Sakana AIが「Fugu Ultra v2」公開、複数モデルを自動振り分けするオーケストレーション型AIの実力

国内AIスタートアップのSakana AIが、複数の生成AIモデルをタスクに応じて自動で使い分ける新システム「Fugu Ultra v2」を公開した。同社の公式ブログによると、単一の「最強モデル」を追求する従来のアプローチから転換し、複数の専門モデルを協調動作させる「モデル・オーケストレーション」を製品化した点が最大の特徴だとしている。公開日については公式発表で確認が必要だが、2024年9月とみられる。

単一モデルから協調動作へ、発想の転換

生成AIの実用化が進むにつれ、コーディング、文章要約、多言語翻訳、推論などタスクごとに得意分野が異なることが明確になってきた。しかし、ユーザーが毎回最適なモデルを選ぶのは現実的ではない。Sakana AIはこの課題に対し、タスクの内容を解析し、適切な専門モデルへ自動でルーティングする仕組みを開発した。

同社の発表資料では、Fugu Ultra v2の核心部分について「モデル選択の負担をユーザーから取り除き、常に最適な出力を返すインテリジェント・ルーターとして機能する」と説明している。ルーター自体も軽量な言語モデルで構成され、ミリ秒単位で判断を完了する設計だという。

技術的アーキテクチャとベンチマーク結果

公開された技術レポートによると、システムは「ルーター」「専門モデル群」「統合レイヤー」の三層構造をとる。ルーターは入力プロンプトの意図を分類し、コード生成ならコード特化モデル、日本語文章なら日本語最適化モデル、複雑な推論なら大規模汎用モデルといった具合に振り分ける。複数モデルの出力が必要な場合は並列実行し、統合レイヤーでマージする。

同社が公開したベンチマークでは、HumanEval（コード生成）、MGSM（多言語数学推論）、JGLUE（日本語言語理解）の主要タスクで、単一の大規模モデル（GPT-4o相当）を上回るスコアを記録したとされる。特に日本語タスクでの改善幅が大きく、JGLUE総合スコアで約4ポイントの向上を示したという。ただし、具体的な数値の詳細は公式技術レポートでの確認が必要だ。

国内企業への導入実績と今後の展開

すでに複数の国内大手企業でPoC（概念実証）が完了している。金融機関の問い合わせ対応自動化では、法令解釈タスクには高精度推論モデルを、定型FAQには軽量高速モデルを割り当てることで、コストを約40%削減しつつ応答品質を維持できた事例が紹介されている。ただし、この事例の詳細な企業名や公開資料は明らかにされていない。

Sakana AIは今後、企業独自の専門モデルをシステムに組み込める「プライベート・オーケストレーション」機能を年内に提供する予定だとしている。また、オンプレミス環境での動作にも対応し、データ機密性の高い業務への適用範囲を広げる方針だ。

業界へのインパクトと競合動向

このアプローチは、米国の大手AI企業が「より大きな単一モデル」を志向するトレンドとは一線を画す。AnthropicのDario Amodei CEOやイーロン・マスク氏が「モデル開発のスピードとコストに限界が見えている」と発言したとの見方もあるが、具体的な発言ソースは確認されていない。既存モデルを賢く組み合わせる実用主義的なアーキテクチャとして注目される。

国内では、NTTや富士通なども類似のマルチモデル連携基盤を開発中とされるが、Sakana AIはスタートアップとしての機動力を生かし、API提供からエンタープライズ導入まで一気通貫で展開する強みを持つとみられる。今後の収益化とスケールアップが、国産AIエコシステムの転換点になり得るという見方もある。