Sakana AIは何がすごい？日本発AIスタートアップの技術・特徴を徹底解説
- Sakana AIは日本特化の生成AIを軸に、効率性と持続可能性を重視した独自の研究アプローチ
- 進化的モデルマージやM2N2など、小型モデルを協調させる独自アルゴリズムで開発コストを圧縮
- Fugu／Namazu／Marlinを2026年に相次いで商用化し、研究フェーズから実装フェーズへ移行
みなさん、Sakana AIという企業をご存知ですか？元Googleの研究者が東京を拠点に始めたAIスタートアップで、シリーズB調達後の企業価値は約4,320億円。日本のスタートアップとしては異例のスピードでユニコーンに到達した会社です。
しかも、いまのSakana AIは「研究がすごい会社」だけではありません。2026年に入ってから、マルチエージェントAI「Sakana Fugu」、日本語特化LLM「Sakana Namazu」、自律リサーチAI「Sakana Marlin」を立て続けに商用化しています。
ということで本記事では、Sakana AIとは何をしている会社なのかを、会社概要・創業者・中核技術・プロダクトまで一気に解説していきます。ぜひ最後までご覧ください！
＼生成AIを活用して業務プロセスを自動化／
2026年9月15日（火）12時05分より、AI博覧会で田村が登壇した内容を再構成したオンラインセミナーを開催！
AI新規サービスを売上につなげる進め方を事例付きで解説します！
Sakana AI社の概要
Sakana AI社は、東京を拠点とするAIスタートアップです。会社概要は以下の表のとおりです。
| 会社名 | Sakana AI株式会社 |
|---|---|
| 本社 | 東京都港区西新橋 |
| 創立日 | 2023年7月 |
| 創業者 | David Ha（CEO）・Llion Jones（CTO）・伊藤錬（COO） |
| 累計調達資金額 | 約520億円(2025年11月時点) |
| 企業評価額 | 約4,000億円規模（ユニコーン企業と報じられている） |
| 市場情報 | 非上場 |
【資金調達のタイムライン】
- 2024年1月：シード〜プレシリーズAで約45億円を調達
- 2024年9月：シリーズAで約300億円を調達
- 2025年11月：シリーズBを発表。発表時点では調達額約200億円、企業価値約4,000億円と公表
- 2026年2月：米CitiがMarkets Strategic Investments部門を通じて戦略出資。同部門にとって日本初の出資案件（※3）
- 2026年4月：追加クローズを含むシリーズB総額が約320億円に拡大。累計調達額は約660億円、企業価値は約4,320億円へ（※2）
Sakana AIの創業者の経歴がすごい
元Google AIの研究者であるLlion Jones氏（以下：ジョーンズ氏）とDavid Ha氏（以下：ハー氏）、そして伊藤錬氏によって2023年7月に設立されました。
この3人、それぞれ経歴がかなりすごいんですね
ジョーンズ氏は、2017年に発表された生成AI革命のきっかけとなった論文「Attention Is All You Need」の8人の著者の1人。10年以上Googleに勤めた後、退社しました。
ハー氏は2016年にGoogle Brainに入社し、2017年にGoogle Brainの東京チームトップ。2022年にGoogleを退社し、Stability AIの研究トップとして活動していましたが、2023年6月に退社しました。
ちなみに、社名に使われている「Sakana（魚）」という言葉。これは、自然の原則に基づいた集合知を象徴しているんだとか。生物の模倣（biomimicry）をAI開発に落とし込もうとする企業哲学やビジョンに反映されていますね。
生成AIツールの開発方法について詳しく知りたい方は、下記の記事を合わせてご確認ください。
Sakana AI はなぜ日本の東京を拠点とするのか
それにしても、なぜ東京を選んだんでしょうか？
それにはいくつか戦略的な理由があるそうです。まずは、国際的な都市であること。AI技術の研究や開発に適した環境が整っています。
さらに、高度な教育を受けた人材が多いこと。そのため、北米での研究者獲得競争を避けることもできるんだとか。
という理由で、我が国の東京が拠点として選ばれたわけです！
Sakana AIのSakana Marlinについて詳しく知りたい方は、以下の記事をご覧ください。
