創刊準備号 Vol.59 ／評価額4,320億円のSakana AIは、モデルを一から作りません——銀行と防衛省が買っているのは、何？｜CoBANTO3-ニュースレター「AI速報」

東京のAI研究会社Sakana AIが9月11日、「Fugu Max」と「Fugu Ultra v2」を発表しました。2025年11月の資金調達で評価額4,320億円になった会社です。発表を読むと、この会社は大きなAIモデルを一から作っていません。他社のモデルを組み合わせる仕組みを作って、それを一つのモデルとして売っています。本紙は、この会社が何を自前で持ち、何を借りているかを本人たちの発表だけで並べました。

① 事実

Sakana AIは、2年で660億円を集め、評価額は4,320億円です

Sakana AI株式会社は2023年に東京で創業しました。共同創業者はDavid Ha（CEO）と伊藤錬（社長）です。資金調達は3回公表されています。

2024年1月のシードで3,000万ドル。米国のLux CapitalとKhosla Venturesが主導し、NTTグループ・KDDI・ソニーグループが入りました。2024年9月のシリーズAで約300億円。NEAとNVIDIAに加えて、三菱UFJフィナンシャル・グループ、三井住友銀行、みずほフィナンシャルグループ、NEC、SBI、第一生命、伊藤忠、富士通、野村ホールディングス、ANA、東京海上日動が株主になりました。2025年11月のシリーズBで320億円（2億ドル）。資金調達後の企業価値は約4,320億円（27億ドル）、累計の調達額は約660億円です。この回にはMUFG、Google、Salesforce Ventures、Citi、Datadog、三菱電機に加え、In-Q-Tel（米国の情報機関が設立した投資会社）が入っています。

創業からの方針は「大きなモデルを一から作らない」です

シリーズBの発表文は「もう一つの大規模基盤モデルを一から学習させて車輪を再発明するのではなく、私たちは進化を使って既存のオープンソースモデルを組み合わせる方法、木探索で閉じたモデルを組み合わせる方法、モデルを自己改善させる方法を切り拓いてきた」と書き、「資源の乏しい国である日本にとっての正しい道は、効率」だと続けています。

この方針は、2024年3月の最初の研究発表（進化的モデルマージ＝既存の公開モデルの重みを掛け合わせて新しいモデルを作る手法）から一貫しています。基盤モデル（大量のデータで一から学習させた土台のモデル）の学習は、Sakana AIの発表の中に出てきません。

日本語モデル「Namazu」の元は、中国Moonshot AIのKimi K2.6です

Sakana AIは2026年8月3日、日本語特化のLLM API「Sakana Namazu」の提供を始めました。発表文は、元のモデルを明記しています。「Moonshot AIが公開するオープンモデル『Kimi K2.6』をベースに、社内独自のデータで日本語と日本の業務文脈への適合を進め、あわせて、特定の話題での応答回避や出力の偏りを抑えるチューニングを施しました」。

Moonshot AIは北京のAI企業で、Kimi K2.6はオープンウェイト（重み＝学習結果の数値の塊が公開されていて、誰でも自分の機械で動かせるモデル）です。Sakana AIが自前でやったのは事後学習（出来上がったモデルに、追加のデータで振る舞いを足す工程）です。3月のα版の発表では、この事後学習を「性能において世界最高水準のオープンウェイト基盤モデルを活用し、各国の文化・価値観や安全保障上の要件を満たすモデルを構築するため」の技術と位置づけています。

そのKimiについて、Anthropicが9月10日に公表した報告書「Detecting and countering misuse of AI: September 2026」が、一つの事実を書いています。「Moonshot AIは、顧客の要求をKimiで処理する代わりに、黙ってClaudeへ転送し、Claudeの回答を利用者に表示していた。利用者はKimiを使っていると思っていたが、受け取ったのはClaudeの回答だった」。ある10日間で約30万件の要求が転送され、大半がClaude Opusに向かい、5,380の不正なアカウントが使われ、その多くはシンガポールと日本にあるように見えた、とあります。Moonshot AIは転送したやりとりの一部を保存し、Claudeの推論の記録を取り出して自社モデルの学習に使った、とも書いています。2026年5月から7月にMoonshot AIに帰属する蒸留（大きなモデルの出力を使って別のモデルを鍛えること）のやりとりは2,300万件を超えた、というのがAnthropicの数字です。これはAnthropicの側の報告で、Moonshot AI側の見解は、本紙は確認できていません。

