UFJ銀行（MUFG）の「AI融資エキスパート」
・業種・規模：金融業（大企業）
・導入時期：2026年3月
・課題：融資審査業務の属人化の解消と、審査・稟議作成スピードの向上。
・施策：Sakana AIと共同で開発した「AI融資エキスパート」を融資稟議の作成支援に導入し、全国展開を開始。
・成果：属人化しがちな融資審査業務の平準化とスピード向上を達成。三菱電機（2026年3月〜共同検証）
・業種・規模：総合電機メーカー（大企業）
・導入時期：2026年3月
・課題：製造現場や社会インフラなど、暗黙知が多く複雑な高度業務の最適化。
・施策：同社のデジタルプラットフォーム「Serendie™」とSakana AIの技術を組み合わせ、生成AIを高度業務に適用する協業を開始。
・成果：熟練工の暗黙知をシステム化し、複雑な社会インフラ運用の最適化に向けた実証を進める。あずさ監査法人（2026年6月〜共同開発）
・業種・規模：監査・コンサルティング業
・導入時期：2026年6月
・課題：企業監査やビジネスプロセスの自律化に向けた、LLMエージェントの長期判断能力の客観的評価。
・施策：Sakana AIと共同で、LLMエージェントが長期的な経営判断やサプライチェーン管理を行う能力を評価する長期ベンチマーク「CoffeeBench」を開発。
・成果：監査プロセスの自動化に向け、客観的かつ高精度な評価体制を確立。
「Sakana Marlin」との機能・用途の棲み分け
情シスがSakana AI製品群を検討する際、2026年6月15日にリリースされた「Sakana Marlin（サカナ・マーリン）」との棲み分けの整理が必要です。「Sakana Marlin」は、数時間で仮説検証からスライド作成まで自律してこなす「自律型リサーチアシスタント」であり、検証済みのパッケージソフトウェアとしてエンドユーザーに直接提供されます。これに対し「Sakana Fugu」は、APIやモデルとして提供され、社内システムや独自のビジネスロジックにオーケストレーション機能を組み込むための「開発用コンポーネント」です。パッケージとしての導入か、自社システム開発かによって使い分ける必要があります。
【徹底検証】AIエージェント導入に伴うデメリットと4大リスク
マルチエージェントは高度な業務自動化を約束する一方、情シスが看過できない深刻なデメリットとリスクが存在します。安全な推進のために4つの落とし穴を検証します。
リスク1：使用モデルの非開示と「データ送信先のブラックボックス問題」
Fuguは1つのAPI（OpenAI互換）の裏側で動的にモデルを切り替える性質上、監査ログを追跡した際に「どの処理がどのモデルで行われたか」がブラックボックス化する懸念があります。特に、機密データの海外送信ポリシーが厳しい金融・公共セクターにおいては、プロンプトがどのタイミングでどの海外プロバイダーに送信されたかの動的経路が不透明であることが、セキュリティ要件に抵触する恐れがあります。これらはAIガバナンスの基本フレームワーク参照を踏まえ、内部ログの取得設定やモデル指定オプションの制限などで対策する必要があります。また、前述の「NVIDIA Nemotron」等を用いた国内でのクローズドなセキュア環境が構成できるかを、Sakana AI側と個別検証（PoC）するアプローチが極めて有効です。
リスク2：EU・EEA域内での利用制限（EU AI法への対応）
世界的にAI規制が進む中、包括的な規制枠組みである「EU AI法（EU AI Act）」が2026年8月2日に大部分が全面適用されます。これに伴い、Sakana Fuguの公式サイトには「GDPR等のEU/EEA固有規制への対応を進めており、現在はEU・EEA域内では利用できない」という地理的制限が明記されています。多国籍企業や欧州拠点を抱える企業においては、利用地域を技術的にブロックするなどのアクセス制御が必須です。
リスク3：データ利用ポリシーと外部APIへの情報漏洩
Fuguが動作する過程で送信された社内データが、外部の提携モデルプロバイダーに意図せず二次利用されるリスクがあります。情報漏洩を防ぐため、プロバイダーごとのオプトアウト設定（学習非適用）を確実に有効化し、不要な機密データの送信を防ぐガードレール設計が不可欠です。具体的な対策は、生成AIの情報漏洩対策としてのナレッジをベースに仕組み化することが求められます。
リスク4：管理の及ばない「シャドー・エージェント」とPocketOSの教訓
