Sakana AIは、The AI ScientistやSakana Fuguなど、研究の自動化と複数AIの連携で注目される日本のAI企業です。
この記事では、会社の宣伝ではなく、どの技術が新しく、開発者がどこを参考にできるのかを整理します。
情報確認日：2026年7月11日（日本時間）
結論：Sakana AIは「1つの巨大モデル」以外のAI開発を押し広げる研究開発企業
この記事の結論
- Sakana AIは東京を拠点に、自然界の進化や群知能から着想を得たAI研究と製品開発を行う企業
- 代表例は研究の仮説立案から実験・論文作成まで進めるThe AI Scientist
- Sakana Fuguは複数の専門モデルを1つのモデルAPIのように扱うマルチエージェント製品
- モデルを単純に大型化するだけでなく、組み合わせ・選択・検証によって性能を引き出す点が特徴
- 開発者はGitHubの研究コード、論文、OpenAI互換APIなどから技術を試せる
Sakana AIとは？
Sakana AIは、2023年に設立された東京拠点のAI研究開発企業です。基盤モデル、エージェント、自動科学研究、複数モデルの連携などを扱い、研究成果をSakana FuguやSakana Chatなどの製品へつなげています。
一般的な生成AI企業を「より大きな単一モデルを作る会社」と捉えると、Sakana AIの特徴を見落とします。同社は、自然界で見られる進化、適応、群れ、役割分担をヒントに、複数の仕組みを組み合わせて知能を作る研究を重視しています。
自然界から着想を得たAI開発
魚の群れは、1匹の司令塔がすべてを制御しなくても、個体同士の相互作用からまとまりのある動きを生みます。Sakana AIという名称にも、このような分散的な知能への関心が表れています。
実装上は、複数モデルを役割ごとに使い分ける、候補を生成して評価器で選ぶ、試行錯誤を繰り返して構成を改善する、といった設計へ置き換えられます。
Sakana AIが注目される3つの技術
1. 研究工程を自動化するThe AI Scientist
The AI Scientistは、研究アイデアの生成、文献検索、実験計画、コード実行、結果分析、図表作成、論文執筆、レビューまでを一連のパイプラインとして扱うシステムです。単に論文らしい文章を生成するのではなく、実験結果を作り、その結果を根拠に原稿を組み立てる点が重要です。
初代は人間が用意した研究テンプレートを土台に進める構成でした。AI Scientist-v2はテンプレートへの依存を減らし、実験マネージャーとエージェント型ツリー探索によって、より開かれた研究課題を探索します。
2. 進化的な探索でモデルを組み合わせる研究
Sakana AIは、既存モデルのパラメータや構成を候補として扱い、進化的アルゴリズムでより良い組み合わせを探索する研究を発表しています。人間が手作業で「このモデルとこのモデルを混ぜる」と決めるのではなく、評価結果を使って探索を進める考え方です。
この発想はWeb開発にも応用できます。たとえば複数のプロンプト、モデル、検索方法を候補として用意し、自動評価で最適な構成を選ぶ仕組みです。A/BテストをAIワークフロー内部へ持ち込むイメージに近いでしょう。
3. 複数モデルを自動で束ねるSakana Fugu
Sakana Fuguは、複数の専門モデルやエージェントをタスクに応じて選択・調整し、その結果を1つのモデルからの回答のように返す仕組みです。利用側は複雑なマルチエージェント構成を毎回手作業で組まず、OpenAI互換APIから呼び出せます。
Sakana AIの代表的な研究・製品
| 名称 | 分類 | 何をするものか | 開発者が見るポイント |
|---|---|---|---|
| The AI Scientist | 研究システム | 研究アイデアから実験・論文作成までを自動化 | コード実行を含む長時間エージェントの設計 |
| AI Scientist-v2 | 研究システム | エージェント型ツリー探索で開かれた研究課題を探索 | 並列探索、評価、失敗経路の打ち切り |
| Sakana Fugu | 製品/API | 複数のモデルを自動で選択・連携 | モデルルーティングと結果統合 |
| Sakana Chat / Marlin / Translate | 利用者向け製品 | 日本向けの対話・業務・翻訳などに展開 | 研究成果を実サービスへ落とす方法 |
| 進化的モデル開発 | 研究 | モデルの構成や組み合わせを自動探索 | 評価関数を中心にした改善ループ |
The AI Scientistは普通のAIエージェントと何が違う？
一般的なAIエージェントは、ユーザーの依頼を分解してツールを使い、成果物を返します。The AI Scientistは、その対象を科学研究へ絞り、仮説、実験、数値評価、文献、論文という研究特有の工程をつないでいます。
| 比較点 | 一般的なAIエージェント | The AI Scientist |
|---|---|---|
| 最終成果 | 調査結果、コード、資料など | 実験結果と科学論文 |
| 主なツール | Web検索、ファイル、API、コマンド | 実験コード、GPU、文献検索、LaTeX |
| 評価 | タスク完了や人間の確認 | 指標、再現性、関連研究、レビュー |
