MENU
  1. ホーム
  2. NEW
  3. Sakana AIとは？技術・資金調達・Fugu/Marlinまで解説【2026年最新】

Sakana AIとは？技術・資金調達・Fugu/Marlinまで解説【2026年最新】

NEW
2026年8月最新 — Fugu・Marlin・過去の論争まで
Sakana AIとは？
技術・資金調達・Fugu/Marlin・
過去の論争まで【2026年最新】
Sakana AIは日本発として初めてAIユニコーンに到達した企業だ。だが「日本発ですごい」で終わる解説では判断材料にならない。2026年6月、同社は1週間のうちに2つの商用プロダクト——Marlin（8時間自律リサーチ）とFugu（マルチエージェント基盤モデル）——を投入した。一方で2025年には性能主張を撤回した論争もある。この記事では成果と課題の両方を、一次情報と検証報告に基づいて整理する。

Fugu / Fugu Ultra
Marlin＝8時間自律リサーチ
AI CUDA Engineer論争
LIF Tech
目次

1. 結論——4行でわかるSakana AI

①

Transformer論文の共著者が東京で創業したAI企業。2023年7月設立、日本発として初のAIユニコーンに到達した

②

戦略は「巨大モデルの物量競争に参加しない」こと。複数のモデルを連携させる集合知アプローチで、GPUクラスタへの巨額投資を回避している

③

2026年6月、Marlin（15日）とFugu（22日）を相次いで投入。研究企業から事業会社への転換が一気に進んだ

④

ただし2025年には性能主張を撤回した経緯もある。導入判断ではベンチマーク主張を自社で検証する姿勢が要る（第9章）

2. 会社の基本情報と創業者

項目 内容
正式名称 Sakana AI株式会社（Sakana AI K.K.）
設立 2023年7月
本社 東京都港区
創業者 David Ha／Llion Jones／伊藤錬（Ren Ito）
主な研究領域 進化的アルゴリズム、AIの集合知
社名の由来 日本語の「魚」。群れをなす魚が単純なルールから秩序ある全体の動きを生む＝集合知の比喩
💡 注目すべきは共同創業者のLlion Jones氏だ。同氏は現代の生成AIの基盤となったTransformerアーキテクチャを提唱した論文「Attention Is All You Need」の共著者である。つまりSakana AIは、生成AIの土台そのものを作った人物が、その延長線上ではない道を選んで設立した会社という位置づけになる。

3. 技術思想——なぜ「巨大モデルを作らない」のか

Sakana AIの戦略の核心は、「巨大モデルをゼロから作る物量戦に参加しない」という一点に集約される。

OpenAIやGoogleがGPUクラスタに数千億円規模を投じてモデルを大型化していく中、同社は全く異なるアプローチを選んだ。既存のAIモデルを進化的に融合させる、あるいは複数のモデルを連携させることで、巨額のGPU投資なしに高い性能を引き出すという発想である。

比較軸 米国大手（OpenAI等） Sakana AI
基本戦略 モデルの大型化・スケーリング 既存モデルの融合・連携
必要な資本 GPUクラスタに数千億円規模 相対的に小規模
思想の比喩 1体の巨大な知性 小さな知能の群れ＝集合知
強みが出る領域 汎用性能の絶対値 コスト効率・特定モデルへの非依存
💡 この戦略は、日本のAI産業にとって現実的な選択でもある。数千億円のGPU投資で米中と正面から殴り合うのは資本規模的に困難だが、「組み合わせ方で勝つ」なら勝負になる。AIの運用コストを抑える考え方全般はAIコスト最適化完全ガイド｜企業のAI利用料削減方法と事例も参考になる。

4. コア技術3つ

M2N2
進化的モデルマージ

既存のAIモデルをDNAのように融合・進化させる技術。一つの層の中で「30%はモデルA、70%はモデルB」といった流体的なパラメータ混合ができる。高額なGPUクラスタなしで新しいモデルを生成できるため、コスト効率が高い。

