---
title: "Sakana Fugu（サカナ・フグ）とは｜使い方・料金・Fugu Ultraの性能をAPI実装目線で解説"
url: "https://www.issoh.co.jp/tech/details/12681/"
published: 2026-06-23
updated: 2026-07-29
categories: ["AI"]
publisher: "株式会社一創"
---

# Sakana Fugu（サカナ・フグ）とは｜使い方・料金・Fugu Ultraの性能をAPI実装目線で解説

Sakana Fugu（サカナ・フグ）は、Sakana AIが2026年6月22日に一般提供を開始した、複数のフロンティアモデルを動的に束ねるオーケストレーション基盤です。利用者はOpenAI互換の単一APIへ要求を投げるだけで、内部ではFugu自身がどのモデルにどの仕事を任せるかを判断し、結果を一つの答えにまとめます。本記事では接続手順とCodexへの導入、料金の実務、Fugu Ultraのベンチマークの読み方、そして避けるべき用途までを、公式ドキュメントと技術レポートだけを根拠に整理します。

## まとめ：Sakana Fuguの要点と、導入判断の分かれ目

Fuguは、複数のLLMを一つのAPIの裏側で協調させ、単一ベンダーに縛られずにフロンティア級の回答品質を取りにいく製品です。日常用途の**Fugu**と、難度の高い多段階タスク向けの**Fugu Ultra**があり、どちらも `https://api.sakana.ai/v1` へ接続先を変えるだけで既存のOpenAI互換クライアントから呼べます。Codexユーザーなら公式インストーラで `codex-fugu` を入れるのが最短です。

料金はStandard 20ドルから。ただし従量課金で効いてくるのは単価ではなく**内部の委譲・検証で消費される中間トークン**で、ここが「マルチエージェントは安くない」の実体です。向くのはコードレビュー・論文再現・特許調査のように読み・実装・検証を繰り返す長時間タスク。ミリ秒応答が要る処理と、どのモデルが答えたかの開示が必須の監査業務には向きません。EU・EEA域内は現時点でサービス対象外です。

## Sakana Fuguの正体｜単一APIの裏で専門家チームを編成するオーケストレーター

Fuguを理解する近道は、「大きな一つのモデル」ではなく「指揮者」だと捉えることです。一つのエンドポイントにリクエストを送ると、Fuguはそれを単独で解くか、複数の専門モデルからなるチームを編成して解くかを自分で決めます。モデルの選択・委譲・検証・統合はすべて内部で処理されるため、利用者のコードにマルチエージェントの複雑さが漏れ出しません。協調フローを書かなくてよい、というのが出発点です。

### 難問ほど内部の手数が伸びるtest-time scaling

Fugu自体が一つの言語モデルであり、「いつ委譲するか」「エージェント同士をどう対話させるか」「結果をどうまとめるか」を学習しています。エージェントプールのLLMを呼ぶだけでなく、自分自身を再帰的に呼び出すこともあります。単純な質問なら一回で答え、難問では内部で多くのエージェントと自己呼び出しを重ねる。推論時に計算を積み増して品質を上げる、いわゆるtest-time scalingが、そのまま課金額に跳ね返る構造でもあります（この点は後述の料金章で詰めます）。

### Trinity・Conductorの2論文と、6月公開の技術レポート

基盤はICLR 2026採択の2本です。**Trinity**（arXiv:2512.04695）は、進化戦略で最適化した軽量コーディネーターが、複数のLLMにThinker（思考役）・Worker（実行役）・Verifier（検証役）を割り当てて協調させる仕組み。**Conductor**（arXiv:2512.04388）は強化学習で訓練され、エージェント間の通信トポロジーと各ワーカーへの指示文を自ら設計します。製品版の全体像は技術レポート**arXiv:2606.21228**（2026年6月19日公開）にまとまっており、訓練は大規模ファインチューニング・進化的アルゴリズム・強化学習の三本立てだと明記されています。この多モデル協調の思想は、同社が先行して商用化した自律型リサーチエージェント[Sakana Marlin](https://www.issoh.co.jp/tech/details/12543/)とも地続きです。

## FuguとFugu Ultraの違い｜レイテンシ優先か、回答品質優先か

選び分けの基準は単純です。即応性が事業価値に直結するインタラクティブ用途はFugu、答えの深さが価値を決める腰の重い分析はFugu Ultra。両者は同一APIから呼べるので、モデル名の差し替えだけで切り替わります。

| 項目      | Fugu          | Fugu Ultra         |
| ------- | ------------- | ------------------ |
| モデルID   | fugu          | fugu-ultra         |
| 狙い      | 性能とレイテンシの均衡   | 難問での回答品質           |
| 応答時間    | 短い            | 長い                 |
| モデル除外設定 | 可             | 不可（プール固定）          |
| 主な用途    | コーディング補助・チャット | 論文再現・特許調査・セキュリティ評価 |