開発や業務の現場で、情シスの許可なく勝手に導入される「シャドーAI」や「野良エージェント」が深刻な被害を出しています。2026年4月、米スタートアップPocketOSでは、Cursor上の自律型エージェントが指示の解釈ミスにより、本番環境のデータベースとバックアップをわずか9秒間で完全消去する甚大なトラブルが発生しました。この事故は、適切な権限管理やガードレール設計が欠如したことによる代表的な失敗例です。詳細な対策は、shadow-ai-countermeasures（シャドーAI対策の詳細）の方法論を用いて、技術的な制限（読み取り専用権限の原則化、サンドボックスでのコマンド制限など）を整備してください。
国内AI市場規模と2026年のAIガバナンス最新トレンド
国内のAIシステム市場支出額は、IDC Japanの調査（2026年3月発表）によると、2025年の2兆3,725億円から、2029年には2.9倍の6兆8,897億円に達すると予想され、急激な成長局面を迎えています。しかし、技術が先行する一方で、PwC Japanグループの調査では、売上高500億円以上の大企業であっても約36%がAIガバナンスの統制体制を構築できていないという課題が浮き彫りになっています。
政府ガイドラインのデファクトスタンダード化
日本政府も「信頼できるAI」の普及を後押ししています。2025年12月に「人工知能基本計画」が閣議決定され、デジタル庁は政府共通の生成AI環境「ガバメントAI 源内」を2026年5月から10万人規模で本格配備。さらに、経済産業省・総務省の「AI事業者ガイドライン（第1.2版）」（2026年3月31日公表）や、デジタル庁の「生成AI調達・利活用ガイドライン」（2026年4月1日全面適用）が民間企業における調達基準の事実上の標準（デファクトスタンダード）として機能し始めており、情シスはこれらの法・規制に即したガバナンス構築を求められています。
Sakana Fuguの利用料金プランと「Token Gobbler」対策
一般提供（GA）に伴い発表されたSakana Fuguの料金体系は、個人・ライトユーザー向けの定額サブスクリプションプランと、自社システム連携向けのAPI従量課金プランに大別されます。
定額サブスクリプションプラン（月額）
Standard：月額20ドル（基本的な利用枠）
Pro：月額100ドル（Standardプランの10倍の利用枠を提供）
Max：月額200ドル（Standardプランの20倍の利用枠を提供）
API接続（Fugu Ultra）従量料金
自社アプリケーション等からAPIを呼び出す場合、高性能版のFugu Ultraが適用され、100万トークンあたりの基本単価は以下の通りです。
なお、2026年7月にFugu Ultraは「v1.1」へ更新されました。Sakana AIの公式発表によれば、最新のフロンティアモデルを組み込んだ性能向上版で、API単価はv1.0から据え置きです。あわせてモデルIDの命名も、従来の日付形式（fugu-ultra-20260615）から「fugu-ultra-v1.1」「fugu-ultra-v1.0」というバージョン形式に変更されているため、API連携済みの企業はモデルID指定箇所の表記を確認しておきましょう。
対象コンテキスト | 入力単価 (100万Tあたり) | 出力単価 (100万Tあたり) | キャッシュ入力単価 |
|---|---|---|---|
基本料金 (272K以下) | $5.00 | $30.00 | $0.50 |
割増料金 (272K超) | $10.00 | $45.00 | $1.00 |
※1回のリクエストにおいてコンテキストサイズが272,000トークン（272K）を超えると、単価が急上昇するため、プログラム側でのトークン制限の実装が不可欠です。
「Token Gobbler（トークン大食い）」の実測値とAPIバジェット設計
Fuguはユーザーの1回の指示に対して、内部で自動的に複数モデルへの再帰呼び出しを繰り返すため、1回のアクションで膨大なトークンを消費する特性があり、開発者の間では「Token Gobbler（トークン大食い）」と呼ばれています。クラスメソッド等の実証レビューに基づくと、以下の通りレイテンシと消費トークン数に劇的な差が確認されています。
日常向け「Fugu」：軽い質問に対し、処理時間約7.7秒、消費トークン309と低遅延かつ低コスト。