Sakana AIのミッションやビジョン
Sakana AIは、生物の模倣（biomimicry）に基づいた柔軟で適合性の高いAIモデルを開発しようとしています。
もっと分かりやすく、魚や蜂を想像してみましょう。魚は、群れに合わせて泳ぎ、時には大きな敵を追い払います。蜂も同様です。全員で巣をつくり、餌を女王蜂に運びますが、天敵が来たら一斉攻撃です。このように自然界にあるシステムは、その状況に合わせ対応します。
Sakana AIは、この考えをAI開発にも取り入れようというのです。多数の小さなAIモデルを開発し、協力させ、複雑な結果を出力するという新しいアプローチ。これはまさに、先程の魚や蜂のようです。さらに面白いのは、このアプローチはものすごくチャレンジフルということ。話題の大規模AIシステムの構築は、柔軟性もなく、あとから手を加えにくいという理由から、建築物に例えられます。この本流に逆らうように、企業哲学や技術力を活かし、Sakana AIは、万能な生成AIの開発中。
この方針は、経営陣の言葉にもはっきり表れています。経済産業省のMETI Journal ONLINEに掲載されたインタビューで、共同創業者の伊藤錬氏は創業時から「米国の後追いは絶対にしない。そして、ちゃんと使えるものをつくる」という方針を掲げてきたと語っています。（※4）
米国と同じ土俵に立つということは、モデルを大きくするための資金力勝負に持ち込まれるということ。それでは米国以外の国に勝ち目がない、という判断です。
そこでSakana AIが狙うのが、企業の現場に眠る「暗黙知」をAIに落とし込むことです。例えば、銀行の住宅ローン審査は、顧客データをすべてAIに入れれば判断できるというものではありません。行員が経験のなかで積み上げてきた判断基準が効いていて、その蓄積は「海のように」広い。この言語化されていないノウハウを引き出してAIに実装することこそ、これまでの技術ではできなかった領域だと伊藤氏は指摘しています。（※4）
だからこそ、Sakana AIの提携先は金融・製造・防衛といった日本の基幹産業に集中しているわけですね。汎用モデルの性能競争ではなく、産業ごとの実務にどこまで食い込めるかで勝負している点が、他社との一番の違いといえます。
そして2026年、その方針は具体的なプロダクトとして形になりました。マルチエージェントAI「Sakana Fugu」、日本語特化LLM「Sakana Namazu」、自律リサーチAI「Sakana Marlin」が相次いで商用化されています。
Sakana AIは何ができるの？
Sakana AIは、複数のAIモデルを組み合わせ、新たな基盤モデルを自動的に生成する「進化的モデルマージ」という手法を開発しています。 この手法により、従来の大量のデータや計算資源に依存せず、高性能なAIモデルの効率的な開発が可能となりました。
具体的には、以下のモデルを開発しています。
| 開発名称 | 特徴 | 活用事例 | オープンソース化 |
|---|---|---|---|
| EvoLLM-JP | 日本語での自然言語理解と数学的推論を組み合わせた言語モデル | ・日本語の数学学習支援 | 公開 |
| EvoVLM-JP | 日本語での画像説明や質問応答が可能な画像言語モデル | ・商品画像の説明文作成 | 公開 |
| EvoSDXL-JP | 高速な日本語画像生成モデル | ・画像生成 | 非公開 |
さらに、2024年8月13日にSakana AIは「AIサイエンティスト」と呼ばれるシステムを公表し、研究アイデアの創出から実験の実行、論文の執筆・査読まで、科学研究のプロセスを自動化する取り組みも行っています。
また、2025年1月30日に小規模日本語言語モデル「TinySwallow-1.5B」を公開しました。小規模のため、APIなどを介さず、スマートフォンやパソコン内で完結してチャットができるようです。
このように、さまざまな日本語に特化した最新モデルを作っている企業がSakana AI社です。
Sakana AIが開発している主なAIモデル一覧
| モデル名 | 用途 | 特徴 | 公開形態 |
|---|---|---|---|
| EvoLLM-JP | 日本語言語モデル（LLM） | 日本語の自然言語理解と数学的推論を組み合わせた言語モデル。研究・実験用途向け。 | 公開（Hugging Face） |
| EvoVLM-JP | 画像言語モデル（VLM） | 画像の内容説明や質問応答を日本語で行える画像言語モデル。 | 公開（Hugging Face） |