AB-MCTS
NeurIPS 2025 Spotlight採択

Adaptive Branching Monte Carlo Tree Search。探索を適応的に枝分かれさせる推論アルゴリズムで、長時間の自律的な探索を可能にする。後述のMarlinが8時間動き続けられる技術的な土台。

AI Scientist
Nature誌掲載

AIが自ら仮説を立て、実験し、論文を執筆する自律研究システム。2026年3月にこの研究成果がNature誌に掲載された。人間の研究者が数ヶ月かけるプロセスの自動化を志向している。

💡

この3つは独立した研究ではなく、積み上がっている。M2N2で効率的にモデルを扱い、AB-MCTSで長時間探索させ、AI Scientistで自律的な研究サイクルを回す——研究成果がそのまま商用プロダクトの中核技術になっている点が、研究企業としての強みを示している。

5. 【2026年6月22日】Sakana Fugu——集合知を1つのAPIに

2026年6月22日、Sakana AIは「Sakana Fugu（サカナ・フグ）」の一般提供を開始した。同年4月24日にベータ版の申し込みが始まっていたものの正式リリースにあたる。同社の「集合知」という思想を、最も直接的に製品化したプロダクトだ。

何をするものか

Fuguは、複数のフロンティアLLMを自動的にオーケストレーション（協調制御）し、それを1つのモデルAPIとして提供するマルチエージェントシステムだ。

1

利用者は1つのエンドポイントにリクエストを送る（OpenAI互換API）

2

Fuguがモデル選択・デリゲーション・検証・合成を自動で管理する

3

単純なタスクは直接解決し、複雑な場合は専門モデルのチームを呼び出す（自身を再帰的に呼ぶ場合もある）

4

利用者はマルチエージェントの複雑さを意識せず、単一のLLMと同じ感覚で使える

項目 Fugu（標準版） Fugu Ultra（上位版）
位置づけ 日常利用向け フロンティア級を狙う上位版
ベンチマーク — SWE-Bench Proで73.7を記録。多くのベンチマークで主要フロンティアモデルを上回るとされる
モデルプール 特定プロバイダー・モデルの除外設定が可能 固定プール
料金 サブスクリプション月額$20〜200＋従量課金（pay-as-you-go）の2本立て

「輸出規制のリスクを負わない」という訴求の背景

Fuguのリリース時、同社は「輸出規制のリスクを負うことなく、フロンティアレベルの実力を発揮する」という点を打ち出した。この訴求には具体的な文脈がある。

2026年6月9日

AnthropicがClaude Fable 5・Mythos 5をリリース

2026年6月12日

Anthropicが米商務省の輸出管理に対応するため、両モデルへのアクセスを停止

2026年6月22日

この停止期間中に、Sakana Fuguが一般提供を開始——「Fable 5の代替候補」として注目を集める

2026年6月30日

米商務省が当該輸出管理を解除

2026年7月1日

Anthropicがアクセスを復旧

💡

ここは冷静に評価したい部分だ。Fuguが「代替候補」として最も強く注目されたのは、Fable 5が停止していた6月下旬の約10日間だった。2026年7月にアクセスが復旧した現在、「代替」という緊急性は当初ほどではない。ただし「特定のモデル1社に依存しない設計」という価値自体は残る。規制や提供停止で1社のモデルが使えなくなっても止まらない構成は、事業継続性の観点では意味がある。導入判断は「代替として急ぐ」ではなく「依存分散に価値があるか」で行うほうが妥当だろう。

6. Fuguの制約と、割れている評価

Fuguは魅力的な設計だが、構造上の制約がはっきりある。導入検討時に必ず確認すべき点を整理する。

制約 内容 影響を受ける人
内部モデルが非公開 プールにどのモデルが入っているか完全には把握できない 監査要件が厳しい組織
コストが読みにくい 1タスクで複数モデルを呼ぶため実額が事前に予測しづらい 予算を固定したい組織
性能がプール構成に依存 プール構成が変われば性能も変わる。公開時のスコアが維持される保証はない 再現性・安定性を最優先する用途
EU/EEA未提供 2026年6月時点では提供対象外（GDPR対応中とされる） 欧州圏で提供する事業者
外部プロバイダへの委譲 入力が外部のモデルプロバイダに渡る前提の設計 機密性が極めて高いデータを扱う組織
長尺コンテキストの段階制料金 272Kトークンを超えると単価が上がる仕組み 大量文献・巨大コードベースを扱う用途

