何が発表されたか
Sakana AIが、複数のLLMを内部で使い分ける「Fugu」を公開しました。Fugu自身が言語モデルとして動作し、交換可能なエージェントプールから他のLLMを呼び出し、選択・委譲・検証・統合までを内部で完結します。利用側からはOpenAI互換の単一APIに見えるため、既存実装との接続コストは低く抑えられる設計です。
低レイテンシ重視でコーディング・コードレビュー・チャットボット向けの「Fugu」と、複雑な多段タスク向けの「Fugu Ultra」の2種が同時投入されました。プライバシーやコンプライアンス上の理由から特定エージェントを除外する設定も可能です。
ベンチマークと立ち位置
公開ベンチマークでは、Fugu UltraがLiveCodeBench Proで90.8、GPQA-Dで95.5、Humanity’s Last Examで50.0など、Opus 4.8、Gemini 3.1 Pro、GPT 5.5を多くの指標で上回ったとされます。比較対象であるAnthropicのFable 5・Mythosはエージェントプールに含まれていません——一般公開されていないためで、ベンチマーク値はモデル提供元の公表数値を用いたと説明されています。
約500名のベータユーザーによる検証では、自動データリサーチ、セキュリティ分析、コードレビューなど長く煩雑なワークフローで効果が顕著でした。「他ツールが約3件しか指摘しない箇所で、Fuguは20件以上を検出した」との報告も紹介されています。
なぜ「オーケストレーター」なのか
背景には、Sakana AIがICLR 2026で発表する「Trinity」「Conductor」という学習型オーケストレーションの研究があります。同社は群知能・進化・集団的知性を計算系に応用する路線を掲げており、過去にはコーディング競技で人間1,000人中21位に入った「ALE-Agent」も生み出しています。共同創業者のLlion Jonesは2017年の「Attention Is All You Need」共著者で、Transformerの源流に連なる人物です。
なお、オーケストレーションに伴うトークン消費とコストの実態は今回の発表では明示されておらず、運用判断における未解決論点として残ります。
💼 事業会社視点：これは自社にどう効くか
日本の事業会社にとっての意味
注目すべきは性能順位ではなく「単一ベンダー依存というリスク」を商品化した点です。Sakana AIは、AnthropicのFable・Mythosに対する輸出規制を、API依存が地政学リスクに直結する具体例として明示しています。日本のSaaS、金融、製造業の基幹SI・受託開発にとって、米中の輸出規制やプロバイダ側のポリシー変更で主力モデルが突然使えなくなる事態は、もはや想定外ではありません。
経営者・事業責任者が今すぐ点検すべきは三点です。第一に、自社プロダクトの中核機能が特定モデルのプロンプトや関数仕様に密結合していないか。第二に、コンプライアンス上「除外したいモデル」をルーティングから外す制御権限が契約上担保されているか。第三に、Fuguのようなオーケストレーション層を挟む場合、トークン消費が読めない以上、PoCでは必ずユニットコスト換算で再見積もりすること。特に受託開発各社は、顧客提案にマルチモデル前提のSLA・調達条件を組み込めるかが、来年度以降の差別化軸になります。