現在の生成 AI 技術は、LLM（大規模言語モデル）の容量を拡大する方向で世界中で開発が続いています。そのような中、Sakana AI は社名の由来でもある「小さな魚が集まって 1 匹の大きな魚のように振る舞う生態」や、進化の原理にインスピレーションを受け、複数の AI モデルを動的に組み合わせる独自の研究を推進。2026 年 4 月には、「Sakana Fugu」のコア テクノロジーとなる AI モデルを発表しています。プロジェクトを率いたチーフ サイエンティストの Yujin Tang 氏は、開発の背景をこう振り返ります。

このようなモデル開発は、市場の潜在的なニーズに応え、新たな事業の展開を可能にするものでもありました。

「現在の LLM は、あるモデルはコーディングに強く、別のモデルは経済分野に強いというように、得意分野が分かれています。そのためユーザーは用途に応じて AI を使い分けなければならず、非効率な作業を強いられていました。しかし『Sakana Fugu』を利用すれば、ユーザーは単一のエンドポイントを呼び出すだけで、背後にある多様な AI にアクセスして最適な回答を得られます。このシステムをサブスクリプション モデルとして提供することは、世界中の AI 研究者やエンジニア、企業、ビジネス パーソンなどのニーズに応えつつ、新たなビジネスを展開するという意義も持っていました。」（Tang 氏）

「Sakana Fugu」の特徴は、単に既存の AI を決まったパターンで組み合わせるのではなく、クエリの複雑さに応じて最適なモデルと処理を選択する「オーケストレーション」機能にあります。学習を担当した Stefan Nielsen 氏は、その動作原理を次のように説明します。

専用設計のアーキテクチャも奏功し、「Sakana Fugu」ではモデル間の遷移を感じさせないほどシームレスな利用環境が確保されています。

「今回のサービス ローンチでは、私たちは推論速度を重視した『Fugu』と、高いパフォーマンスを発揮する『Fugu Ultra』という 2 つのバリエーションを用意しました。これらのシステムではコーディングや対話能力などに卓越した Gemini も、動的に呼び出すフロンティア モデルの 1 つとして中核に組み込まれています。」（Nielsen 氏）

「オーケストレーション」を通じて、個々のモデルを上回る結果を引き出す。この難しい要件を実現するために選ばれたのが、Google Cloud です。もともと Sakana AI は Google や Google DeepMind 出身のエンジニアを中心に設立されたため、Google Cloud が採用されたのは自然な流れでした。しかし、インフラ設計を担当した Qi Sun 氏は、運用プラットフォームとしての適性の高さを再認識したと強調します。

Sun 氏は、サービス構築に必要な各種ツールが十全に揃っていたことも、採用理由に挙げています。

「『Sakana Fugu』は、フロントエンド層、中間処理層、モデル層という 3 つのレイヤーで構成されています。フロントエンドでは Cloud Armor や Model Armor で不適切な入力や DDoS 攻撃からモデルを保護し、ランタイム セキュリティを確保。Firebase によるユーザーの認証と保護、API キーの管理などを実施しています。中間処理層は、基盤モデルの呼び出しやログとキャッシュの処理、BigQuery へのデータ書き込みなどを担当。そしてシステムのコアにあたるモデル層が、クエリに応じて最適な処理を行います。Cloud Run と Gemini Enterprise Agent Platform は、自動でロード バランシングとスケーリングをする機能も備えており、どのようなリクエストが来てもすぐに対応できます。」

2025 年 10 月に始動した開発プロジェクトは、2026 年 4 月に完了。6 か月という短期間で実装にこぎつけています。Tang 氏によれば、それを支えたのが Google Cloud によるサポートでした。

「彼らとは毎週のようにミーティングを行うだけでなく、専用のチャット スペースでも密にコミュニケーションをとっていました。質問に応じて、各専門分野に最も詳しいエキスパートを連れてきてもらったり、事前に理想的なユースケースやベスト プラクティスを示してもらえたりしたのも助かりました。通常のように、ドキュメントを頼りにソリューションを探していたなら、開発は数週間から数か月単位で遅れていたと思います。」

サポートは GPU ワークロードにおける Cloud Run、Gemini Enterprise Agent Platform、Google Kubernetes Engine（GKE）の使い分けといった設計判断から、スケーラビリティの確保、権限管理の効率化といった詳細にも及びました。

「Google Cloud の担当チームは、Firestore のスケーリング制限や Cloud Logging のデータ制限といった、本番の運用で直面する課題をうまく回避する方法も一緒に考えてくれました。私たちも Terraform を導入し、運用の再現性と整合性を担保しつつ、IAM 権限を含む環境を、すべてコードで管理できる体制を整えました。」（Tang 氏）

こうして開発された「Sakana Fugu」は、社内の研究者やエンジニアが、リサーチ、コード作成、アイデアの創出などの幅広い業務で活用。すでに高い評価を得ています。

「定量的な成果としては、代表的な 6〜7 種類のベンチマークで、主要な AI モデルを上回る SOTA（最高水準）のスコアを記録したことも挙げられます。Google Cloud のダッシュボードを活用して、システムを精緻にモニタリングしたことも改善につながりました。細部を見直した結果、キャッシュ ヒット率は 5％ 向上しています。」（Tang 氏）

約 2 か月に及ぶ PoC（概念実証）を経て、Sakana AI は 2026 年 6 月に有料の AI 開発プラットフォームである「Sakana Fugu」の提供を開始。このサービス実装は、グローバルなレベルでもすでに大きな注目を集めつつあります。最後に Tang 氏は、開発プロジェクトを総括しつつ、今後への展望を語ってくれました。

「今回のプロジェクトでは、やはり Gemini Enterprise Agent Platform が非常に役立ちました。BigQuery からデータを取得し、Model Garden を柔軟に活用するフローを、エンタープライズ クラスの安定した環境で構築できるからです。『Sakana Fugu』は、Sakana AI のさまざまな製品を支えるコア テクノロジーとなっていく予定です。生成 AI の可能性を探りながら、社会の幅広い分野に貢献していくためにも、今後も Google Cloud と連携しながら、独自の技術開発を続けていきたいと考えています。」

^{※1 Akiba, Shing, Tang, Sun, Ha. Evolutionary optimization of model merging recipes. Nature Machine Intelligence 2025. https://doi.org/10.1038/s42256-024-00975-8}

^{※2 Xu, Sun, Schwendeman, Nielsen, Cetin, Tang. TRINITY: An Evolved LLM Coordinator. ICLR 2026. https://arxiv.org/abs/2512.04695. Nielsen, Cetin, Schwendeman, Sun, Xu, Tang. Learning to Orchestrate Agents in Natural Language with the Conductor. ICLR 2026. https://arxiv.org/abs/2512.04388}

（事例制作: 2026 年 6 月）