| EvoSDXL-JP | 画像生成モデル | 日本語プロンプトに対応した高速な画像生成モデル。 | 非公開（研究用途） |
| TinySwallow-1.5B | 小規模日本語LLM（SLM） | 1.5Bパラメータの軽量モデル。ローカル環境での実行が可能。 | 公開（公式サイト） |
| Llama-3-EvoVLM-JP-v2 | 画像言語モデル（VLM） | 複数画像をまたいだ質問応答に対応した日本語VLM。 | 公開（Hugging Face） |
| Evo-Ukiyoe | 画像生成モデル | 日本語プロンプトから浮世絵風の画像を生成できる。 | デモ版公開（公式サイト） |
| Evo-Nishikie | 画像生成モデル | 単色摺の浮世絵をもとに、多色摺（錦絵）風の画像を生成する。 | デモ版公開（公式サイト） |
| Sakana Fugu | マルチエージェント・オーケストレーション | 複数のフロンティアモデルを自動で使い分ける司令塔モデル。低遅延で日常タスク向け。 | 商用API・Sakana Chat |
| Sakana Fugu Ultra | マルチエージェント・オーケストレーション | より深いエージェント群を動員し、難易度の高い多段タスクで精度を最大化した上位版。 | 商用API |
| Fugu-Cyber | サイバーセキュリティ特化 | 脆弱性解析・脅威インテリジェンス向けのオーケストレーションモデル。 | 商用API |
| Sakana Namazu | 日本語特化LLM | Kimi K2.6をベースに、日本語と日本の商習慣へ最適化。Web検索とコード実行を内蔵。 | 商用API・Sakana Chat |
| Sakana Marlin | 自律リサーチエージェント | 最大約8時間自律で調査し、最大100ページ規模のレポートとスライドを生成。 | 商用サービス |
Sakana AIのモデルは、大きく2層に分かれます。ひとつは進化的モデルマージの成果をHugging Faceなどで公開してきた研究モデル。もうひとつは、2026年に本格化したAPI・Webサービスとしての商用プロダクトです。前者は研究・教育目的、後者は業務利用が前提と、ライセンスの考え方がまったく違うので、そこを分けて把握しておくとよいでしょう。
Sakana AIの中核技術：進化的モデルマージ・M2N2・CycleQD・TAIDとは
Sakana AIは、単に大規模なAIモデルを作るのではなく、複数のモデルを組み合わせ、進化させることで性能を高める独自の研究アプローチを採用しています。
ここでは、Sakana AIを特徴づける代表的な中核技術について、順に見ていきましょう。
進化的モデルマージ（Evolutionary Model Merge）
進化的モデルマージは、複数の既存AIモデルを「交配」させるように組み合わせ、進化的アルゴリズムによって性能の高いモデル構成を自動的に探索する手法です。
従来のAI開発では、大量のデータと計算資源を使ってモデルを一から再学習させる必要がありました。一方、進化的モデルマージでは、すでに学習済みのモデル資産を活用しながら改良を重ねるため、計算コストを抑えつつ、高性能なモデルを生み出せる点が特徴です。
この考え方は、計算資源の大量消費に依存しない「持続可能なAI開発」という観点でも注目されています。
M2N2（自然のニッチを模したモデルマージ）
M2N2（Model Merging of Natural Niches）は、進化的モデルマージをさらに一歩進めた手法です。2025年8月に進化計算の国際会議GECCO’25で発表され、ベストペーパーの次点に選ばれました。（※5）従来の進化的モデルマージは、「第1層はモデルA、第2層はモデルB」というように、あらかじめ決められた層の境目でモデルを切り貼りしていました。M2N2はこの境目そのものを進化の対象にします。
モデルのパラメータを1本の長い配列として扱い、どこで切り替えるかという分割点を探索するため、「モデルAのこの層の前半30％だけを取り込む」といった柔軟な組み合わせが可能になります。Sakana AIはこれを、染色体をまるごと交換するのではなく、可変長のDNA断片を交換するようなものだと説明しています。（※5）
さらにM2N2には、生物の生態系を模した2つの仕組みが組み込まれています。
