Sakana AIが国産モデルの開発へ踏み出すと報じられました。
これまでのFuguを知っている人ほど、「すでに国産AIを提供しているのでは」「新モデルに置き換わるのか」と感じるかもしれません。
今回のニュースを理解するには、AIをどこが開発するかと、複数のAIをどう組み合わせて使うかを分けて考える必要があります。
同じ国内企業の製品でも、学習の出発点となるモデル、処理を担うモデル、データを置く場所によって、管理できる範囲は変わります。
本記事では2026年10月26日時点で確認した報道と公式資料をもとに、新モデルの計画と既存技術の関係を整理します。
今後の性能や提供条件がまだ分からない部分は、期待と実績を分けて読み進めてください。
日本経済新聞が2026年10月26日に掲載した記事によると、Sakana AIは「Sakana Sawara（サカナ・サワラ、仮称）」を事前学習から自社で開発する計画です。
11月に開発を始め、2027年春に小規模モデルを公開し、その後は大規模モデルの開発を進めると報じています。
ここでいう「公開」は、誰でも無料で利用できるチャットサービスの提供を意味するとは限りません。
モデルの重みを配布するのか、APIとして提供するのか、特定の利用者から段階的に開放するのかについて、今回確認した資料だけでは判断できないためです。
公開予定の時期が示された一方、性能比較に使える実測値や、一般向けの具体的な利用条件は確認できていません。
「国産の新モデルが使えるようになった」というニュースとして受け取るのは早い段階です。
事前学習は、大量のデータを使って言語や知識、パターンなどの基礎をモデルに学ばせる工程です。
既存モデルに追加学習を施す方法では、出発点となるモデルの特徴を引き継ぎます。
ゼロから学習する場合は、データの構成や学習方法を含め、基盤をつくる段階から設計に関われます。
ただし、その自由度には開発負担も伴います。
学習データの品質管理、計算資源の確保、学習後の性能や安全性の検証まで、自社で判断すべき範囲が広がるからです。
自社開発であること自体から、既存の海外モデルを上回る性能を導くことはできません。
Sakana AIが10月21日に公開したイベントレポートでも、独自LLMの事前学習、Namazuによる事後学習、Fuguによるオーケストレーションという3層の取り組みを説明しています。
この公式資料は自社で基盤モデルをつくる方向性の裏付けになりますが、Sawaraの名称や公開時期を確認する出典とは分けて扱う必要があります。
Fuguは、利用者が一つの窓口に依頼すると、必要に応じて複数のモデルを呼び出し、その成果をまとめる仕組みです。
公式説明では、処理の配分を決める「指揮者モデル」と、実際の処理を担う「モデルプール」の二層で構成されます。
たとえば、ある作業の一部をコードに強いモデルへ任せ、別の部分を他のモデルに処理させるという発想です。
利用者が毎回すべての担当を決めなくても、システム側で協調させることを目指します。
このような連携・調整をオーケストレーションと呼びます。
Sawaraで報じられた事前学習は、モデルの基礎能力をつくる工程です。
Fuguはモデル同士をどう働かせるかを担うため、同じ軸で新旧を比べると関係を取り違えてしまいます。
Sakana AIは8月10日の公式記事で、指揮者モデルのベースを変える検証を説明するとともに、自社開発モデルを使う指揮者の訓練にも取り組む方針を示しています。
ただし、その記述だけでSawaraの具体的な組み込み方まで確定したとはいえません。
また、7月にはNVIDIAのNemotronをFuguの専門エージェントとして取り込む協業を公表しました。
公式に確認できるのは、独自モデルを持つ取り組みと、外部モデルの選択肢を広げる取り組みが並行していることです。
この関係からは、海外モデルの全面的な利用停止よりも、用途に応じて構成を選べるようにする方向性が読み取れます。
これは公表済みの取り組みを踏まえた編集上の整理であり、Sawaraの最終的な提供仕様を示すものではありません。
防衛分野の活用と聞くと、兵器の自律制御まで連想しがちです。
しかし、今回の開発計画からその用途を断定する根拠はありません。
まずは、すでに公式に説明されている事業の範囲を確認する必要があります。
Sakana AIは8月24日、7月29日付で防衛省と「総合分析業務に必要なAI機能の調査・実証」に関する契約を締結したと公表しました。
情報収集の効率化、分析能力の向上、体系的な情報管理という観点から、情報分析官の業務を支援する取り組みです。
これはSawaraの報道以前から存在する契約です。
国産モデル開発を考える背景にはなりますが、Sawaraがこの案件で採用済みだという証拠にはなりません。
契約の存在、技術の実証、新モデルの将来用途は別々の事実として読む必要があります。