主力の「Fugu」は、他社のモデルを振り分ける小さなモデルです

Sakana AIが「国際向けの旗艦製品」と呼ぶのが、2026年4月にβ、6月に一般提供になった「Sakana Fugu」です。8月の発表が、仕組みを二層で説明しています。

一つが指揮者モデル（オーケストレーターモデル）。「モデル間の『協調の仕方』をSakana AIが学習させた小規模な言語モデル」です。もう一つがモデルプール。「実際の処理を担うモデル群。数百Bクラスのフロンティアモデルを含む」。利用者は一つのAPIに質問を送り、指揮者モデルがプールのどのモデルに何をさせるかを決め、答えを一つにまとめて返します。「指揮者モデルに求められるのは、あらゆる知識を自分の重みに抱えることではなく、どのモデルにどう任せるかを判断すること」と書かれています。

6月の技術レポートは、プールの中身を名指ししています。「Gemini-3.1-Pro（Google DeepMind）、Claude-Opus-4.8（Anthropic）、GPT-5.5（OpenAI）などの最先端のフロンティアLLMを含む」。米国3社のモデルです。同じレポートは、Fable 5とClaude Mythos Previewについて「公開アクセスできないので、Fuguのプールには入っていない」と書いています。指揮者モデルの土台も、8月10日にGoogleのオープンモデル「Gemma 4」で学習し直して同等の性能を確認した、と発表しています。

9月11日の発表は、価格とプールの拡張です

「Fugu Max」は、プールにオープンウェイトと特化型のモデルを「これまでで最も多く」加えたもので、7月に提携したNVIDIAの「Nemotron」が名指しされています。質問ごとに「解ける中で最も軽いモデル」へ振り分ける、と説明されています。価格は入力100万トークンあたり2ドル、出力100万トークンあたり6ドル。OpenAI互換API（OpenAIのAPIと同じ形式で呼べる接続口）で提供され、既存のFugu利用者は「パラメータを1行変えるだけ」で移れる、とあります。

「Fugu Ultra v2」は、複数のモデルを何段も組み合わせる上位版です。発表文は「Fable 5、Fable 5.1、GPT-6-Astraをプールに入れずに」最高値を出した、と書いています。9月時点のプールの全容は、発表に書かれていません。ベンチマークの点数は、自社製の指標（SWEFish）が混じっているので、本紙は書きません。

売り先は、銀行と防衛省と商社です

公表されている取引先を、発表の時系列で並べます。三菱UFJ銀行との複数年の包括契約（融資業務のAI）。三井住友銀行との提案書自動生成。大和証券グループとのウェルスマネジメント業務のAI。北國フィナンシャルホールディングスとの戦略提携。総務省の事業（SNS空間の偽・誤情報対策）。防衛装備庁からの委託研究（指揮統制システムの基盤技術・2026年3月）。防衛省との契約（情報本部の総合分析業務のAI・2026年7月29日）。SCSKと住友商事との包括業務提携（2026年9月10日）。

防衛省の発表文でSakana AIは「日本独自のAI技術で国の安全保障基盤を強靭化することは急務です」と書いています。技術レポートの序文は「輸出規制のリスク無しにフロンティアの能力を届ける」と書き、9月の発表文は「ベンダーロックイン、APIの取り消し、地政学的な混乱、突然のサービス停止から利用者を守る」と書いています。

出典：

② 構造

Sakana AIは、大戦略から売り先まで一本で通っています

Sakana AIの発表を、戦略の階層で並べます。大戦略＝資源の乏しい日本が、主権AI（自国の統制の下にあるAI）を持つ。戦略＝大きなモデルを一から作らず、既存のモデルを組み合わせること。戦術＝振り分けを学習した指揮者モデル（Fugu）と、公開モデルの日本語への事後学習（Namazu）。売り先＝銀行、証券、防衛省、総務省、商社。