- 競争：限られたデータを奪い合わせることで、モデルごとに得意分野（ニッチ）を分化させる
- 誘引：互いの弱点を補い合えるモデル同士を優先的にペアにして融合させる
そして実用面で見逃せないのが、勾配計算（誤差逆伝播）を必要としない点です。学習済みモデルの重みを組み合わせて評価するだけなので、再学習用のデータもGPUを長時間回す必要もありません。
つまり、巨額の計算資源を投じてモデルを一から鍛える開発競争とは、まったく別の土俵で性能を引き上げられるということ。Sakana AIとは何がすごいのかを一言でいえば、この「土俵をずらす」発想そのものだといえますね。
CycleQD（多様性を重視した進化フレームワーク）
CycleQDは、複数のLLMエージェントを集団として進化させるためのフレームワークです。
単一の最適解を目指すのではなく、多様な特性を持つ小型モデル群を同時に育てる点が特徴となっています。この仕組みにより、用途やタスクごとに得意分野の異なるモデルを生み出しやすくなります。
結果として、特定の目的に最適化されたAIを柔軟に組み合わせて使えるようになるのです。Sakana AIが目指す「多数の小さなAIが協調する」という思想は、このCycleQDの考え方にも色濃く反映されています。
TAID（段階的知識蒸留）
TAID（Temporally Adaptive Interpolated Distillation）は、大規模モデルから中規模、さらに小規模モデルへと、段階的に知識を引き継ぐための知識蒸留手法です。
いきなり小型モデルに知識を詰め込むのではなく、段階を踏んで情報を移すことで、性能低下を抑えながら軽量化を実現します。この技術により、高性能でありながら、ローカル環境でも動作可能なモデル開発が可能になります。
Sakana AIが公開している小規模日本語LLM「TinySwallow-1.5B」は、このTAIDを背景技術として開発されたモデルです。
Sakana Fugu / Fugu Ultra（マルチエージェント・オーケストレーション）
ここまで見てきた「小さなモデルを協調させる」という発想を、そのまま製品にしたのがSakana Fuguです。2026年6月22日にリリースされました。（※6）
Fuguの正体は、世界中のフロンティアモデルを自動で使い分け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。タスクを受け取ると、どのモデルにどの工程を任せるか、結果をどう検証して統合するかまでを内部で判断します。
面白いのは、使う側からはその複雑さがまったく見えないこと。外から見れば、ただ1つのモデルAPIを叩いているだけです。Fuguには2つのバリエーションがあります。
| バリエーション | 内容 |
|---|---|
| Fugu | 応答の速さと品質のバランス重視。日常的なコーディングやコードレビュー、対話型サービス向けの標準モデル |
| Fugu Ultra | より深いエージェント群を動員して回答品質を最大化。Kaggleコンペや論文再現、セキュリティ分析など、難易度の高い多段タスク向け（そのぶん応答は遅め） |
APIはOpenAI互換なので、既存コードのbase_urlを差し替えるだけで移行できます。OpenRouterやVercel経由での利用も可能です。（※6）
気になるベンチマークは以下のとおりです。
実在のリポジトリを使うソフトウェア開発ベンチマークSWE-Bench Proで、Fugu Ultraは73.7を記録。Sakana AIは、単体のフロンティアモデルと同等以上の水準だとしています。（※6）
なお2026年7月にはサイバーセキュリティ特化の「Fugu-Cyber」、同月末にはCLIから使えるFugu-Ultra v1.1が登場しており、更新ペースはかなり速めです。
Sakana AIのSakana Fuguについて詳しく知りたい方は、以下の記事をご覧ください。
AIサイエンティストとAIコンステレーションが目指す未来
Sakana AIは、AIを単なるツールとして使うのではなく、AIそのものが研究や思考のプロセスに関わる未来を見据えた取り組みも進めています。
ここでは、その象徴的なプロジェクトである「AIサイエンティスト」と「AIコンステレーション」について解説します。
AIサイエンティストとは
AIサイエンティストとは、研究アイデアの生成から実験の実行、論文の執筆、さらには査読までを、AIが自律的に進めることを目指した研究プロジェクトです。