サイバー分野についても、Sakana AIにはFugu-Cyberという既存の取り組みがあります。
同社は7月21日の公式発表で、脆弱性の調査や脅威情報の分析を支援するモデルを説明する一方、高性能なモデルへのアクセスだけで企業の防御が完成するわけではないとしています。
AIが脆弱性の候補を挙げても、その環境で本当に問題が起きるか、修正によってサービスに不具合が出ないかは別途確かめなければなりません。
発見の速さと、修正を安全に運用へ反映する能力は異なるからです。
今後、Sawaraのサイバー性能が示される場合も、評価問題の成績と実環境での有効性を区別する必要があります。
現時点でFugu-Cyberの評価結果をSawaraの性能として転用することはできません。
新モデルが何を得意とするかは、公開後の技術資料や検証を待つことになります。
自社で事前学習を行う意義の一つは、他社が提供する基盤モデルの仕様や提供方針に左右される範囲を減らせる可能性にあります。
ただし、AIを運用するにはモデル以外にも、半導体、計算基盤、ソフトウェア、電力、保守などが必要です。
Sawaraについて、これらすべてを国内調達する計画が確認できたわけではありません。
そのため、「国産モデルを開発する」と「米中依存を完全に解消する」を同じ意味で使うのは適切ではないでしょう。
また、国内企業のサービスでも、処理のために外部サービスへデータを送る構成かどうかによって、管理の条件は変わります。
機密情報を扱う用途なら、社名だけで判断せず、データの保存先、外部送信の有無、管理権限、契約条件を確かめる必要があります。
これはSawaraに特定の問題があるという指摘ではなく、導入時の一般的な判断材料です。
一つのモデルへの依存を避けるには、代替を用意する方法もあります。
切り替え先があっても必要な処理をこなせなければ、業務は継続できません。
モデルを変更した際の精度、応答時間、費用まで含めて評価することになります。
Fuguのような連携技術と自社モデル開発は、この問題に異なる側から取り組むものと考えられます。
ただし、代替可能性を持つ設計と、どの環境でも同じ性能を保証できることは別です。
実際の条件が公表されてから、用途ごとの比較が必要になります。
Sakana AIは2025年のシリーズB発表で、巨大なモデルをゼロからつくる競争とは異なる手法として、既存モデルの組み合わせや研究の自動化を説明していました。
今回の報道は、その企業が事前学習にも本格的に取り組む点で注目されます。
ただし、以前の手法をやめるという発表は確認できません。
自社モデル開発が加わったことと、従来技術を放棄したことは区別すべきです。
今後は、限られた資源で何を自社開発し、何を外部技術と組み合わせるのかが、開発戦略を評価する軸になります。
Sawaraに関心があっても、現段階では既存のSakana ChatやFuguの料金・利用条件を、そのまま当てはめることはできません。
新モデルがそれらに搭載されるか、別のサービスとして提供されるかによって、利用者が見る画面や契約も変わるためです。
確認した報道と公式資料の範囲では、Sawaraの一般向け料金、無料枠、利用登録の手順、API仕様、モデル配布のライセンスを確定できません。
日本語での性能や、個人のPCで動かせるかについても、名称や開発元だけでは判断できない状態です。
将来の利用を検討するなら、公開形態と対象者を先に確認し、次に必要な作業で使えるかを確かめる順序が適しています。
「国産だから試したい」という関心を、実際の選択へつなげるには具体的な提供条件が必要です。
モデルが公開された際には、総合ランキングだけでなく、使いたい場面に近い評価を確認したいところです。
日本語の文章作成、資料の読解、コードの調査では、求める能力が異なります。
企業向けなら、情報の扱いや供給継続性も判断に加わります。
個人利用なら、料金、待ち時間、操作のしやすさが実用性を左右するでしょう。
同じモデルでも使い方によって必要な計算量が変わるため、性能と費用は同じ条件で見比べる必要があります。
パラメーター数は規模を把握する材料ですが、それだけで使いやすさや正確さは決まりません。
公開後は、評価対象のバージョン、テスト条件、応答速度、利用制限が明示されているかを確認することで、発表時の期待と実際の使い勝手を切り分けられます。
Sawaraの計画を評価する際は、まず「どの能力と管理権限を自社で持つのか」を見てください。
そのうえで、一般利用の条件や実測性能が示された段階で、自分の用途に必要かを判断するのが妥当です。
Fuguとの関係を理解しておけば、国産モデルの開発と海外モデルの活用を、相反する選択肢と考える必要もなくなります。
次の発表では、公開日だけでなく、提供方法、データの扱い、運用条件まで確認すると、今回の計画が利用者にとって何を変えるのかを判断しやすくなります。
.png){kind=logo}