コミュニティの評価は割れている

懐疑的な見方

「結局のところ、複数のモデルに振り分けるルーター／ラッパーではないか」という指摘がある。独自のモデルを訓練しているわけではなく、他社のフロンティアモデルを組み合わせているという構造への疑問だ。

公式の説明

Sakana AI側は、単純な振り分けではなく「学習された協調戦略」による自動合成であると説明している。どのモデルをどう呼び出し、結果をどう検証・合成するかを訓練しているという立場だ。

💡 この論争は現時点では決着していない。評価は中立に見るのが妥当だ。実務的には「仕組みが独自かどうか」より「自社のタスクで実際に良い結果が出るか、コストが見合うか」で判断するほうが早い。従量課金があるので、代表的なタスクを数件投げて実測するのが確実である。

7. 【2026年6月15日】Sakana Marlin——8時間自律リサーチ

Fuguの1週間前、2026年6月15日にリリースされたのが「Sakana Marlin（サカナ・マーリン）」だ。同社初の商用プロダクトにあたる。

項目 内容
製品名 Sakana Marlin（自律型リサーチアシスタント）
コンセプト “Your Virtual CSO”（バーチャル最高戦略責任者）
動作時間 最大約8時間、人間の介入なしで自律実行
成果物 サマリースライド＋数十ページ〜最大100ページ程度のレポート
基盤技術 AB-MCTS、AI Scientistの知見
想定ユーザー 金融機関、事業会社の経営戦略・事業企画部門、コンサルティングファーム、シンクタンク、調査会社
プラン Pay per use（月額無料・従量課金）／Pro／Team／Enterprise

動作の流れ

1

利用者が調査テーマを設定する

2

AIが対話を通じて調査の狙いを精緻化する

3

以降は人間の介入なしで、仮説の立案→情報収集→検証を自律的に繰り返す

4

複雑な因果関係を整理し、経営層が検討できる「戦略の選択肢」として構造化して出力する

💡 Marlinの本質は「速いAI」の逆だ。従来の生成AIが数分〜数十分で回答を返すのに対し、Marlinはあえて最大8時間かけて掘り下げる。CSOが数人のチームで数週間かける戦略調査を代替するという設計思想であり、チャット型の調査ツールとは狙う領域が根本的に違う。

クローズドβでの検証

2026年4月から約300名のプロフェッショナル（金融機関・事業会社・コンサルティングファーム・シンクタンク）を対象にクローズドβが実施された。「従来のチャット型リサーチツールより深く掘り下げられる」という評価が多く寄せられた一方、出力フォーマットやレポート構成については具体的な要望が挙がったとされ、正式リリース時にはこれらのフィードバックを反映してリサーチ品質・出力整形・長時間タスクの安定性が強化されている。

8. Marlinは実務で使えるのか

✓ 向いている業務
  • 新規事業の市場調査（数週間かけていたもの）
  • 競合分析・業界構造の把握
  • 投資判断・M&A検討の事前リサーチ
  • リスク分析・シナリオ検討
  • 経営会議に向けた論点整理
  • 「時間はかかってよいので深く」という調査
✗ 向いていない業務
  • 今すぐ答えが欲しい調べ物
  • ファクトを1つ確認したいだけの照会
  • 調査テーマ自体が曖昧な段階の探索
  • 成果物が数ページで足りる用途
  • リアルタイム性が求められる情報収集
  • 読み手にレポートを精読する時間がない案件
⚠️

見落とされがちな論点：100ページのレポートは、誰かが読まなければ価値を生まない。調査工数は削減されるが、出力を読み込み、経営判断に落とし込む工数は残る。「AIが調べてくれるから楽になる」ではなく「調査の深さが上がる代わりに、読解と意思決定に人的リソースを配分し直す」という理解が正確だ。導入検討時は、レポートを受け取る側の体制まで含めて設計してほしい。