従来の研究では、人間が仮説を立て、実験計画を作り、結果をまとめる必要がありました。AIサイエンティストでは、これらの工程を複数のAIエージェントが分担しながら自動化します。人間は研究の方向性を与え、結果を評価する役割に集中できるようになります。
この仕組みは、研究スピードの向上だけでなく、新しい発想や視点を生み出す可能性がある点でも注目されています。
AIコンステレーションとは
AIコンステレーションは、NTTとの共同研究で発表された取り組みです。ひとつの巨大なAIにすべてを任せるのではなく、小さく賢い複数のLLMが「星座（コンステレーション）」のように協調して問題を解決するという考え方が採用されています。
それぞれのモデルが得意分野を持ち、状況に応じて役割分担を行うことで、効率性と柔軟性の両立を目指しています。これは、計算資源を抑えつつ高い性能を引き出すアプローチとしても注目されています。
日本の通信インフラを担うNTTとの連携は、この技術を社会実装につなげる重要な一歩といえるでしょう。
日本文化に特化したSakana AIのモデルが登場！
2024年7月21日、Sakana AIは日本文化をリスペクトしたAIモデルを発表しました。それは……
- 浮世絵風画像生成AI「Evo-Ukiyoe」
- 浮世絵カラー化画像生成AI「Evo-Nishikie」
以上の2モデル！ともに日本伝統の意匠と色彩が表現できる、これまでにない画像生成AIです。（※1）
以下、そんなEvo-Ukiyoe / Evo-Nishikieの概要をみていきましょう！
「Evo-Ukiyoe」の概要
Sakana AIの「Evo-Ukiyoe」は日本語のプロンプトから浮世絵風画像が生成できる画像生成AI（Text-to-Imageモデル）です。（※1）下記のような、浮世絵ならではの風合いを再現しながら……
- 木版印刷による輪郭線
- 色
- 構図
- 浮世絵的なしぐさ・表情
- 紙・印刷の風合い
- 劣化による味
桜 / 富士山 / 着物からパソコン / ハンバーガーまで画像生成できるのが特徴です。
このEvo-Ukiyoeのベースとなったのは、同社の画像生成AI・Evo-SDXL-JP。こちらに……
Evo-Ukiyoeのデータセット
- 立命館大学アート・リサーチセンター所蔵の浮世絵から厳選した24,038枚
- 大規模マルチモーダルモデルと人力で追加したキャプション
上記データセットを使ってのファインチューニング（LoRA）が施されています。
「Evo-Nishikie」の概要
一方、Sakana AIの「Evo-Nishikie」は単色摺の浮世絵から多色摺の浮世絵（錦絵）風画像を生成する画像生成AI（Image-to-Imageモデル）です。（※1）線画とその内容を示すプロンプトをもとに、錦絵風の色がついた新規画像を生成します。
こちらでは先ほどのEvo-Ukiyoeをベースに……
Evo-Nishikieのデータセット
- 多色摺の浮世絵24,038枚
- 上記を線画に変換したもの
- カラー化を指定する固定のプロンプト
を使ってControlNetによる学習が施されています。入力画像の特徴を保ったままの着彩・生成が可能です。
Evo-UkiyoeとEvo-Nishikieの使い方
ここからはEvo-UkiyoeとEvo-Nishikieの使い方を、画像付きでお伝えしていきます。まずは、Evo-Ukiyoeのデモ版の使い方から、みていきましょう！
Evo-Ukiyoe（デモ版）の使い方
Evo-Ukiyoeのデモ版は、下記リンクからログインなし・無料で使えます。
ということで、まずはこちらにアクセスしてみましょう！すると……
このように入力欄付きのデモページに移ります。あとは上図赤枠の順番に……
- プロンプトを入力
- 詳細設定
を行って「Run」ボタンを押すだけ！しばらく待つと浮世絵風の画像が生成されます。
そして、詳細設定については……
- ネガティブプロンプト：除きたい要素の指定
- シード値：プロンプトに対する生成物の自由度の指定
が可能です。
なお、Evo-Ukiyoeで画像生成を試す際の注意点は、下記のとおりになります。
- 着物 / 富士山 / 桜 / 鳥…etc.浮世絵的モチーフの生成が得意
- 逆に、コンピューター / ハンバーガー…etc.浮世絵にないモチーフは苦手
- 人物の描き分けも苦手
→Tips：男性を生成する場合は、ネガティブプロンプトに「女性」と入れる必要がある