上から下まで、言っていることと作っているものが繋がっています。本紙が既刊で見てきた会社の多くは、ここが繋がっていません（Vol.49＝大戦略だけが読み取れて、下が無い）。Sakana AIは逆で、下まで作ってあります。

通っているから、「自前」の場所が見えます

一本で通っている会社は、どの層を自分で持ちどの層を借りているかが外から見えます。

自前の層は三つです。どのモデルに何をさせるかを決める指揮者モデル。公開モデルを日本語と日本の業務に合わせる事後学習。そして、銀行と国という売り先。借りている層は、答えを作るモデルそのものです。Fuguのプールは米国3社の閉じたモデルと、NVIDIAや中国のオープンモデル。Namazuの元は中国のKimi K2.6。指揮者モデルの土台はGoogleのGemma 4。借りている層の下に、もう一段ある可能性も、Anthropicの報告書は書いています。KimiがClaudeの回答を使っていたなら、Namazuの元の元は、米国のモデルです。

「輸出規制のリスク無し」「突然のサービス停止から守る」という言葉は、この構造の説明として読めます。守り方は「自分で作る」ではなく「差し替えられる」です。一社が止まれば、プールの別のモデルに振り分けます。一方で、プールに入れられるのは各社が外に出している範囲までです。6月のレポートが、Fable 5とMythos Previewを「公開アクセスできないので入れていない」と書いているのが、その上限です。9月の発表は、最新のモデルを「入れずに」最高値と書いていて、入れられなかったのか入れなかったのかは、発表からは分かりません。

振り分けの層は、上からも横からも薄くなる場所です

Fuguが立っている層は、モデルの提供元と利用者の間です。この層に、Sakana AI自身がOpenAI互換のAPIで立ち、「1行変えれば移れる」と書いています。差し替えやすさを売りにした層は、利用者から見ても差し替えやすい層です。

振り分けそのものは、手で書いても簡単なロジックで書いても作れます。Sakana AIがやっているのは、その判断を学習で置き換えることです。技術レポートは、学習用の質問を全部のモデルに解かせて採点し、その順位を教師にして指揮者モデルを鍛えた、と説明しています。この方法が勝てるのは、採点に使った問題集の上です。特定の会社の仕事でどのモデルが向いているかを知っているのは、その会社です。

評価額4,320億円が付いているのは、振り分けの技術ではなく、置かれた場所だと読めます。日本の主要な銀行が株主で、防衛省と総務省が発注元で、「日本独自のAI技術」と名乗れる位置。その位置は、モデルを借りていても成り立っています。

③ 自分事

当社のAIも、モデルは借り物です

当社のCoBANTO3-AIは、Anthropic・Google・OpenAIなどのモデルを約20、借りて動いています。モデルは一つも自前ではありません。自前なのは、その外側です。当社はそれを「dispatcher」と呼んでいます。差配する係、という意味で付けた名前です。当社のBANTO3基盤の中核で、ほぼ全ての顧客のコンテナ（顧客ごとに切り離した実行環境）に載っています。目的や役割別に、一つのコンテナに複数本を載せている場合もあります。

dispatcherの変更履歴を数えました。2025年11月26日の最初の実装から2026年9月17日まで、195回の変更があります。そのうち、どのモデルにつなぐか・どの答え方のときにどのモデルを使うかという振り分けに当たる変更は18回です。残りの177回は、振り分けの外側です。モデルに何を持たせて答えさせるか（本紙のバックナンバー、顧客の資料、Web検索、図表を作る道具）。会話の何を覚えておくか（履歴の要約の二層化、窓から落ちた文脈の復活）。誰が使えて、幾ら引くか（契約、席、クレジットの二階建て）。何をサーバーから出さないか（暗号化）。誰に仕事を渡すか（スライドを作る子エージェント、AI社員）。声で話すか（半二重と全二重の二つの口）。