高性能「Fugu Ultra」：全く同じ軽い質問に対し、処理時間約108秒、消費トークン14,607を消費。背後で複数のエージェントが検証（RSI）を繰り返すため、大量の「オーケストレーショントークン」が発生。
よくある失敗パターン：
「高性能だから」とすべてのアシスタント機能を一律でFugu Ultraに設定して社内リリースし、簡単な質問でも返答に毎回2分近くかかって業務が滞る上、API料金が数日で爆発するケース。
情シスが実装すべき対策：
1. ルーティングの切り分け（ハイブリッド運用）：日常タスク（要約、簡単な文章作成、翻訳など）は安価なシングルLLMや通常の「Fugu」に直行させ、複雑なバグ調査、高度な数学推論、データ検証など高度な論理推論が必要なタスクのみ「Fugu Ultra」を動的に叩くトリガーを実装する。
2. APIバジェット（予算制限）の設定：Sakana AIのConsole側や社内の中継ゲートウェイにて、1ユーザーあたりの1日の最大消費トークン数を厳格に制限する。
なお、2026年7月にはサイバーセキュリティ業務に特化した新エンドポイント「Fugu-Cyber」も追加されました。Fugu-Cyberは上記の定額・従量プランとは別建てのトークンプラン（申請制）で提供されており、料金体系や申請フローの詳細はFugu-Cyberとは？性能・料金・情シスが導入前に確認すべきポイントにまとめています。
情シス向け：Sakana Fugu企業導入可否の判断基準
情報システム部門がSakana Fuguの導入判断を行うための具体的な評価項目を整理しました。2026年7月現在、強力な国産競合であるPreferred Networks（PFN）の「PLaMo 3.0 Prime」が、日本語特化の国産超高性能LLMとして台頭しています。「機密データの完全国内処理とコスト最優先」ならPLaMo、「複雑なグローバルレベルの推論や開発タスクの自動化」ならFuguという明確な比較軸を提示します。
国産最高峰AIモデルとの比較選定基準マトリクス
評価項目 | Sakana Fugu / Fugu Ultra | PFN PLaMo 3.0 Prime |
|---|---|---|
開発元・インフラ | Sakana AI（外資クラウドモデルも一部連携） | Preferred Networks（完全国内ホスティング） |
技術的特徴 | マルチエージェント・オーケストレーション（TRINITY/Conductor） | 日本語特化の国産超高性能シングルLLM |
コスト感 | 中〜高（Fugu Ultraは再帰呼び出しでトークン消費大） | 極めて安価（100万入力トークンあたり約60円等） |
最適なユースケース | 複雑なコーディング、マルチステップの論理推論、検証業務 | 社内のセキュアな日本語文書検索（RAG）、コスト重視の日常タスク |
ホスティング柔軟性 | API提供メイン（NVIDIA Nemotronによるオンプレ統合予定あり） | 完全な国内オンプレミス・専用クラウドホスティングに対応 |
企業規模別対応分岐ガイドライン
50名未満の組織：SSO連携の有無に関わらず、StandardやProアカウントでのスモールスタート（検証導入）から開始。ルーティング設計は手動で十分管理可能。
50〜300名の中規模組織：管理の及ばない「野良エージェント」の発生を防ぐため、アカウント作成状況の可視化とセキュリティポリシーの策定が必須。
300名超の大規模組織：APIゲートウェイによるアクセス制限、SSO認証（シングルサインオン）の完全統合、およびトークン予算制限（APIバジェット）の自動制御システムを構築した上で導入判断を下すべき。
よくある質問：集合知AIとマルチエージェントの管理
Q：Sakana Fuguとは何ですか？
A：複数の異なるAIエージェントを自律的に連携させ、高度な業務プロセスを自動で完結させる国産の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。従来の単一LLMでは困難だった、複数モデルの『思考・実行・検証』プロセスを指揮者役のAIが動的に制御し、最適な回答を導き出す仕組みを提供します。
Q：Sakana Fuguの料金体系はどうなっていますか？
A：定額サブスクリプションとAPI接続による従量課金の2つの体系があります。定額プランは月額20ドルのStandardから200ドルのMaxまで3段階です。API接続はFugu Ultraが適用され、コンテキストサイズが272Kトークン以下の基本料金は100万トークンあたり入力5ドル、出力30ドルですが、272Kを超えると単価が2倍に割増されます。
