結論: Fugu Ultraは難関ベンチマークSWE-Bench Proで73.7を記録し、AnthropicのFable 5・Mythos Preview級だと主張されています。しかし全て自社申告で独立検証はなく、「圧勝」ではありません。SWE-Bench ProやHumanity’s Last ExamはFable 5、MRCRv2はGPT-5.5、セキュリティ系CTI-REALMはClaude Opus 4.8が首位とされ、Fuguは肩を並べる場面も負ける場面もあります。
「Fugu Ultraは結局、ClaudeやGPTより強いの?」——気になるところですが、ベンチマークの数字は読み方を誤ると判断を間違えます。本記事は、煽らず・公平に、Fugu Ultraの実力を整理します。
製品の全体像は 別記事「Sakana Fuguとは」を、会社の背景は Sakana AIとは をご覧ください。比較対象のモデルは Claude Fable 5とは と Fable 5 vs Opus 4.8 が参考になります。
【2026年9月24日更新】この記事の最新情報
本記事はFugu Ultra v1.0（2026年6月）の発表をもとにしています。その後、7月24日にv1.1（最大7.9ポイント向上）、9月11日にv2とFugu Maxが発表されました。また、比較対象のFable 5は輸出規制による一時停止を経て7月1日に提供が再開されています。これらを追記・訂正しました。
第1章｜Sakana側の主張を正確に押さえる
まずSakana AIが何を主張しているかを正確に把握しましょう。要点は「Fugu UltraはSWE-Bench Proで73.7を記録し、Fable 5・Mythos Preview級の性能を、輸出規制リスクなしで提供する」という3点です。なお比較対象のFable 5は、米国の輸出規制により2026年6月12日から一時的に提供が停止されました。規制は6月30日に解除され、7月1日に提供は再開されています(詳細はこちら)。「規制で使えないモデルの代わりになる」という訴求が背景にあります。
第2章｜ベンチマーク別の“首位”を見る
重要なのは、Fugu Ultraがすべてのベンチマークで1位なわけではない、という事実です。主要ベンチの首位を並べると、勢力図はこうなります。
| ベンチマーク | 測る能力 | 首位とされるモデル |
|---|---|---|
| SWE-Bench Pro | 実務的なソフト開発 | Fable 5 |
| Humanity’s Last Exam | 難問の総合知力 | Fable 5 |
| MRCRv2 | 長文の文脈処理 | GPT-5.5 |
| CTI-REALM | セキュリティ/脅威分析 | Claude Opus 4.8 |
| (参考)Fugu Ultra | 複数モデルの連携 | 肩を並べる領域あり |
つまりFugu Ultraは「特定領域でトップ級に並ぶ」ものの、分野ごとに最強モデルは入れ替わるのが実態です。「最強」という一語で語るのは不正確です。
第3章｜最大の前提——すべて“自社申告”
ベンチマークを読むうえで絶対に外せない前提があります。現時点の数値はすべてSakana AIの自社申告で、独立した第三者評価はまだ出ていないということです。
なぜ自社申告に注意するのか
Sakana AIは過去に、性能を大きく見せた発表を独立検証で撤回した例(AI CUDA Engineer騒動)がある。手法が新しいほど“評価の抜け穴”を踏みやすい。数字は実測・第三者検証とセットで読むのが鉄則。
第4章｜“借り物”問題——強さの源泉はどこか
もう一つの論点が、Fuguの強さが「自社で学習したモデル」だけに由来するのかという点です。批判的な指摘では、Fuguは非公開の他社クローズドモデルの組み合わせに依存しており、「結局その他社から知能を“賃借”しているだけではないか」とされています。
これは弱点であると同時に、設計思想の表れでもあります。Fuguは「自前で最強を作る」のではなく「最強の部品を最適に束ねる」ことを狙っているからです。
自社はAI検索に「引用」されていますか?
