Sakana AIのFuguが注目されています。公式ページでは、Fuguは複数の専門モデルを動的に組み合わせ、1つのAPIとして使えるマルチエージェント型のシステムとして説明されています。
ここで大事なのは、「国産AIが海外AIに勝ったか」という見出しだけで判断しないことです。Fuguは単一の巨大モデルというより、モデル選択、役割分担、検証、合成を行うオーケストレーションの仕組みです。中小企業が見るべきなのは、ベンチマークの順位そのものよりも、自社業務に入れたときに何が見え、何が見えにくくなるかです。
「すごいベンチマーク」を見る前に、仕組みを分けて考える
Sakana Fuguの公式情報では、通常のFuguと高性能寄りのFugu Ultraが用意され、どちらもOpenAI互換APIから利用できるとされています。Fuguは日常的な作業と低遅延のバランス、Fugu Ultraは難しい複数ステップの問題で品質を最大化する位置づけです。
ベンチマーク表を見ると、Fugu UltraはSWE Bench Proで73.7、TerminalBench 2.1で82.1、LiveCodeBenchで93.2、GPQA-Diamondで95.5といった高い値が示されています。公式ページではOpus 4.8、Gemini 3.1、GPT-5.5などとの比較も掲載されています。
ただし、ここで読み違えてはいけません。これは「同じ条件で第三者がすべて再測定した表」ではなく、公式ページ上でもベースラインにはプロバイダー報告値を含む形で説明されています。つまり、導入判断では「数字が高いから採用」ではなく、「どのタスクで、どの条件で、どこまで再現できるか」を確認する必要があります。
特にFuguのような仕組みは、単一モデルの能力比較とは別物です。1人の専門家を比べるのではなく、複数人のチームがどれだけよく連携できるかを見る話に近い。だからこそ、業務側も「誰が最終確認をするか」「途中の判断を追えるか」「失敗時にどこへ戻すか」をセットで設計する必要があります。
中小企業が見るべき三つの確認点
第一に、データ経路です。Fuguは複数のモデルやエージェントを組み合わせるため、企業側は「どのプロバイダーやモデルが使われる可能性があるか」を確認する必要があります。Sakana Fuguの公式説明では、データ、プライバシー、コンプライアンス、組織要件に応じて、特定のプロバイダーやモデルを除外できるとされています。
これは便利な機能ですが、「除外できる」と「初期設定で自社ルールに合っている」は別です。顧客名、契約情報、従業員情報、未公開の見積、技術資料を入れる場合は、利用前に除外設定、ログ、保存期間、社内承認ルールを確認します。
第二に、説明責任です。マルチエージェント型AIは、ユーザーから見ると1つの画面や1つのAPIに見えます。しかし裏側では、複数のモデル、ツール、検証処理が動くことがあります。社内で使うなら「最終回答」だけでなく、どの入力から、どの根拠で、誰が承認して業務に反映したかを残せる状態にしておくべきです。
第三に、適用範囲です。高性能なAIほど、何でも任せたくなります。しかし中小企業では、いきなり顧客対応や契約判断の最終工程に入れるより、社内調査、コードレビュー補助、資料の論点整理、提案前の抜け漏れ確認のように、人間が結果を読み返せる業務から始めた方が安全です。
価格は「単価」ではなく、裏側の仕事量で見る
Sakana Fuguの価格ページでは、Fuguの従量課金について、1つのエージェントで処理される場合は該当する基盤モデルの標準レート、複数エージェントが動く場合もモデル料金を積み上げず、関与した最上位モデルに基づく単一レートで課金すると説明されています。
一方、Fugu Ultraはfugu-ultra-20260615について、100万トークンあたり入力5ドル、出力30ドル、長いコンテキストでは入力10ドル、出力45ドルという固定価格が掲載されています。サブスクリプションではStandardが月20ドル、Proが月100ドル、Maxが月200ドルです。
ここで見落としやすいのは、マルチエージェント型では「最終回答のトークン」だけが仕事量ではないことです。価格ページでは、オーケストレーションに使われる入力・出力トークンも実際の利用量として返され、最終価格に含まれると説明されています。
つまり、比較するべきなのは表面的な月額や出力単価だけではありません。1タスクあたり何回考え、何回検証し、どのくらいのログが残り、どの業務で人間の確認時間を減らせるかです。高いAIが悪いのではなく、仕事量に見合う業務へ使っているかが重要です。
Optiensなら、こう導入判断に落とし込む
Optiensでは、AIサービスを選ぶ前に、まず業務を次のように分けて考えます。
1. 外部AIに渡してよい公開情報
2. 社内だけで扱う業務情報
3. 顧客・契約・従業員に関わる慎重情報
4. AIに渡さない情報そのうえで、AIに任せる作業を「作成」「調査」「比較」「確認」「最終判断」に分解します。Fuguのようなマルチエージェント型AIが強いのは、調査、比較、検証、コードレビュー、長い資料の論点整理のような複数ステップの作業です。逆に、社外に出す最終判断、契約条件の確定、顧客への個別回答は、人間の承認を残す設計が必要です。
AI導入を検討している場合は、まずAI活用診断簡易版（無料）で、現在の業務のどこがAI化しやすいかを整理してください。具体的な導入順序や対象業務を絞り込む段階では、スポット相談チケットで次の進め方を確認できます。
まとめ
Sakana AIのFuguは、AIの競争が「単体モデルの性能」から「複数モデルをどう使いこなすか」へ広がっていることを示す分かりやすい例です。
ただし、中小企業がそのまま見るべきなのは、ベンチマークの勝ち負けだけではありません。確認すべきなのは、データ経路、除外設定、ログ、費用、適用範囲、そして最終判断を誰が持つかです。
強いAIを選ぶ前に、任せてよい仕事と任せない仕事を分ける。その順番を守るだけで、AI導入はかなり現実的になります。