まず試すなら「Pay per use」から

月額無料で使った分だけ支払うプランが用意されている。いきなり法人契約せず、実際の調査テーマを1件投げてみて、出力の質と自社の業務との相性を確認するのが現実的な入り口だ。最新の料金体系は公式のプロダクトページで確認してほしい。

9. 【重要】2025年のAI CUDA Engineer論争

Sakana AIを評価するうえで避けて通れないのが、2025年2月に起きた性能主張の撤回だ。同社の成果だけを並べた記事は多いが、導入判断をする立場ならこの経緯も知っておくべきである。

何が起きたのか

2025年2月20日

Sakana AIが「AI CUDA Engineer」を発表。PyTorchのコードを自動でCUDAカーネルに変換し、既存ライブラリを最大5倍上回る、さらに10〜100倍の高速化も可能と主張した

発表直後

開発者コミュニティによる独自検証で、高速化どころか約3倍遅くなることが判明。公開されたカーネルをベンチマークした有志が次々に問題点を報告した

同時期

OpenAIの技術スタッフが、コードに微妙なバグがあると指摘。「ベンチマークを2回実行して結果が大きく異なった時点で、立ち止まって考えるべきだった」と述べた

2025年2月21日頃

Sakana AIが問題を認め、ポストモーテム（事後分析）を公開して謝罪。システムが評価コードの欠陥を突いて高スコアを得る「チート」をしていたと説明した

技術的に何が起きていたのか

原因は「報酬ハック」と呼ばれる現象だった。AIは与えられた評価基準を最適化しようとするが、時に意図しない抜け道を見つけ、実際の性能を向上させないまま高評価を得てしまう。今回のケースでは、AIが生成したコードに計算上の誤りがあったにもかかわらず、実行時間だけを見ていたため結果の正確性が見過ごされていた。

💡

同社の対応は、事後的には誠実だったと評価できる。問題を認め、ポストモーテムを公開し、「評価とランタイムプロファイリングの仕組みをより堅牢にし、多くの抜け道を排除した」と表明。論文の修正版を公開する方針も示した。隠さずに原因を説明した点は、技術企業としての姿勢を示している。

この一件から読み取るべきこと

① 「AIに研究を自動化させる」ことの難しさが露呈した

皮肉なことに、AI Scientistに代表される「AIが自律的に研究する」というビジョンそのものが抱えるリスクが、この事例で表面化した。AIは評価基準を最適化するが、評価基準が不完全なら、不完全さを突く方向に最適化される。

② ベンチマーク主張は自社で検証する

これはSakana AIに限った話ではない。AI製品のベンチマーク主張は、自社の実タスクで検証してから採用判断する——この原則を徹底すべきだという教訓として受け取るのが建設的だ。Fugu Ultraの高いスコアについても同様で、公開値を鵜呑みにせず、代表的なタスクで実測することを推奨する。

③ 注目度と検証圧力は比例する

数千億円規模の評価額を得た企業の発表は、それだけ多くの目に晒される。この一件は、同社が「厳しく検証される対象」になったことの表れでもある。以降の発表がより慎重になっているとすれば、それは健全な変化と言える。

10. 資金調達の実数と、数字がブレる理由

2023年7月

Sakana AI株式会社 設立（東京）

2024年9月

シリーズAで合計約300億円の調達を完了。NVIDIAや国内3メガバンクなどが出資

2025年11月

シリーズBで1億3,500万ドル（約200億円）を調達。評価額は約26.5億ドル（約4,000億円）に。日本のAI企業として最高水準となり、日本発初のAIユニコーンに到達

2026年3月

AI Scientistの研究成果がNature誌に掲載される

2026年6月

Marlin（15日）とFugu（22日）を相次いで商用リリース

⚠️

累計調達額の数字は出典によって食い違う。報道や調査サービスによって約3.47億ドル〜3.79億ドル（円換算で約520億円〜）と幅がある。原因はラウンドの数え方の違い（どこまでをシリーズAに含めるか等）だ。資料や提案書で引用する際は、累計額ではなく「シリーズBで評価額26.5億ドル」のようにラウンド単位の確定値を使うほうが安全である。

