Sakana Fuguとは？Codex Fuguの使い方・料金・OpenRouter比較

この記事の結論

• Sakana Fuguは、単体の巨大LLMではなく、複数の強力なモデルを背後で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APIです。
• 外からはOpenAI互換の1つのモデル/APIのように扱えますが、内部ではタスクに応じて複数の専門エージェントが協調します。
• Codex Fugu、codex-fugu、fugu codexは公式の別製品名というより、CodexからSakana Fugu / Fugu Ultraを使いたい検索文脈として受け止めるのが安全です。
• Fuguは日常的なコーディングやコードレビュー向けの標準モデル、Fugu Ultraは難しい多段階推論や研究・調査向けの上位版です。
• 料金、model ID、base URL、tool calling、context window、提供地域、データ利用、内部モデル非公開は、Sakana公式APIとOpenRouter経由で分けて確認します。

検索意図別：この記事で読む場所

Codex Fugu / codex-fugu とは何を指している？

Codex Fugu、codex-fugu、fugu codexで調べている人の目的は、おそらく「Sakana Fugu / Fugu UltraをCodexのモデルとして使えるのか」「どの値を設定すればよいのか」「料金や秘密情報は大丈夫か」の3つです。公式の製品名としてはSakana Fugu / Fugu Ultraを確認し、検索上のCodex Fuguは、CodexからFugu系モデルを使う文脈の呼び方として扱うのが安全です。

結論から言うと、公式情報ではSakana FuguはOpenAI互換APIとして提供され、FuguはCodexのようなcoding / code review用途に自然に合うと説明されています。ただし、実際にCodexへ渡す前に、公式consoleでbase URL、model ID、APIキー、利用地域、料金、データ利用を確認し、Codex側ではprovider/auth系をユーザーconfigで扱う点を確認する必要があります。

• まず全体像を知りたいなら、この親記事でSakana Fugu / Fugu Ultraの仕組み、料金、注意点を確認する。
• 実際にCodexへ設定したいなら、Codex連携子記事でconfig.toml、env_key、Windows / PowerShellの注意点を見る。
• 月額と従量課金を見積もりたいなら、料金子記事でFugu Ultra単価、272K超、長文レビュー時の増え方を見る。
• OpenRouterと迷っているなら、比較子記事でモデルルーティングとマルチエージェントAPIの違いを見る。

2026年6月22日に何が発表されたのか

Sakana AIは2026年6月22日、Sakana Fuguの一般提供開始と、上位モデルであるFugu Ultraを発表しました。公式リリースでは、Sakana Fuguを「マルチエージェントシステムを1つのモデルAPIとして提供する」プロダクトとして説明しています。

重要なのは、これは単に新しいチャットAIが1つ増えたニュースではないことです。Fuguは、ユーザーが1つのAPIを呼ぶだけで、内部では複数のモデルやエージェントを選び、役割分担し、検証し、最終回答へ統合する仕組みです。個人開発者にとっては、モデル選び、単一ベンダー依存、料金、Codex連携をまとめて考えるきっかけになります。

Sakana Fuguをひとことで言うと

Sakana Fuguは、日本発企業が提供するOpenAI互換のマルチエージェント・オーケストレーションAPIです。単体の国産LLMというより、複数のモデルを束ねる集合知の入口として見ると理解しやすいです。

既存のGPT、Claude、GeminiのAPIは、多くの場合ユーザーが特定モデルを選びます。Fuguでは、外側の呼び出し口は1つでも、内側ではタスクに応じてモデル選択、委譲、検証、統合が行われます。ユーザーが毎回どのモデルに投げるかを決めるのではなく、Fugu/Fugu Ultraという入口を選び、その先の協調はシステムに任せる設計です。

FuguとFugu Ultraの違い

Fuguは、普段のコードレビュー、調査、チャット、開発支援に向く標準モデルとして説明されています。一方のFugu Ultraは、AI研究、論文再現、Kaggleのような競技的分析、サイバーセキュリティ分析、文献・特許調査など、時間がかかっても深い推論がほしい場面向けです。