それでは、実際にEvo-Ukiyoeでの画像生成を試していきましょう！
鎧兜を着た猫が龍神と戦っています。
「鎧兜を着た猫」までは描けましたが、龍神と戦う構図は反映されませんでした。一文が長いと、構図の指示が落ちるようです。文章を区切ったうえで浮世絵にないモチーフを混ぜてみましょう。
大阪城があります。その上を西洋風のドラゴンが飛んでいます。
西洋風のドラゴンもきちんと浮世絵風に描写されました。ただし上下の位置関係までは再現されておらず、やはり構図の理解は苦手なようです。
最後に、下記のプロンプトも試してみます。
アニメ風の最高のツインテール少女
和風ではあるものの、浮世絵ではない画像が生成されました。ベースとなったEvo-SDXL-JPの影響が強く出た結果ですね。
Evo-Nishikie（デモ版）の使い方
Evo-Nishikieのデモ版についても、下記リンクからログインなし・無料で利用可能。早速アクセスしてみると……
こちらも入力欄付きのデモページに移りました。ここからは、上図赤枠の順番に……
- 画像をアップロード
- プロンプトを入力（生成したい色・対象物の情報）
を行うだけで色付きの浮世絵が返ってきます。
実際に、著者手製の浮世絵風イラスト2点で試していきましょう。
梅花柄の着物を着た女性が立っています。出力結果はこちら
顔のパーツにも着物の柄にも、適切な色が乗りました。
続いては、下記の画像&プロンプトについても試してみましょう！
黄色い虎が赤い手鞠をついています。出力結果はこちら
色がついたのは虎の上半分だけで、手鞠を含む下半分は無彩色のまま。着彩の精度にはばらつきがあるようです。ただ、線画そのものの再現能力は2回とも安定していました。入力画像の構造を保ったまま色をつけるという用途では、十分に実用的といえます。
落書きから美麗イラストを生成するAIモデルについて詳しく知りたい方は、下記の記事を合わせてご確認ください。
Sakana AIの商用利用とライセンス
Sakana AIのライセンスは、プロダクトによってはっきり分かれています。ここを混同すると事故につながるので、必ず押さえておきましょう。浮世絵風画像生成AI「Evo-Ukiyoe」やカラー化AI「Evo-Nishikie」は、研究・教育目的で公開されたモデルです。商用利用は想定されていないため、広告や商品展開といった営利目的での使用は避けてください。
一方、2026年に商用化されたSakana Fugu・Sakana Namazu・Sakana Marlinは、法人利用を前提とした有償プロダクトです。Fuguは月20ドルのStandardから月200ドルのMaxまでのサブスクリプションと、トークン従量課金の両方が用意されています。Marlinは無料枠付きの従量課金に加え、Pro・Team・Enterpriseの月額プランが提供されています。（※6・※7）
また、Webサービスの「Sakana Chat」ではFuguとNamazuがメールアドレス登録のみで無料利用でき、2026年8月のアップデートでコード実行やファイル添付にも対応しました。（※8）
【利用できる範囲】
- 個人の趣味や学習、研究
- 教育現場での教材作成や授業内での活用
- 日本文化・美術への理解促進のための非営利コンテンツ
利用時には規約やガイドラインをよく確認し、商用利用や二次配布などは禁止事項に該当しないよう十分注意が必要です。
Sakana AIを使用する際の注意点
Sakana AIはプロダクトが増えたぶん、注意すべきポイントもプロダクトごとに変わってきました。代表的な4つを挙げます。
ライセンスの線引きを間違えない
前章のとおり、Evo-Ukiyoe / Evo-Nishikieは研究・教育目的のみで商用利用は不可、Fugu / Namazu / Marlinは商用可です。研究モデルの出力を業務資料や広告にそのまま流用しないよう気をつけてください。
従量課金のコストが読みにくい
Fuguはマルチエージェント構成のため、1回のリクエストで内部的に複数のモデルが動きます。入力したプロンプトが短くても消費トークンが膨らむことがあるので、本番投入の前に小さなタスクで実測しておくのが安全です。（※6）
機密情報の取り扱いに注意する
Sakana Chatは無料で手軽に使えますが、業務データや個人情報をそのまま貼り付けるのは避けましょう。社内利用を前提にするなら、API経由で自社環境から呼び出す構成を検討してください。
生成結果は必ず人が確認する