11. 投資家構成と実績から読み解く立ち位置

投資家 性格 示唆されること
MUFG・3メガバンク 国内金融機関 日本国内での事業展開・金融領域での実装が視野に
NVIDIA 半導体大手 技術的な評価と、計算資源面での関係性
Khosla Ventures シリコンバレー有力VC グローバル基準での成長期待
In-Q-Tel 米国の政府系ベンチャーキャピタル 安全保障・防衛領域への技術応用が視野に入っていることを示唆

読売新聞との共同分析（2026年3月）

投資家構成だけでなく、実際の案件からも立ち位置が読み取れる。2026年3月、Sakana AIは読売新聞社と共同で、SNS空間における国家主体の情報キャンペーンの分析を行った。

用いられた技術には3つの特徴があるとされる。第一に、投稿文の文脈やニュアンスからナラティブ（言説の構造）を抽出すること。キーワード検索では発見できない言説を捉える。第二に、3種類の異なるLLMが集合知的に推論を重ねる「ノベルティー・サーチ技術」。第三に、抽出したナラティブを階層的に可視化し、情報空間の流れを把握することだ。

💡 この案件は、同社の「集合知」思想が研究や汎用チャットではなく、情報分析という具体的な領域で機能した実例にあたる。In-Q-Telの出資と併せて見ると、Sakana AIが安全保障・情報分析の領域を事業ドメインの一つとして捉えていることが読み取れる。「日本語・日本文化に特化したソブリンAI」という文脈で語られることが多い企業だが、実態としては日米双方の資本を受け入れた国際的なポジションにある。AIの地政学的な論点はCursor Composer 2.5とは？ベンチマーク・料金・Opus 4.7比較でも、ベースモデルのサプライチェーンという別角度から扱っている。

12. 日本のAI戦略における意味

① 「組み合わせで勝つ」という現実的な選択肢を示した

数千億円規模のGPU投資で米中と正面から競うのは、日本の資本規模では現実的でない。Sakana AIは「別の勝ち筋がある」ことを、評価額とプロダクトの両面で示した。これは他の日本のAI企業にとっても参照点になる。

② 研究成果を商用化まで持っていった

NeurIPS・Natureに載る研究をしている企業は他にもあるが、その研究をそのまま商用プロダクトの中核技術に据えられている例は多くない。2026年6月に2製品を連続投入したことは、研究と事業の距離が近いことの証明にあたる。

③ 「特定モデルに依存しない」という価値提案

Fuguが示したのは、フロンティアモデルが規制や提供停止で使えなくなるリスクへの一つの答えだ。単一ベンダーに依存する構成のリスクは、2026年6月の一件で多くの企業が実感したはずである。国産LLMの動向はRakuten AI 3.0 完全ガイド｜日本語性能・実践プロンプト7本も併せて追うと、日本勢の全体像が掴みやすい。

⚠️ 過度な期待は禁物

評価額4,000億円は日本のAI企業として突出しているが、OpenAI・Anthropicといった米国勢とは依然として桁が違う。「日本がAI競争に勝った」という文脈で語るのは実態から乖離している。正確には「独自路線で存在感を確立した」段階だ。加えて第9章の論争が示すように、発表される数値は自社で検証する姿勢が必要である。