なぜFable / Mythos停止リスクと関係するのか

Sakana AIのリリースは、AnthropicのFable / Mythosモデルをめぐる輸出規制や提供停止リスクを、単一ベンダー依存の例として扱っています。つまりFuguは、特定の1社や1モデルだけに依存せず、背後のエージェントプールを差し替えられる設計思想を前面に出しているわけです。

ただし、ここは慎重に読む必要があります。Fuguが単一ベンダー依存を下げる方向の仕組みであることと、Fugu自体の提供条件、価格、内部モデル、規制リスクがゼロになることは別です。Fable / Mythos停止リスクの詳しい整理は、既存のAI API依存リスク記事で扱っています。

仕組み：ユーザーは1モデルを呼ぶだけ、内部では複数エージェントが協調する

公式説明では、Fugu自体が言語モデルであり、エージェントプール内のさまざまなLLMを呼び出すように学習されています。必要に応じて自分自身を再帰的に呼び出すこともあり、単純なルーティング表ではなく、タスクに応じて協調の形を作る設計です。

技術的な背景には、ICLR 2026採択論文として示されているTRINITYとConductorがあります。AI開発横丁の読者向けに言い換えるなら、Fuguは「モデルを選ぶ人間の代わりに、どの専門家を呼び、どう会話させ、どう統合するかを学習したモデル」です。

ベンチマークの見方：どこが強く、どこを慎重に読むべきか

公式リリースでは、SWE Bench Pro、TerminalBench 2.1、LiveCodeBench、Humanity's Last Exam、CharXiv Reasoning、GPQA-D、SciCode、Long Context Reasoningなど、コーディング、科学、推論、長文文脈のベンチマークが並んでいます。Fugu Ultraが一部で高いスコアを示し、Fable 5 / Mythos Preview級に並ぶという表現も使われています。

Codexやコードレビューでどう使えるのか

公式リリースでは、FuguはCodexのようなツールでのcodingやcode reviewに自然に合うと説明されています。公式consoleのGet Startedでは、Sakana APIのエンドポイント、OpenAI互換SDKでの利用例、Codex CLI向けの設定方法も公開されています。

from openai import OpenAI
import os

client = OpenAI(
    base_url="https://api.sakana.ai/v1",
    api_key=os.environ["SAKANA_API_KEY"],
)

response = client.responses.create(
    model="fugu-ultra",
    input="このPRのリスクをレビューしてください。",
    timeout=120.0,
)

print(response.output_text)

Sakana FuguをCodexで使う前に確認すること

Codex連携の基本：base URL、model ID、APIキー

Codex側では、OpenAI Developersの設定ドキュメントにあるcustom model providerの考え方が参考になります。providerはbase URL、wire API、認証、必要に応じたHTTPヘッダーを定義し、APIキーはenv_keyで環境変数から読む構成にします。ここで重要なのは、Sakana側の実際の値を記事から写すのではなく、公式consoleで表示されたbase URLとmodel IDを確認してから、ユーザー側の~/.codex/config.tomlへ置くことです。

# ~/.codex/config.toml
# 値は例です。実際のbase_url、model、env_keyは公式consoleで確認してください。
model = "<公式consoleで表示されたmodel ID>"
model_provider = "sakana"

[model_providers.sakana]
name = "Sakana Fugu"
base_url = "<公式consoleで表示されたbase URL>"
env_key = "SAKANA_API_KEY"
wire_api = "responses"

FuguとFugu Ultraの使い分け

Windowsユーザーが注意すること

• 公式手順がUbuntu/macOS向けのワンラインを前提にしている場合、PowerShellではそのまま貼らない。
• 環境変数名と値を確認するとき、APIキーそのものをターミナルやログに表示しない。
• 作業リポジトリに.env、auth.json、設定ファイルのバックアップが混ざらないようgit statusで確認する。
• Codexに触らせるフォルダ、禁止操作、build/checkコマンドをAGENTS.mdやREADMEに書いてから使う。