FuguもNamazuも複数モデルを組み合わせて精度を高めていますが、誤りがゼロになるわけではありません。Web検索やコード実行の結果も含め、最終判断は人が行う運用を前提にしてください。画像生成についても、AIが苦手とする複雑な構図や現実に存在しないモチーフは思いどおりにならないことがあり、著作権や公序良俗に反していないかの確認も欠かせません。
よくある質問（FAQ）
Sakana AIをご利用いただくにあたって、よくある質問や不安な点をまとめました。初めての方でも安心してご利用いただけるよう、ぜひ事前にご覧ください。
Sakana AIのこれからに要注目！
Sakana AIは元Google AIの研究者であるLlion Jones氏とDavid Ha氏を中心に、日本で創業したスタートアップ企業です。日本に特化した生成AIの開発が進んでいるため、このまま海外の生成AIを追い抜くほどの成長が見られることに期待ですね。
近年のSakana AIは、計算資源を大量に投入する「総当たり型」の開発競争ではなく、既存モデルの活用や小型モデルの協調によって性能を高める、効率性を重視したAI開発を打ち出しています。これは、日本に最適化されたソブリンAIの実現を見据えた取り組みともいえるでしょう。
そして2026年、Sakana AIは研究フェーズから実装フェーズへと明確に舵を切りました。マルチエージェントAI「Sakana Fugu」、日本語特化LLM「Sakana Namazu」、自律リサーチAI「Sakana Marlin」が相次いで商用化され、金融や防衛といった日本の基幹産業との連携も動き出しています。
Sakana AIとは何をしている会社かと聞かれたら、いまは「日本の産業に眠る暗黙知をAIに実装しようとしている会社」と答えるのが一番近いかもしれませんね。
浮世絵風画像生成AI「Evo-Ukiyoe」のような文化寄りの研究から、金融・防衛の実務支援まで。この振れ幅の大きさそのものがSakana AIらしさともいえます。非上場ながら企業価値は約4,320億円に到達しており、今後の動きから目が離せません。
最後に
「生成AIで新しいプロダクトを作りたい」「もっと本格的に生成AIを業務に組み込みたい」とお考えの方は、ぜひ株式会社WEELにご相談ください。
開発実績として、
・新規事業室での「リサーチ」「分析」「事業計画検討」を70％自動化するAIエージェント
・社内お問い合わせの1次回答を自動化するRAG型のチャットボット
・過去事例や最新情報を加味して、10秒で記事のたたき台を作成できるAIプロダクト
・お客様からのメール対応の工数を80％削減したAIメール
・サーバーやAI PCを活用したオンプレでの生成AI活用
・生徒の感情や学習状況を踏まえ、勉強をアシストするAIアシスタント
などの開発実績がございます。
生成AIを活用したプロダクト開発の支援内容は、以下のページでも詳しくご覧いただけます。
➡︎株式会社WEELのサービスを詳しく見る。
アイデア段階でも構いません。まずは無料相談でお気軽にご相談ください。
➡︎生成AIを活用したプロダクト開発・業務効率化について相談する
「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、通勤時間に読めるメルマガを配信しています。
最新のAI情報を日本最速で受け取りたい方は、以下からご登録ください。
また、弊社紹介資料もご用意しておりますので、併せてご確認ください。
※2：Sakana AI「シリーズBラウンドにおける資金調達について」
※3：Citi「Citi Makes Strategic Investment in Sakana AI To Advance Innovation in Financial Services」
※4：経済産業省 METI Journal ONLINE「Sakana AIはなぜユニコーンとなったのか。日本発ディープテックの革新的な挑戦とは…」
※5：Sakana AI「M2N2: Model Merging of Natural Niches」
※6：Sakana AI「Sakana Fugu — Multi-agent System as A Model」
※7：Sakana AI「Sakana AI、初の商用プロダクト「Sakana Marlin」を提供開始」
※8：Sakana AI「Sakana Chatがアップデート：「Sakana Fugu」と新世代「Sakana Namazu」が利用可能に」