モデルの振り分けは、利用者が選ぶか、ロジックで決めています。仕事の量は、振り分けの外側に10倍あります。

振り分けている物も違います。Fuguが振り分けているのは、質問をどのモデルに答えさせるかです。当社のdispatcherが差配しているのは、仕事と利用者です。この仕事は本体が答えるか、スライドを作る子エージェントに渡すか、AI社員に渡すか。この利用者はどの契約で、どの資料の棚が見えて、幾ら引くか。モデルの選択は、その中の一つの軸に過ぎません。

形は似ています。dispatcherは、内側をOpenAI互換の形式で統一してあり、AnthropicでもGoogleでもOpenAIでも、同じ形で呼びます。Fuguが利用者に出している口と、同じ形です。差し替えやすい層に立っているのは、当社も同じです。

Sakana AIの発表を読んで最初に思ったのは、層の名前が同じだ、ということでした。評価額4,320億円の会社が自前にしている層と、当社が自前にしている層は、同じ名前です。違うのは、規模と売り先と、差配している物です。

モデルの振り分けを自動にすることは、当社でもできます

質問を安いモデルに読ませて、どのモデル向きかを答えさせ、そこへ渡す。仕組み自体は、一日程度で作れるでしょう。していないのは、当社の場合、そこで付加価値を生める構造ではないからです。どの仕事にどのモデルが向くかは、当社の顧客と、当社の値付けと、各モデルの癖を知っている人が決めたほうが、いまのところ正確です。学習で置き換えた振り分けが勝つのは、採点に使った問題集の上で、当社の仕事はその問題集に入っていません。

ここは、Sakana AIが間違っているという話ではありません。Sakana AIが売っているのは、その基準を持っていない会社に対する、基準の代わりです。持っている会社とは、ニーズが合いません。

そのうえで、私の見立てを一つ書きます。Sakana AIは、それだけの評価を得ながら、大きなモデルを「あえて」作らないという世界観を持っています。私は、作れるなら作り始めたほうがいいと思います。費用は集まると思います。大きな自前のモデルを持たないと、そこから小さなモデルを効率よく作ることが、いつまでもできません。元のモデルの権利（コピーライト）も、自分のものになりません。組み合わせは、なるべく早く形にするための手段でしかない、と私は見ています。

御社の「うちのAI」は、どこまでが自前ですか

御社がいま使っているAIのサービスにも、同じ層があります。答えを作っているモデルは、まず間違いなく借り物です。その上に、御社の仕事に合わせて何かを足した会社がいて、御社に売っています。

「国産」「主権」「日本独自」という言葉が付いているとき、それがどの層の話かは、発表からは読み取れないことが多いです。Sakana AIは、元のモデルの名前を発表文に書いています。書いていない会社もあります。

明日できること

決裁は要りません。訊くだけです。

⑴ 御社が使っているAIのサービスについて、裏で答えを作っているモデルの提供元を訊いてください。 何社か。一社なら、その一社が止まると御社も止まります。Vol.05で当社が三週間止まった形です。

⑵ 御社が「自前」と言えるものを、紙に一行ずつ書いてください。 データ、手順、判断の基準、記録。モデルが入っていなくて構いません。Sakana AIの自前も、モデルではありません。

⑶ 「国産」「主権」と説明されたら、どの層の話かを訊いてください。 モデルを一から作ったのか、公開モデルを日本語に合わせたのか、他社のモデルを振り分けているのか。三つとも「国産」と呼ばれています。

短信

「目的」を渡されなかったAIエージェント、15回中13回で顧客に無断で連絡（2026年9月・査読前）

香港の資産運用会社を模した合成データ（顧客415人分）の環境で、経営陣から成果を求められた顧客対応エージェントの挙動を検証した論文が公開されました。タスク・データ・圧力・モデルを同じにして、エージェントに与える「目的」を明示するかどうかだけを変えています。明示しなかった条件では、15回の実行のうち13回で、同意のない顧客への連絡が起きました。最大で220人に接触し、そのうち94%はマーケティング目的の同意が確認できない相手でした。著者は、機械が読める目的・道具の利用制限・範囲の台帳・事前の点検の4つで組む「Chain of Intent」を提案し、適用後は違反が無くなったとしています。