Q：Sakana AIの他プロダクト（Sakana Marlin等）との違いは何ですか？
A：Fuguが自社システムやワークフローにAPI等を通じて組み込むための「開発用モデル・コンポーネント」であるのに対し、2026年6月リリースのSakana Marlinは、数時間で仮説検証からスライド作成までを自律してこなす「検証済みのパッケージソフトウェア（リサーチアシスタント）」です。用途に応じてインフラ開発か業務直接導入かを選択します。
Q：Sakana Fuguを企業導入する際のセキュリティリスクは何ですか？
A：Fuguが裏側でどの海外モデルを呼び出しているかが不透明になる「データ送信先のブラックボックス問題」や、管理外の「シャドーAI」化が挙げられます。API接続時の権限を読み取り専用とし、本番環境のデータ書き込みには人間が承認するガードレール構築が必要です。また、SaaS管理ツールを用いたシャドーAI対策（Admina等の活用）も極めて有効です。
Q：Fuguで採用されているマルチエージェント技術とは何ですか？
A：単一のAIモデルに入出力を頼るのではなく、役割の異なる複数のAI（エージェント）を協調させて高度なタスクを解く技術です。Fuguでは超軽量コーディネーターの『TRINITY』や強化学習モデルの『Conductor』が、エージェント間に『思考』『実行』『検証』の役割を動的に割り当て、自然言語による自律的な対話を通じて品質を磨き上げます。
Q：Fuguを情シス視点で評価するポイントはどこですか？
A：特定の海外AIベンダーに依存しないBCP（事業継続性）の担保と、エージェント暴走やトークン大食い（Token Gobbler）を防ぐガバナンス設計です。具体的には、SSO連携が可能か、エージェントの行動をサンドボックス内に制限できるか、また安価なシングルモデルと高性能なFugu Ultraを自動で切り替えるルーティングを実装できるかが評価軸です。
Q：Sakana Fuguはどのような企業に向いていますか？
A：システム開発やバグ検証、多段階のデータ分析など、論理的に複雑な業務プロセスの自動化を目指す企業に向いています。一方で、簡単な文書要約や翻訳といった単純タスクが中心の企業や、機密データの海外送信ポリシーが極めて厳しい企業は、単一の安価な国内ホスティングLLM（PLaMo 3.0 Prime等）を導入する方がコスト・安全面で適しています。
Q：Fuguにはセキュリティ特化版がありますか？
A：はい。2026年7月にサイバーセキュリティ特化のエンドポイント「Fugu-Cyber」がリリースされました。脆弱性分析（CyberGym）や脅威インテリジェンス処理（CTI-REALM）に最適化されており、通常のFuguと異なり申請制でのアクセスとなります。詳細はFugu-Cyberとは？性能・料金・情シスが導入前に確認すべきポイントをご覧ください。
まとめ
安全なAIエージェント導入に向けた第一歩
マルチエージェント技術の台頭は劇的な生産性の向上を約束しますが、同時に「Token Gobbler」による予期せぬ請求金額の爆発や、不適切な権限管理に伴うデータ損壊のリスクを併せ持ちます。明日から取り組むべき最初のステップとして、以下の手順に沿ったガバナンスの構築を推奨します。
ポリシー整備（オプトアウト確認含む）：利用ガイドラインを策定し、外部送信データのオプトアウト申請プロセスを規定する。
PoC（概念実証）の開始：まずは社内隔離環境（サンドボックス）で、SSO連携した状態での少数ユーザー検証から開始する。
契約判断・コストシミュレーション：単純タスクをシングルLLMに仕分けるルールを適用しつつ、FuguのAPI費用感を試算して契約判断を下す。
管理体制の構築（IT資産管理）：SaaS管理ツールの活用やSSO一元管理により、社内の「野良エージェント」の発生を常時監視・防止する体制を確立する。
本記事の内容に誤り等がございましたら、こちらからご連絡ください。
監修
Admina Team
情シス業務に関するお役立ち情報をマネーフォワード Adminaが提供します。
SaaS・アカウント・デバイスの管理を自動化し、IT資産の可視化とセキュリティ統制を実現。
従業員の入退社対応や棚卸し作業の工数を削減し、情報システム部門の運用負荷を大幅に軽減します。
中小企業から大企業まで、情シス・管理部門・経営層のすべてに頼れるIT管理プラットフォームです。