従量課金の料金表では、Ultraのモデル名はバージョン付きの `fugu-ultra-20260615` で表記されます。コンプライアンス要件で特定プロバイダーのモデルを使いたくない場合、除外できるのはFuguだけです。Ultraのプールは固定で、公式は理由を明示していませんが、除外はできません。使うモデルを選びたいならFugu、最高性能を取りたいならUltra。実運用では日常をFuguに固定し、詰まった難題だけUltraへ送るのが無駄がありません。なお2026年7月21日には、サイバー防御に用途を絞った第3のエンドポイントとして[Fugu-Cyber（fugu-cyber-v1.0）の性能・料金・申請条件](https://www.issoh.co.jp/tech/details/15764/)が追加されました。こちらは申請制かつ従量課金のみの提供で、本記事のサブスクリプション3段階とは扱いが異なります。

## 使い方｜接続先とモデル名を変えるだけの導入と、Codexへの1行インストール

SDKの移行は不要です。コンソール（console.sakana.ai）でAPIキーを発行し、既存のOpenAI互換クライアントの向き先を変えるだけで動きます。

### base\_urlとモデルIDの差し替え（Chat Completions / Responses 両対応）

APIは `https://api.sakana.ai/v1` で、Chat CompletionsとResponsesの両方に対応します。OpenAI公式SDKをそのまま使えます。

```
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.sakana.ai/v1",
    api_key=os.environ["SAKANA_API_KEY"],
)

response = client.responses.create(
    model="fugu-ultra",
    input="Write a concise explanation of how TLS works",
    timeout=3600.0,  # long-running tasks need a generous client timeout
)

print(response.output_text)
```

推論の深さは `reasoning.effort` で `high` と `xhigh` の2段階（`max` は後方互換で受理され、現状 `xhigh` と同義）。Web検索などのビルトインツールも使えます。注意すべきは**タイムアウト**です。公式は複雑なタスク、とりわけ `fugu-ultra` ではクライアント側のタイムアウトを延ばすよう案内しており、プロバイダー設定のストリーム無通信タイムアウトは `stream_idle_timeout_ms = 7200000`、すなわち2時間に取られています。上の例で `timeout` を1時間にしているのはそのためです。OpenAI SDKの既定値のままFuguに長時間タスクを投げると、モデルではなくクライアントが先に落ちます。

### codex-fuguでCodexのバックエンドをFuguに置き換える

[Codex](https://www.issoh.co.jp/tech/details/6968/)を使っているなら、公式リポジトリ（GitHub: SakanaAI/fugu）の1行インストールが最短経路です。

```
curl -fsSL https://sakana.ai/fugu/install | bash
codex-fugu
```

スクリプトはリポジトリを `~/.fugu` にクローンし、Codex本体のバージョンをピン留めしたうえでFugu用の設定を配置し、APIキーを保存します。`codex-fugu` の実体は `codex -p fugu` で、以降の引数はそのままCodexへ渡ります。対応OSはUbuntuとmacOS、Windowsは公式の手動手順に従います。CI環境なら `SAKANA_API_KEY=your_key bash ~/.fugu/scripts/install.sh --yes` で非対話インストールが通り、`--dry-run` で変更内容の事前確認、`--remove-config` で設定の巻き戻しができます。ランチャー側には `--status`（バージョンと更新状態の確認）、`--set-key`（キーのローテーション）、`--check`（設定更新の即時確認）、`--no-update`（更新チェックの抑止）があります。既存のCodexワークフローを一切変えずに、裏側だけをマルチエージェントに差し替えられる点が、この導線の価値です。

Claude Codeを使っている場合は、Codexとは別に公式のClaude Code向けインターフェースが2026年7月24日に用意されました。接続手順とモデル枠への割り当て設計は[Sakana FuguをClaude Codeで使う設定手順](https://www.issoh.co.jp/tech/details/15794/)で扱っています。