単著で、所属の記載がなく、査読前で、合成データです。数字はこの一本の中でしか確かめられません。Vol.55で扱った「任せた仕事を終わらせる最短経路」と同じ形の話として、置いておきます。

出典：

https://arxiv.org/abs/2609.05975

今月のモデル

GPT-Live-1 の音声会話モードを CoBANTO3-AI に入れました。

GPT-Live-1が声の入出力（音声ストリーム）を受け持ち、話の中身を考える推論はGPT-5.6 TerraなどのLLM推論モデルに渡す分業になっています。全二重（双方が同時に話せる方式）で、会話は自然です。純正のChatGPTアプリの音声モードと遜色ありません。前号で入れたGemini 3.8 Liveは半二重（片方が話している間、もう片方は待つ方式）でしたので、声の口が二つになりました。

推論の側は、OpenAIのモデルから選べます。当社の側で実装すれば、Claudeなど他社のモデルと組み合わせることもできる作りです。声の層と考える層が分かれているので、本文で書いた「振り分け」がここにもあります。

CoBANTO3-AIチャットを無料体験しませんか？

本紙のバックナンバーを記憶し、本紙の読み方（戦略の階層・歴史循環）で、あなたの状況に当てて答えるAIチャットです。記事は「地図」ですが、地図は現地には当たりません。「この号の話、うちの場合はどうなるのか」を訊く場所として用意しました。

調べもの、文章の下書き、ちょっとした雑談にも使えます。 普段づかいのチャットとして、気軽にどうぞ。

2026年9月18日現在で、約20のモデルに対応しています。 新しいモデルも、出たらなるべく早く入れています。モデルの手応えを試す場所としても使えます。

ご利用は事前購入のクレジット制です（1,000円から）。月額の契約ではないので、解約の手続きはありません。使った分だけ減り、無くなれば止まります。

消費は、<strong>基本料金と、答えの長さ（100字ごとに1クレジット）</strong>で決まります。短い答えなら少なく、長い答えほど多くかかります。モデルによって、1,000円で120〜200往復ほど使えます。

読者登録をいただいた方には、無料クレジットを500クレジット、プレゼントします。 登録は、この記事のすぐ下からできます。

CoBANTO3-AIチャットは、こちらから。無料で体験できるので、ぜひこの機会に触ってみてくださいね。

https://www.netkomuten.tokyo/lp/co-banto3-ai

ライトノベル「ようこそ、東京ネット工務店へ」

海老沢が執筆している、IT業界のお仕事小説です。毎号1話ずつご紹介します。

〈第2.5部第8章「断る理由」〉

新店を任されて二ヶ月、神崎リナの店の数字が出ます。会議で久我は認めません。そこで、いちばん声の小さい茅野が、誰にも見せていなかったものを持ち出します。

https://www.netkomuten.tokyo/channels/novel-tnk-part2-5/articles/ch08

小説を書いている理由

この小説は、もともと、社内の教育のために書き始めました。うちの会社——東京ネット工務店で、新しく入った人間に、この仕事の考え方を伝えるための、いわば教材でした。戦略の階層とか、取捨選択とか、口で言っても、なかなか伝わりません。だったら、物語にして読んでもらったほうが早い。そう思って、書き始めました。

ところが、いろいろあって、その教材が、要らなくなってしまいました。理由は、いろいろあります。ここには、書ききれません。ただ、宙に浮いてしまった原稿を、捨てるのも惜しくて、何度も書き直しながら、今度は、教材ではなく、ただ読んで面白い、お仕事小説として、作り直していきました。

https://www.netkomuten.tokyo/channels/atogaki/articles/atogaki-1

Q&Aコーナー

AI・IT業界に関するご質問を募集しています。CoBANTO3-AIチャットのサポートも、こちらへお願いします。

本紙の通知メール・LINEに、そのまま返信していただけます。

9754文字・約17分

創刊準備号 Vol.59 ／評価額4,320億円のSakana AIは、モデルを一から作りません——銀行と防衛省が買っているのは、何？