OpenRouterや単体LLMと何が違うのか

OpenRouterは、複数のモデルを選びやすくするルーティングや統合の入口として便利です。Fuguはそれに近い問題意識を持ちながら、さらに内側で複数エージェントの協調まで行う点が違います。透明性やコスト制御を重視するならOpenRouter的な発想、難しい多段階タスクで集合知を使いたいならFugu的な発想が候補になります。

Sakana公式APIとOpenRouter経由の違い

料金とプラン：Fugu / Fugu Ultraを使う前に見るポイント

個人開発者は、月額プランの見た目だけで判断しない方が安全です。長文レビュー、リポジトリ調査、論文要約、Codexでの長時間作業ではトークン消費が膨らみます。Fugu Ultraは品質重視のモデルなので、まずは小さなタスクで1リクエストあたりのトークン量と応答時間を見てから、継続利用を判断しましょう。

OpenRouter Fusionとの違い

料金で見るFugu / Fugu Ultra：月額・従量課金・長文レビュー

• 月額プランは、軽い日常利用、週数回の集中作業、長時間ワークロードのどれに近いかで見る。
• Fugu Ultraはoutput単価が高いため、長文レビューで大量に説明させるほど費用が増えやすい。
• 272K tokensを超えるコンテキストでは高いレートが適用されるため、リポジトリ全体を丸ごと渡す発想は危ない。
• Fuguの従量課金は複数エージェント分を単純加算しない説明だが、どのモデル階層が関与するかで単一レートが決まる。
• 申込前にconsoleのusage表示、上限設定、請求アラート、オプトアウト設定を確認する。

実際に向いている作業、向いていない作業

親記事と子記事の読み分け

データ利用・内部モデル非公開・EU/EEA非対応の注意点

公式FAQでは、usage dataはFuguの性能改善に役立つ一方、学習利用はconsoleからオプトアウト可能と説明されています。また、Fuguが具体的にどの基盤モデルを選び、どう協調したかは独自技術として公開されません。Fuguでは特定モデルやプロバイダーを除外できますが、Fugu Ultraは性能のためフルエージェントプール固定です。

個人開発者は今すぐ使うべきか

結論として、AI APIを日常的に使い、コードレビュー、長文調査、実験、論文・仕様読み込みのような重いタスクがある人は、小さく試す価値があります。特に、単体モデルで回答が浅い、モデル選びに疲れている、Codexのレビュー品質をもう一段上げたい、という人には相性がよい可能性があります。

一方で、料金をまだ把握できていない、EU/EEAから使う、どのモデルが使われたか監査したい、データ利用のポリシーが厳しい、本番コードや秘密情報を扱う、という場合は様子見や限定利用が安全です。Fuguは便利な集合知の入口ですが、監査性とコストの読みやすさでは単体LLM APIの方が向く場面もあります。

導入前チェックリスト

• 公式consoleでbase URLを確認した
• 公式consoleでmodel IDを確認した
• APIキーを.envやOS環境変数に置き、Gitに含めない運用にした
• Codexに触らせるリポジトリ範囲を決めた
• AGENTS.md / README / 作業ルールを用意した
• 料金ページで最新単価を確認した
• Fugu Ultraを使うタスクを限定した
• 長文・多段階タスクでどれくらいトークンを使うか見積もった
• データ利用の設定・オプトアウト可否を確認した
• EU/EEAなど提供地域制限を確認した
• 失敗した場合のfallbackモデルや代替APIを決めた
• 出力を鵜呑みにせず、コード・料金・セキュリティ判断は人間が確認する

よくある失敗と確認ポイント

AI開発横丁としての結論

Sakana Fuguは、日本発のすごい単体LLMではなく、複数の強力なAIを1つのAPIの裏側で協調させる、日本発のマルチエージェント・オーケストレーションAPIです。この整理を間違えなければ、過剰な期待も、過小評価も避けやすくなります。

個人開発では、まずFuguをコードレビューや調査の小さな補助に使い、Fugu Ultraは難しい多段階タスクだけに絞るのが現実的です。Fable / Mythos停止で見えた単一ベンダー依存の問題、OpenRouterのようなモデル切り替え、Codexの長時間エージェント化をつなぐ存在として、今後のAI API選びで重要な選択肢になるでしょう。