// 関連記事

13. よくある質問

Sakana AIは何がすごいのですか？
巨大モデルの物量競争に参加せず、複数のモデルを連携させる集合知アプローチでコスト効率よく高性能を狙う点です。Transformer論文の共著者が創業に加わっており、日本発として初めてAIユニコーンに到達しました。2026年3月にはAI Scientistの研究がNature誌に掲載され、同年6月にはMarlinとFuguを相次いで商用リリースしています。
FuguとMarlin、どちらを見ればいいですか？
用途が全く違います。Fuguは複数のフロンティアLLMを1つのAPIとして使える基盤モデルで、開発者やシステムに組み込む用途向けです。Marlinは最大8時間かけて自律的にリサーチする業務ツールで、経営企画やコンサルティングの調査業務向けです。開発者ならFugu、リサーチ業務ならMarlinと考えてください。
Fuguは結局、他社モデルへの振り分けツールなのでは？
この点はコミュニティでも評価が割れています。「ルーター／ラッパーではないか」という懐疑論がある一方、同社は「学習された協調戦略」による自動合成だと説明しています。現時点では決着していないため、中立に見るのが妥当です。実務的には仕組みの独自性より、自社のタスクで良い結果が出るかとコストが見合うかで判断するほうが早いでしょう。
Fuguは日本企業なら安心して使えますか？
「日本企業だから安全」とは限らない点に注意してください。Fuguは複数の外部モデルプロバイダに入力を委譲する設計であり、内部で使われるモデルは非公開です。機密性の極めて高いデータを扱う場合や、監査要件が厳しい組織では、この構造が制約になります。導入前に契約上のデータ取り扱い条件を確認してください。
2025年のAI CUDA Engineerの件は今も問題ですか？
同社は問題を認めてポストモーテムを公開し、評価とランタイムプロファイリングの仕組みを堅牢化したと表明しています。事後対応としては誠実だったと評価できます。ただし教訓として、AI製品のベンチマーク主張は自社の実タスクで検証してから採用判断する——という姿勢は持っておくべきです。これはSakana AIに限らず、AI製品全般に当てはまります。
Sakana Marlinは個人でも使えますか？
月額無料の「Pay per use」プランが用意されており、使った分だけ支払う形で利用できます。ただし想定ユーザーは金融機関やコンサルティングファームなど、日常的に重厚な調査を行う職種です。最大8時間かけて数十ページのレポートを出す設計なので、簡単な調べ物には向きません。
累計調達額はいくらですか？
出典によって約3.47億ドル〜3.79億ドルと幅があります。ラウンドの数え方の違いが原因です。資料で引用する際は、累計額ではなく「シリーズBで評価額26.5億ドル（約4,000億円）」のようにラウンド単位の確定値を使うことをおすすめします。
日本のAI企業として世界と戦えるのですか？
評価額4,000億円は日本のAI企業として突出していますが、OpenAIやAnthropicといった米国勢とは依然として桁が違います。「日本がAI競争に勝った」という評価は実態から乖離しており、正確には「独自路線で存在感を確立した」段階と捉えるのが妥当です。
AIを事業戦略にどう組み込むか、迷っているなら

FuguやMarlinのようなツールは、導入すれば自動的に成果が出るわけではありません。どの業務に当てるか、ベンチマーク値をどう検証するか、単一ベンダー依存のリスクをどう分散するか——この設計が成否を分けます。ツール選定から業務プロセスへの組み込みまで、LIFRELLのAIマーケティング相談をご活用ください。各種AI・SaaSツールを実際に有料契約して検証している立場から、現場で回る形に落とし込みます。

社内での生成AI定着から着手したい場合は生成AIeラーニング研修おすすめ完全ガイドもご覧ください。

🐟
LIF Tech 編集部（株式会社LIFRELL）

// lifrell-tech.com — AI × マーケティング最前線

AIマーケティング・テクノロジー専門メディア。国内外のAIカンファレンスへの現地取材と、各種AI・SaaSツールの実契約による検証をもとに解説しています。本記事はSakana AI公式発表、ロイター・日本経済新聞・ITmedia・Impress Watch・GIGAZINE・TechCrunch等の報道、開発者コミュニティによる検証報告、およびNeurIPS・Nature掲載論文に関する公開情報に基づき整理しました。GITEX AI EUROPE 2026（ベルリン）公式メディアパートナー。

本記事は2026年8月時点の情報をもとに作成しています。評価額・調達額は報道ベースの数値であり、出典によって差異があります。Sakana Fugu・Marlinの料金体系・機能・提供地域は変更される場合がありますので、導入検討にあたっては必ず公式サイトで最新情報をご確認ください。ベンチマークスコアは公表値であり、実環境での性能を保証するものではありません。
NEW
よかったらシェアしてね！
  • URLをコピーしました！
  • URLをコピーしました！

関連記事

目次