AIの回答は複数モデルの連携から生まれる時代に入りました。仁頼の「GEO Hack」は、ChatGPT・Claude・Google AI Modeなど各AI検索での御社の引用状況を可視化し、SEOとAI検索を一貫設計で最適化します。まずは無料のGEO診断から。
第5章｜では、Fugu Ultraの本当の強みは何か
単体性能の一位争いではなく、Fuguの価値は別のところにあります。
- 集中リスクの回避:1社のモデルに依存せず、供給停止や規制に強い
- 規制の迂回:輸出規制対象モデルが使えない地域でも、代替の知能を確保できる
- 多重チェック:複数モデルの視点で、単体より見落としが減る
- 適材適所:タスクごとに最適なモデルを自動で選べる
言い換えれば、Fuguは「最速の単騎」ではなく「崩れにくいチーム」を売りにしている、という理解が正確です。
第6章｜結論——どう評価し、どう付き合うか
現時点の評価は次のように整理できます。「単体ベンチの王者ではないが、ベンダー依存リスクを下げたい用途では有力な選択肢」。導入を検討するなら、自社の実タスクで試し、独立検証の情報が出てくるのを待つのが賢明です。
ベンチマークが「上位だから常に正解とは限らない」という考え方は、AI全般に通じます。Fable 5 vs Opus 4.8 でも同じ視点を扱っています。
電話で相談できます
読みながら「うちの場合は？」と思ったら、そのまま電話で聞いてください
たとえば、こんなことを聞いていただけます。
- 生成AIを入れたいが、どの業務から始めるべき？
- ChatGPT・Claude・Gemini、自社に合うのはどれ？
- 小さく試して、効果をどう測ればいい？
受付：平日10:00〜18:00｜担当者が直接お答えします
「記事を見た」とお伝えいただくと、お話がスムーズです。
受付時間外の方・文章で相談したい方はこちら
✓ 相談・見積もりは無料 ✓ 営業電話やしつこい勧誘はしません ✓ 情報収集の段階でも大丈夫です
第7章｜性能以外の比較軸も忘れずに
モデル選びは、ベンチマークの点数だけでは決まりません。実務では、次の“地味だが重要”な軸が効いてきます。
| 比較軸 | 見るべきポイント |
|---|---|
| コスト | 同じ品質を、いくらで出せるか(従量単価・サブスク) |
| 応答速度 | 対話用途では遅延が体験を左右する |
| 可用性・規制 | 供給停止や輸出規制で使えなくなるリスク |
| 提供地域 | EU不可など、自社の利用地域で使えるか |
| 説明性 | なぜその答えになったかを追えるか |
Fuguの強みは、まさにこの“性能以外”——とりわけ可用性と規制耐性にあります。単体ベンチで多少劣っても、「1社依存を避けたい」「規制で使えなくなるのを防ぎたい」という企業にとっては、合理的な選択になり得ます。導入判断では、点数表だけでなく、この5軸を自社の優先順位で重み付けすることをおすすめします。
では、独立した第三者評価が出てきたら、何を見ればよいのでしょうか。注目すべきは「どのベンチで、どの条件で測ったか」です。同じ“73.7”でも、テスト項目や試行回数、採点方法が違えば意味が変わります。発表元が公式かどうか、再現可能な手順が示されているか——この2点を確認するだけでも、数字の信頼度はかなり見極められます。
そして最も確実なのは、自社の実タスクで小さく試すことです。ベンチマークは「平均的な強さ」を示しますが、あなたの業務に効くかは別問題です。普段の業務データで数件試し、単体モデルの出力と比べてみる。手間はかかりますが、点数表を眺めるより何倍も確かな判断材料になります。Fugu Ultraのように「複数モデルの連携」が売りのシステムは、特に“自社で触ってみないと分からない”性格が強いといえます。
まとめると、Fugu Ultraの性能は「期待を持って注視するが、過信はしない」のが正しい距離感です。新興のアプローチだからこそ伸びしろも大きい一方、評価がまだ定まっていません。発表される数字は出発点として受け止め、独立検証の蓄積と自社での実証を重ねながら、自社にとっての本当の価値を見極めていきましょう。焦って全面導入するより、検証しながら付き合うほうが、結果的に賢い選択になります。
v1.1・v2・Fugu Maxで何が変わったか
| 時期 | モデル | Sakana AIの発表内容 |
|---|---|---|
| 2026年7月24日 | Fugu Ultra v1.1 | v1.0比で最大7.9ポイント向上。特にProgramBenchとTerminal Bench 2.1で伸びた。Fable 5をモデルの組み合わせに含めずに、多くの指標でFable 5と同等以上。価格は据え置き |
| 2026年9月11日 | Fugu Ultra v2 | 図表を読む推論（Chartography）で48.3（Opus 5は27.3）、DeepSWEで74.3 |
| 2026年9月11日 | Fugu Max | 10の指標のうち6つで最高点。出力の料金はSonnet 5などより40〜60%安い |
いずれもSakana AI自身の発表で、第三者による独立した検証はまだ確認できません（2026年9月24日時点）。本記事で指摘した「自社申告」「他社モデルを部品として使う」という前提は、新しい版でも変わっていません。
一方で、同じ価格のまま性能が上がり、さらに安い選択肢（Fugu Max）が出た点は、利用者にとって実質的な変化です。料金の詳細はSakana Fuguの始め方｜料金とAPI設定、Fable 5の提供再開の経緯はFable 5の提供再開をご覧ください。
よくある質問(FAQ)