## 料金｜サブスク3段階と、見落とされがちな中間トークンの課金

料金体系は、定常利用ならサブスク、変動の大きい大規模用途なら従量課金の二本立てです。

### Standard 20ドル・Pro 100ドル・Max 200ドルと、7月末までの2か月目無料

サブスクは月額3段階で、いずれもFuguとFugu Ultraの両方を使えます。Standardは20ドルで軽量な日常利用、Proは100ドルでStandardの10倍の利用枠、Maxは200ドルで20倍の利用枠です。週に数回の集中作業ならPro、長時間の高負荷ワークロードならMaxが目安になります。恒常的な無料プランはありません。ただし**2026年7月末までに登録すると、加入したプランの2か月目が無料**になります。試すなら期限があるうちに、StandardかProから始めて使用量を見ながら上げると、支払いが先行しません。

### ブレンドレートは「単価」であって「総額」ではない

公式の一文が、しばしば逆の意味で読まれています。Sakana AIは従量課金について「モデル料金を積み上げることはない。関与した最上位モデルに基づく単一のレートで課金する」と述べています。プールにモデルA・B・Cが含まれても、3社ぶんの請求が合算されるわけではない——これは事実です。なおFugu（無印）の従量レートは、この規則どおり、実際に使われた下位モデルの標準レートが基準になります。しかし積み上がらないのは**単価**であって、**トークン量**ではありません。

Fuguを再販するOpenRouterは、この点を明示しています。同社のfugu-ultraページには「システムが消費したオーケストレーション用トークンは、通常の入力・出力トークンとして課金される」とあります。Sakana AI直販の記述はレートの話にとどまり、中間トークンの扱いを逐語では述べていませんが、単価が単一である以上、変動するのはトークン量の側です。Fuguが内部で委譲し、検証し、自己を再帰呼び出しするたびに中間トークンが生まれ、少なくともOpenRouter経由ではそれが実トークンとして課金される。難問ほど内部の手数が伸びるtest-time scalingは、そのまま請求額の増加を意味します。単体モデルに同じプロンプトを投げた場合と単価が同じでも、消費トークンが数倍になれば総額は数倍です。マルチエージェントを「安く高性能」と読むと、請求で裏切られます。いきなり本番ワークロードを流さず、リクエスト単位で報告されるトークン使用量とコストを見て、単体モデル比の実効コスト倍率を自分で測ってください。

### 272Kの境界と1Mコンテキスト

Fugu Ultra（`fugu-ultra-20260615`）の従量課金は、100万トークンあたり入力5ドル・出力30ドル・キャッシュ入力0.50ドル。コンテキストが**272Kトークンを超えると、10ドル・45ドル・1.00ドルへ倍近く上がります**。コンテキスト長は最大1Mまで扱えますが、272Kを跨いだ瞬間に単価が切り替わる以上、大量の資料をまとめて投げるか分割するかは、コスト設計上の分岐点になります。長大な入力を要する調査ほど、この境界を意識した分割の価値が上がります。

## ベンチマーク｜Fugu Ultraの到達点と、数値を鵜呑みにできない理由

Sakana AIの公表値では、Fugu UltraがOpus 4.8・Gemini 3.1 Pro・GPT 5.5を多くの指標で上回りました。主要11指標は次の通りです（いずれもSakana AIの報告値）。

| ベンチマーク                 | Fugu | Fugu Ultra | Opus 4.8 | Gemini 3.1 Pro | GPT 5.5 |
| ---------------------- | ---- | ---------- | -------- | -------------- | ------- |
| SWE-Bench Pro          | 59.0 | 73.7       | 69.2     | 54.2           | 58.6    |
| TerminalBench 2.1      | 80.2 | 82.1       | 74.6     | 70.3           | 78.2    |
| LiveCodeBench          | 92.9 | 93.2       | 87.8     | 88.5           | 85.3    |
| LiveCodeBench Pro      | 87.8 | 90.8       | 84.8     | 82.9           | 88.4    |
| Humanity’s Last Exam   | 47.2 | 50.0       | 49.8     | 44.4           | 41.4    |
| CharXiv Reasoning      | 85.1 | 86.6       | 84.2     | 83.3           | 84.1    |
| GPQA-Diamond           | 95.5 | 95.5       | 92.0     | 94.3           | 93.6    |
| SciCode                | 60.1 | 58.7       | 53.5     | 58.9           | 56.1    |
| τ³ Banking             | 21.7 | 20.6       | 20.6     | 8.4            | 20.6    |
| Long Context Reasoning | 74.7 | 73.3       | 67.7     | 72.7           | 74.3    |
| MRCRv2                 | 86.6 | 93.6       | 87.9     | 84.9           | 94.8    |

