6月22日、MarkTechPostが「Sakana AI Launches Sakana Fugu: An Orchestration Model That Routes Tasks Across a Swappable Pool of Frontier LLMs」と題した記事を公開した。この記事では、Sakana AIが複数のフロンティアLLMをオーケストレーションするモデル「Sakana Fugu」を公開したことについて詳しく紹介されている。
ベンチマーク：オーケストレーターが個々のモデルを上回る
まず注目すべき点として、Sakana AIが公開したベンチマーク結果では、Fuguシリーズが11項目中10項目でトップスコアを記録している。比較対象にはFugu自身がオーケストレーションに使用しているモデル（OpusやGeminiなど）が含まれており、オーケストレーターが調整している個々のモデルを上回っている点が設計の肝だ。
以下は元記事に記載されたモデルバージョンによる比較表である（Opus 4.8、Gemini 3.1 Pro、GPT 5.5はいずれも元記事記載のバージョン表記をそのまま使用している）。
| 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 |
| GPQA-D | 95.5 | 95.5 | 92.0 | 94.3 | 93.6 |
| Humanity's Last Exam | 47.2 | 50.0 | 49.8 | 44.4 | 41.4 |
| MRCRv2 | 86.6 | 93.6 | 87.9 | 84.9 | 94.8 |
GPT 5.5がMRCRv2で唯一の首位を取った以外は、FuguかFugu Ultraがすべての項目を制している。
「1つのエンドポイント」の裏で複数のLLMをバックエンド処理する
Sakana AIが公開したSakana Fuguは、言語モデルそのものがオーケストレーター（指揮者）として機能するシステムだ。ユーザーはOpenAI互換APIの単一エンドポイントにリクエストを送るだけでよく、内部で何が起きているかを意識する必要はない。モデルの選択・委譲・統合はすべてFuguのバックエンドで完結しており、エンドユーザーが直接どのLLMを使うかを選ぶわけではない。
Fuguはタスクの複雑さに応じて判断を下す。単純な要求なら自分で直接処理し、難しい問題なら専門モデルのチームを編成して協調させ、結果を統合して返す。マルチエージェント構成の複雑さはコードに一切露出しない。
この仕組みの核心は、FuguがLLMを呼び出す方法を「学習した」モデルである点だ。エージェントプールには自分自身のインスタンスも再帰的に含まれる。モデル選択、委譲、検証、統合はすべてFugu内部で完結する。
2つのバリアント：FuguとFugu Ultra
Fuguは2種類のモデルとして提供される。
- Fugu：レイテンシを抑えつつ高い性能を維持する汎用向け。日常的なコーディング、コードレビュー、チャットボット用途を想定。エージェントプールから特定のモデルをオプトアウトできるため、データ・プライバシー・コンプライアンス要件への対応が可能。
- Fugu Ultra：複雑な多段階タスクに対して最高品質の回答を出すことに特化。より深いエージェントプールを使用するが、プールは固定されておりオプトアウトは不可。モデルIDは
fugu-ultra-20260615。
オプトアウト機能は、特定ベンダーへの依存リスクを分散する設計思想とセットになっている。Sakana AIはAnthropicのFableおよびMythosモデルへのアクセス制限（輸出規制）を念頭に置いてこの設計を採用したと明示している。プールは新しいモデルが公開されれば随時追加できる構造だ。
研究的背景：ICLR 2026の2本の論文から
Fuguの設計はICLR 2026で発表された2本の論文に基づいている。
- Trinity：軽量な進化的コーディネーターを使い、Thinker・Worker・Verifierという役割を動的に割り当てる。
- Conductor：強化学習でトレーニングされ、自然言語による協調戦略とプロンプト最適化を自律的に発見する。
いずれも「エージェントの役割と連携手順を手動で設計する」アプローチを捨て、システムが自ら学習して最適な構成を見つける方向を採っている。
APIの使い方：既存のOpenAIクライアントがそのまま使える
OpenAI互換APIのため、SDKの移行は不要だ。base_urlを差し替えるだけで既存クライアントが動く。
from openai import OpenAI
client = OpenAI(
base_url="https://<your-fugu-endpoint>/v1", # console.sakana.ai から取得
api_key="YOUR_SAKANA_API_KEY",
)
resp = client.chat.completions.create(
model="fugu-ultra-20260615",
messages=[
{"role": "user",
"content": "Reproduce the method in this paper and report the gap."},
],
)
print(resp.choices[0].message.content)
トークン使用量とコストはリクエスト単位でレポートされ、リアルタイムで支出を把握できる。
ベータ版での実証例
約500名のアーリーユーザーによるベータ期間中に公開された具体的な利用例を以下に示す。
- AutoResearch：H100 GPU 1枚で約14時間・123回の実験を自律実行。小規模GPTのトレーニングレシピを改善し、Fugu Ultraが最良バリデーションBPB 0.9774 を達成。
- ルービックキューブ：ライブラリ不使用の純Pythonソルバーを各モデルが実装。Fugu Ultraは300問すべてを解き、平均 19.72手。他の2つのベースラインはクラッシュして1問も解けなかった。
- 古典日本語かな読み順：1610文字の文書でFugu UltraがNED 0.80。最も近いベースラインは 0.24 にとどまった。
- オンライン取引：50週のウィンドウで5回の試行平均リターン **+19.43%**。他のフロンティアモデルはいずれも +15% 未満。ただしSakana AI自身が「過去のパフォーマンスは将来の結果を保証しない」と明記している。
コミュニティの反応：懐疑的な声が多数
X（旧Twitter）とHacker Newsでの初期反応（元記事が取り上げた2026年6月22日時点の反応）では、懐疑的・批判的な声が多数を占め、肯定的な評価は少数という傾向が元記事に報告されている。
「これはルーターやラッパーに過ぎないのか？」という疑問が議論の中心を占めている。肯定的な投稿のうち2件はSakana AIまたはそのCEOによるものであり、独立した評価者からの支持はまだ限られている。
ルーティングのロジックは非公開のため、クエリごとにどのモデルが選択されているかは外部から確認できない。この透明性の欠如も懐疑論の一因になっている。
詳細はSakana AI Launches Sakana Fugu: An Orchestration Model That Routes Tasks Across a Swappable Pool of Frontier LLMsを参照していただきたい。