| 失敗時 | 再試行や方針変更 | 探索木で別の実験経路を試す |
| 注意点 | 権限・誤操作・情報漏洩 | 危険コード、計算資源、研究倫理、AI利用開示 |
Sakana Fuguの仕組みを開発者目線で理解する
利用者は1つのAPIへリクエストする
利用者から見ると、Fuguは1つのモデル名とAPIエンドポイントを持つサービスです。内部ではタスクに合うモデルや役割を選び、必要に応じて複数の処理を調整します。既存のOpenAI互換クライアントを活用しやすい点も実装上の利点です。
固定ワークフローではなく、タスクに応じて編成を変える
従来のマルチエージェント実装は、「調査担当→実装担当→レビュー担当」のような流れを人間が固定することが多くあります。Fuguの背景にある研究は、どのモデルへ何を依頼し、結果をどうまとめるか自体を学習・最適化しようとします。
FuguとFugu Ultra
公式には、性能と待ち時間のバランスを取るFuguと、より高い能力を重視するFugu Ultraが案内されています。料金、利用条件、対応地域は変わり得るため、実装時は公式の最新情報を確認してください。
GitHubで試せるSakana AIの技術
Sakana AIのGitHub組織には、AI Scientist、AI Scientist-v2、モデルマージやエージェント関連の研究コードが公開されています。研究コードは一般的なnpmパッケージのように安定した製品とは限らないため、README、ライセンス、Issue、必要GPU、使用モデルを確認してから導入します。
- まず仕組みを知る：論文とブログで入力・探索・評価・出力の流れを確認する
- 小さく試す：生成数、ワーカー数、探索ステップを減らして実行する
- 隔離する：LLMが生成したコードを実行するものは、コンテナや専用環境で動かす
- 費用を止める：APIの利用上限、タイムアウト、ログ、停止条件を設定する
- 結果を検証する：AIが生成した評価や引用を人間が再確認する
Webサイト・Webアプリ開発へ応用できる考え方
生成担当と検証担当を分ける
1つのモデルに「作って確認して」と依頼するだけでなく、生成するエージェントと、テストや仕様を確認するエージェントを分けます。コード生成後にテスト、Lint、ブラウザ確認を必須にすると、The AI Scientistの実験と評価に近いループになります。
複数の方法を比較してから採用する
最初の案を即採用せず、3つの実装案を生成し、速度、アクセシビリティ、保守性、テスト結果で比較します。候補生成と評価を分けることで、モデルの文章上の自信よりも測定結果を優先できます。
タスクごとにモデルを変える
要件整理、コード生成、画像理解、長文レビューは、それぞれ得意なモデルが異なります。モデルルーターを用意し、難易度や入力形式で振り分ける設計はFuguの考え方と共通します。
導入前に知っておきたい注意点
自律実行を「便利な自動化」だけで評価しない：研究コードは自動でパッケージを導入したり、生成コードを実行したりする場合があります。普段使うPCや本番サーバーへ直接入れず、権限・ネットワーク・課金を制限した環境で試してください。
- AIが生成した論文、引用、数値、コードを無検証で公開しない
- 研究成果や生成物にAIを使った場合は、必要な開示とライセンス条件を守る
- 単一のベンチマークだけで製品やモデルの優劣を決めない
- 複数モデルへ同じデータを送る場合は、各提供者のデータ利用条件を確認する
- 自動実行には予算上限、時間上限、停止条件、監査ログを用意する
あわせて読みたい記事
よくある質問
Sakana AIは日本企業ですか？
東京を拠点とするAI研究開発企業です。研究だけでなく、日本向けの製品や企業・公共分野のソリューションも展開しています。
Sakana AIのAIを無料で使えますか？
公開GitHubリポジトリはライセンス条件の範囲で試せますが、GPUや外部モデルのAPI料金は別に必要です。製品の提供条件は公式ページで確認してください。
The AI Scientistはどんな分野でも論文を作れますか？
公開実装は主に機械学習研究を想定しています。分野固有の実験環境、データ、評価方法が必要な領域へそのまま適用できるわけではありません。
Sakana Fuguは複数モデルを自分で設定しますか？
利用側はOpenAI互換APIから1つのモデルのように呼び出し、内部のモデル選択や連携はFugu側が担う設計です。
開発者が最初に読むなら何がおすすめですか？
会社全体を把握した後、The AI ScientistのブログとGitHub README、Sakana Fuguの製品ページを読むと、研究から製品へのつながりを理解しやすくなります。
まとめ
Sakana AIは、単一モデルの巨大化だけでなく、進化的探索、複数モデルの役割分担、実験と評価の自動化によって知能を作る企業です。The AI Scientistは長時間エージェントの研究例、Sakana Fuguはマルチモデル連携を製品化した例として、AIアプリ設計を考える材料になります。
まずは公開論文とGitHubを読み、実行する場合は小さな設定と隔離環境から始めてください。AI Scientist-v2の具体的な環境構築と実行方法は、別記事で手順を追って解説します。