Fuguの2列はSakana AIの測定値（SWE-Bench Proはmini-swe-agentのスキャフォールドを使用）、Opus 4.8以降の3列は各モデル提供元の公表値です。全指標で首位ではありません。長文脈のMRCRv2はGPT 5.5の94.8がUltraの93.6を上回り、SciCodeではGemini 3.1 ProがUltraを上回ります。指揮者型が効くのは、エージェント的なコーディング（SWE-Bench Pro・TerminalBench）と科学推論（GPQA-Diamond）という読み方になります。

### 比較条件と、Fable 5・Mythos Previewをめぐる主張の射程

数値の出所は揃っていません。公式表の脚注どおり、Fugu以外のスコアは各モデル提供元の公表値、FuguのスコアはSakana AI自身の測定（SWE-Bench Proのスキャフォールドはmini-swe-agent）です。測定環境やスキャフォールドが統一されていない比較は、同条件の実測より不確実性が高くなります。さらに公式リポジトリは「これらは2026年6月時点の評価であり、新しいフロンティアモデルの登場に合わせてプールを更新しコーディネーターを再訓練し続ける」と述べています。**この表は時点値です。**実際に2026年7月24日、Sakana AIは内蔵するフロンティアモデルを入れ替えたFugu-Ultra v1.1を公開しました。アーキテクチャと料金は据え置きで、v1.0比の伸びは最大7.9ポイントと発表されています。更新の中身と移行の判断基準は[Fugu-Ultra v1.1の更新差分と移行判断](https://www.issoh.co.jp/tech/details/15864/)で整理しているため、この表はv1.0時点の値として読んでください。

Sakana AIはFugu UltraがAnthropicのFable 5やMythos Previewと肩を並べると表現しますが、この2モデルは一般提供されておらず、Fuguのプールにも含まれていません。「入手できない最上位モデルに、入手可能なモデルの協調だけで迫った」という主張であり、Fable 5を内部で使った結果ではない点は押さえてください。主要な独立ベンチマークによる第三者検証は、本記事執筆時点ではまだ公表されていません。自社のタスクで小さく試し、出力品質・レイテンシ・実効コストを自分で測ってから本採用するのが堅実です。

## 評価と適性｜早期利用者の報告と、採用すべきでない4つの条件

Sakana AIが公開した早期利用者のコメント（同社サイト掲載の第三者の声であり、当社の検証ではありません）では、あるソフトウェアエンジニアが、他ツールが約3件の指摘を出すコードレビューでFugu Ultraは20件以上の問題を洗い出したと述べています。企業の研究者からは、約20本の論文と複数の特許にまたがるパテントランドスケープの作成が、通常3〜4日のところ数時間で完了したという報告。セキュリティエンジニアからは、範囲を絞った一つの指示で、情報収集からXSS・SQLiの検査、認証まわりのレビューまでを一気通貫でこなし、指定スコープを逸脱せず、システムを壊す操作も避けたという報告が出ています。共通するのは、一発の回答ではなく**多段階の作業を最後までやり切る持久力**です。コードレビューの自動化を検討するなら、[Claude CodeのCode Review機能](https://www.issoh.co.jp/tech/details/11308/)のような既存手段と、自社のコードベースで指摘の量と質を突き合わせて選ぶのが実際的です。

### Fuguを採用すべきでない場面

向かない条件ははっきりしています。次のいずれかに当てはまるなら、単体モデルのAPIか自作のフレームワークを選んでください。

- **ミリ秒単位の応答が要るリアルタイム処理**：内部でエージェントを編成する以上、単体モデルより遅くなります。Fuguでも構造的に埋まりません。
- **どのモデルが判断したかの開示が必須の監査・規制業務**：ルーティングの内訳は独自技術として非公開です。説明責任の要件は満たせません。
- **単発で完結する単純なタスク**：オーケストレーションの利点が出ず、中間トークンのぶんコストとレイテンシだけが増えます。
- **EU・EEA域内での利用**：GDPR対応を進めている段階で、現時点ではサービス対象外です。

逆に採用が効くのは、長時間・多段階の業務に加えて、特定ベンダーへの依存を経営リスクとみなす組織です。Sakana AIは、規制の線引きや輸出管理、各国の外交政策が変われば、APIへのアクセスは一夜にして変わったり消えたりし得ると指摘し、背後のモデル群を入れ替え可能に設計しています。一社のAPI停止が業務停止に直結する重要インフラ・金融・行政では、この迂回能力は現実的なヘッジになります。