Q. Fugu UltraはGPTやClaudeより強いのですか?
分野によります。SWE-Bench ProやHLEはFable 5、長文処理はGPT-5.5、セキュリティはOpus 4.8が首位とされ、Fuguは一部で肩を並べる水準です。総合で最強とは言えません。
Q. SWE-Bench Proの73.7という数字は信頼できますか?
Sakana AIの自社申告値で、独立検証はまだありません。なお73.7はv1.0時点の値で、その後v1.1で最大7.9ポイントの向上が発表されていますが、これも自社発表です。参考値として扱い、第三者評価が出るのを待つのが安全です。
Q. なぜ『輸出規制リスクなし』が強調されるのですか?
発表当時（2026年6月）、比較対象のFable 5が米国の輸出規制で一時的に提供停止されていたためです。規制は6月30日に解除され、7月1日に提供は再開されています。Fuguは特定の1社のモデルに依存しないため、こうした供給の変動に強いと訴求しています。
Q. Fuguの性能は他社モデルのおかげなのでは?
その指摘はあります。Fuguは他社モデルも部品として使うため、強みの一部は外部依存です。これは弱点であると同時に『最適な部品を束ねる』設計思想の表れでもあります。
Q. 導入を判断するには何を見ればよいですか?
公開ベンチだけでなく、自社の実際のタスクで試すこと、そして独立した第三者評価の有無を確認することが重要です。
まとめ
- Fugu UltraはFable/Mythos級を主張するが全て自社申告
- 分野ごとに首位は入れ替わり『圧勝』ではない
- 強みは単体性能でなく“集中リスクの回避”と“規制迂回”
- 数字は独立検証・自社の実タスク検証とセットで読む
関連記事
- Sakana AIとは?日本発AIユニコーンの全貌
- Sakana Fuguとは?1つのAPIで全モデル統率
- Sakana Fuguの始め方｜料金とAPI設定
- AIオーケストレーションとは?Fuguの心臓部
- Sakana AIはなぜ日本発で世界に挑むのか
- Claude Fable 5とは|Opus超えMythos級が一般公開
- Claude Fable 5が公開3日で停止|米政府指令の全貌
- Fable 5 vs Opus 4.8|上位だから常に正解ではない理由
- LLMO・AIO・GEO・SEOの違いを一枚絵で整理
- AI検索の四半期総括2026春|信頼性の時代へ
「AIに選ばれる」次のステップへ
フロンティアモデルがどれだけ進化しても、AIに引用されるかは自社サイトの作り方次第。仁頼はSEOとAI検索の一貫設計で支援します。
STEP 1 ・ まずは無料で診断
AI検索セルフ診断ワークシート
ChatGPT・Claude・Perplexity・Google AI Overviewで自社が引用されるかを10分で確認。
株式会社仁頼 — BtoB企業のWebマーケティング・AI活用を一貫支援。AI検索最適化サービス「GEO Hack」運営。
株式会社仁頼 代表取締役。横浜市在住。 2018年からデジタルマーケティング業界に携わり、Google広告・SEO・コンテンツマーケティングを中心に8年以上の実務経験を持つ。これまでに制作した記事は9,000本以上、70名を超える専門ライターとのチーム体制で、幅広い業界のWebマーケティングを支援してきた。 2022年9月に株式会社仁頼を設立。「受けた御恩を忘れず、信頼を得られるよう迅速かつ最適な対応をする」という信念のもと、SEO・広告運用・サイト制作などのマーケティング支援を行っている。 近年は、ChatGPTやPerplexityなどのAI検索でサイトが引用される「GEO（生成エンジン最適化）」の分野にいち早く注力。自社サービス「GEO Hack」を通じて、AI時代の新しい集客手法を企業に提供している。 「難しいことをわかりやすく、小さな会社にも大きな成果を」をモットーに、日々クライアントと伴走中。
