「Fable 5 に匹敵する」は何を意味するのか — Sakana AI の fugu/fugu Ultra を解剖する

2026年6月22日、Sakana AI が「Sakana Fugu」と「Fugu Ultra」を発表しました。その公式ページには、「Fable 5 や Mythos Preview と shoulder-to-shoulder(肩を並べる)」という表現が使われています。

この言葉を見た時、額面通りに受け取るのはまだ早いです。fugu が何者か、ベンチマークが何を測っているか、確認済みの事実だけで確認します。

---

fugu とは何か — 単一の巨大モデルではない

fugu は「より賢い大規模言語モデル(LLM)」ではありません。複数の既存フロンティアモデルを動的に組み合わせるマルチエージェント・オーケストレーション・システムです。利用者からは一つの API エンドポイントとして見えますが、内部では複数モデルが協調して動作しています。

仕組みの核にあるのは、fugu 自身が「小さな言語モデル」として動作することです。このコーディネーターモデルが、「どのモデルにどのタスクを委譲するか」「モデル間をどう連携させるか」「複数の出力をどう統合するか」を判断します。

技術的な基盤は、ICLR 2026 で発表された2本の論文です。

• TRINITY: Thinker(考える役)/ Worker(実行する役)/ Verifier(検証する役)という3つの役割を、進化的アルゴリズムで各モデルに動的に割り当てるコーディネーター
• Conductor: 複数モデルの協調戦略を自然言語で表現し、強化学習で最適化するフレームワーク

製品は2種類あります。Fugu(無印)は性能とレイテンシのバランスを取った日常タスク向けで、Fugu Ultra はより深いエージェントプールを動員し、Kaggle コンペ・論文再現実験・サイバーセキュリティ分析・文献特許調査といった高難度・高ステークスの問題で回答品質を最大化する上位版です。

この設計は、特定モデルへの依存を避ける観点でも注目されています。プールに含めるモデルを変えることで、特定ベンダーのサービス変更や価格変動に対して耐性を持たせることができます。ただし、オーケストレーター層として Sakana 自体への依存が生まれる点は、選定時にトレードオフとして認識が必要です。

提供形態は OpenAI 互換 API で、料金はサブスクリプション(Standard $20/月・Pro $100/月・Max $200/月)と従量課金(Fugu Ultra で入力$5/100万トークン・出力$30/100万トークン)の2種類です。なお、EU/EEA では現時点で提供されていません。

---

公式ベンチマークの中身

Sakana の公式ページでは、Fugu Ultra のスコアが複数のベンチマークで掲載されています。以下は Sakana 公式が提示した比較対象とスコアをそのまま転載したものです(比較対象モデルの選択もすべて Sakana 側によるものです)。

ベンチマーク	Fugu Ultra	比較対象スコア
SWE-Bench Pro	73.7	Opus 4.8: 69.2
LiveCodeBench	93.2	Opus 4.8: 87.8
GPQA-Diamond	95.5	Gemini 3.1 Pro: 94.3

数字だけ見ると、いずれのベンチマークでも Fugu Ultra が比較対象を上回っています。ただし2つの点を先に確認しておく必要があります。まず、比較対象となるモデルと対応するベンチマークを選ぶのはベンダー自身です。次のセクションで説明するとおり、これらの数値には「Fable 5」が登場しません。その理由が、この発表のポイントになります。

---

「Fable 5 と肩を並べる」クレームの解像度を上げる

ここが記事の核心です。Sakana の公式発表には「Fugu Ultra は Fable 5 や Mythos Preview と肩を並べる」という表現があります。しかし上記の表に Fable 5 の数値は登場しません。なぜでしょうか。

理由を Sakana 自身が公式ページに明記しています。「Fable 5 と Mythos Preview は一般公開されていないため、Fugu のエージェントプールには入っていない」。

これは重要な事実です。つまり fugu は「Fable 5 を使ってこのスコアを出した」のではなく、「Fable 5 なしのプールでこのスコアを出した」と主張しています。「肩を並べる」という表現は、定性的な位置づけの主張であり、1対1のベンチマーク数値比較ではありません。

別途、Anthropic の Fable 5 については SWE-Bench Pro で 80.3% というスコアが報じられています(出典: Anthropic 公式)。Fugu Ultra の SWE-Bench Pro が 73.7 ですから、数字の差は約6.6ポイントです。しかし、この2つの数値を並べて「Fugu Ultra < Fable 5」と断定するのは早計です。それぞれ異なる出典・異なる計測環境で出た数値であり、計測条件が揃っていない以上、単純な引き算に意味はありません。

---

ベンダークレームの読み方

今回の発表には、さらに重要な留保があります。掲載されているすべてのベンチマーク数値は、Sakana 自身による計測です。第三者が独立して再現した結果や、公開された評価ハーネスは現時点では存在しません。The Decoder などの海外メディアも「これは計測結果ではなくクレームである」と指摘しています。

さらに構造的な問題があります。fugu はマルチエージェント・オーケストレーション型、Fable 5 は単一の大規模モデルです。同じベンチマーク名が使われていても、測っているものの性質が異なります。オーケストレーション型は「どのモデルを組み合わせるか」の巧拙がスコアに反映されます。これは「モデルそのものの能力」とは別の次元の話です。

ここまでをまとめると、私の現時点の評価は——「マーケティング上のポジショニングとしては成立、実証としては保留」です。

根拠は3点です。(a) fugu はオーケストレーション型で Fable 5 は単一モデル、そもそも比較の土俵が異なる。(b) Fable 5 との直接的な数値比較は非公表で、Fable 5 はプールにも含まれていない。(c) 全ての数値が第三者未検証のベンダー申告。この3点が揃ったまま「匹敵する」と言われても、実証としてはまだ保留と判断します。

この発表を通じて確認できた、AI ツール選定で使える軸を4つ整理します。私が特に重視するのは4番目です。

1. 誰が計測したか — ベンダー自己申告か、第三者機関の評価か
2. 何と比べたか — 比較対象のモデルバージョン・計測環境は同一か
3. 再現はあるか — 評価コードや評価ハーネスが公開されているか
4. そもそも同じ土俵か — オーケストレーション型と単一モデルを同列に比較していないか

発表直後の盛り上がりに乗らない、という態度自体が AI 選定での優位性になります。

---

まとめ

私が fugu に注目しているのは、「Fable 5 に匹敵する」という性能クレームの部分ではなく、オーケストレーション設計による依存分散という考え方の方です。単一の最強モデルに賭けるのではなく、複数モデルのプールを動的に切り替えることで、特定ベンダーのサービス変更や価格変動に対する耐性を持たせられる。この設計思想は、AI 活用を本格化させようとしている組織にとって参照する価値があります。

「Fable 5 に匹敵する」という表現については、第三者検証が揃い計測条件が揃った比較が公開されるまで、判断を保留します。今の段階で使える情報は「設計思想としては面白い」という観察止まりです。今後の動向を追い、独立した第三者評価が公開され次第、改めて取り上げる予定です。

---

出典

• Sakana AI 公式: https://sakana.ai/fugu/
• The Decoder: https://the-decoder.com/sakana-ais-fugu-orchestrates-multiple-llms-to-match-anthropics-fable-and-mythos-benchmarks/
• Apidog Blog: https://apidog.com/blog/sakana-fugu-benchmarks/
• Anthropic 公式(Fable 5): https://www.anthropic.com/news/claude-fable-5-mythos-5