## LangGraphなど自作マルチエージェントとの分岐点

LangGraphやDify、Copilot Studioは、どのエージェントにどの役割を与えどう繋ぐかを開発者が設計します。自由度が高い代わりに、グラフ設計・プロンプト調整・モデル選定・検証ロジックを自分で抱えます。Fuguはその設計と運用ごと学習済みモデルに肩代わりさせる発想で、利用者は協調フローを書きません。

決め手はルーティングの主導権を誰が握るかです。再現性や監査のために「どのモデルがどの判断を下したか」を追跡したい現場では、Fuguの不透明さが制約になります。配線の正しさを保証する責任から解放されたい現場では、同じ性質が利点になります。透明性と手離れは交換関係にあり、どちらを優先するかで選択は割れる。設計の勘所は[シングルエージェントとマルチエージェントの違い](https://www.issoh.co.jp/tech/details/4261/)で整理した判断基準がそのまま使えます。なお、Codex側で役割分担を明示的に組みたいなら[Codexのサブエージェント機能](https://www.issoh.co.jp/tech/details/11463/)という対極の選択肢もあり、Fuguと排他ではありません。

## Sakana Fuguに関するよくある質問

### Sakana Fuguは無料で使えますか

恒常的な無料プランはありません。サブスクリプションは月額20ドルのStandardから始められ、ほかにPro（100ドル）、Max（200ドル）があり、いずれもFuguとFugu Ultraの両方を使えます。2026年7月末までに登録すると、加入したプランの2か月目が無料になります。高負荷・大規模用途にはトークン従量課金のプランもあります。

### Sakana Fuguがどの基盤モデルを使ったか確認できますか

確認できません。Fuguが各クエリでどのモデルを選び、どう連携させたかは独自技術として非公開です。確認できるのはリクエストごとのトークン使用量とコストまで。どのモデルが答えたかの開示が要件になる監査・規制業務では、この非公開性がそのまま採用の障害になります。

### 日本国内や海外からSakana Fuguを利用できますか

日本国内に加え、日本国外からも利用できます。ただしEU（欧州連合）およびEEA（欧州経済領域）の加盟国へは提供していません。公式はGDPRへの準拠を進めている段階だと説明しており、EU・EEA以外であれば日本国外からでも利用できるとしています。

### Sakana FuguとSakana Chatは何が違いますか

Sakana Chatは公式が別プロダクト（chat.sakana.ai）として提供する対話型のサービス、Sakana FuguはOpenAI互換APIから複数モデルを束ねて使うオーケストレーション基盤です。ブラウザ上の対話で完結させたいならChat、コードや調査など多段階のタスクを開発ワークフローへ組み込むならFugu、という役割分担になります。同社にはほかに、長時間の戦略調査に特化した自律型リサーチエージェントのSakana Marlinもあります。

### 入力したデータはモデルの学習に使われますか

使用データは性能改善に役立てられますが、コンソールの設定からいつでも学習データ利用をオプトアウトできます。機微なコードや未公開情報を扱うなら、最初のリクエストを投げる前にこの設定を確認してください。

## 関連記事

- [Claude Opus 4.8の基本概要と最上位モデルとしての位置づけ](https://www.issoh.co.jp/tech/details/12296/)：Fuguのベンチマーク比較でbaselineとなるOpus 4.8の性格を確認できます。
- [Gemini 3.1 Pro Previewとは？3 Proとの違い・ベンチマーク・料金・API使い方を解説](https://www.issoh.co.jp/tech/details/11393/)：同じく比較対象のGemini 3.1 Proの仕様と料金を押さえられます。
- [Sakana Marlinとは｜2026年6月開始の自律型リサーチAIを実務目線で解説](https://www.issoh.co.jp/tech/details/12543/)：同じ多モデル協調の思想を土台にした、Sakana AIの自律型リサーチエージェントです。
- [Sakana Translateとは？Namazuで敬語・固有名詞に強い日英中翻訳を実装視点で解説](https://www.issoh.co.jp/tech/details/13180/)：Sakana AIの翻訳エンジンNamazuと3モードを実装視点で解説しています。
- [Fugu-Cyberとは？Sakana AIセキュリティ特化モデルの性能・料金・制約を解説](https://www.issoh.co.jp/tech/details/15764/)：Fugu系に追加されたサイバー防御特化エンドポイントの単価と申請条件を整理しています。

---

出典: [Sakana Fugu（サカナ・フグ）とは｜使い方・料金・Fugu Ultraの性能をAPI実装目線で解説](<https://www.issoh.co.jp/tech/details/12681/>)（株式会社一創）