Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
Sakana Fugu でこの先生きのこるには
Search
desigrammer
July 01, 2026
Programming
38
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
Sakana Fugu でこの先生きのこるには
マルチエージェント・オーケストレーションシステムを採用した Sakana Fugu を利用した所感と、これからの AI/LLM の展望
desigrammer
July 01, 2026
Transcript
49 slides
Sakana Fugu でこの先生きのこるには 1 1
今日のゴール Sakana Fugu の基礎的理解 Sakana Fugu の位置づけ 触ってみた観点と所感 AI を使い続けるために
国や企業の立場で考えてみる Sakana Fugu が何をしてくれるか 2 2
Sakana Fugu 結論 Fugu は複数モデルの選択・委譲・検証・統合を隠蔽す るオーケストレーションモデル 単一の OpenAI 互換API として使えるのがポイント
そんな悪くないがめっちゃ良い感じでもない 3 3
Sakana Fugu 概要 4 4
アーキテクチャ マルチエージェント ・オーケストレーションシステム 複数の基盤モデルを協調させる コーディング・数学・科学的推論などを対象 モデルの選択・切替・委譲・検証を Fugu 側で管理 OpenAI 互換API
として提供 source: https://sakana.ai/fugu/ 5 5
イメージ 6 6
ベンチマーク例(公式表より一部) Task Fugu Fugu Ultra Opus 4.8 GPT 5.5 TerminalBench
2.1 80.2 82.1 74.6 78.2 LiveCodeBench 92.9 93.2 87.8 85.3 Humanity's Last Exam 47.2 50.0 49.8 41.4 GPQA-D 95.5 95.5 92.0 93.6 MRCRv2 86.6 93.6 87.9 94.8 https://sakana.ai/fugu/ / ベースラインは各社公表値 7 7
使ってみる 8 8
導入から利用開始 1. 契約。サブスクが良いと思う 2. API キー 作成(利用する外部モデル選択) 3. Codex で使う
9 9
10 10
11 11
12 12
13 13
所感 14 14
良かったところ $100 サブスク以上であればすぐにトークンが尽きたり しない 回答品質は感覚として単体モデル利用より高い場面があ った(少なくとも Ultra はそう) 多少は日本の AI
企業を助けてる気持ちになれる 15 15
気になったところ MFA や SMS の認証に対応していない(一応従量課金で も自動チャージオンオフや上限設定は有る) 回答遅め 無駄に見える確認多め 「LLM ベンダ依存」から「オーケストレーター依存」に
なるだけかも 16 16
まとめ 今後安定して使えるなら他社の課金を抑えても良い感触 ただしすぐ使い始める必要はない気がする 17 17
18 18
なんだー Fugu イマイチなのか ちょっとまって 19 19
オーケストレーションモデルが示す 可能性 モデル選択は人間ではなく API 側に任せる これから重要なのは どのモデルが強いか だけでなく 誰がモデル・利用者を取捨選択するか つまり
Fugu は、モデル性能比較だけではなく AI 利用インフラ の話では 20 20
問1 21 21
あるAI が月額1 万円で提供され、それを使っ て顧客が3 万円の売上を作れている場合、AI 提供側がどんな戦略を取るのが合理的か 22 22
https://chatgpt.com/share/6a3a4138-9824-83ee-b556-97b2c3ffacaf 23 23
価格を一律に上げず、プラン分けする 「3 万円しか売上を作れない顧客」より「30 万円作れる 顧客」を探す 競合が多いなら低価格でシェアを取り、差別化できるな ら値上げする 24 24
結論 月1 万円を入口価格として残し、成果が出て いる顧客には月2 万〜3 万円の上位プランや 成果報酬型で価値を回収する 25 25
問2 26 26
学習や推論に使える計算資源は物理的・経 営戦略的な上限が存在するがどのようにし て戦略を立てるべき? 27 27
月額1 万円プランは残すが、利用上限を明確にする。 高性能モデルは全員に使わせず、重要タスクだけに使 う。 顧客を「売上」ではなく「限界利益 / GPU 時間」で評価 する。 学習・微調整は、推論原価削減か上位プラン売上に直結
する場合だけ行う。 28 28
結論 計算資源に上限があるAI 事業では、GPU を 在庫として扱い、最も高い粗利を生む顧 客・機能・モデルに配分する 月額1 万円の商品で戦うなら、勝ち筋は「最高性能を安く ばらまくこと」ではない 安いプランでは計算資源を絞り、高い価値
を出せる顧客にだけ高価な推論を使わせる 29 29
問3 30 30
仮にそういったAI 企業を擁する国や 親会社が存在する場合、どうするこ とが戦略として有利でしょうか 31 31
短期( 〜24 ヶ月) 国の場合 国内には安く、海外には高く売る AI 企業に「公共調達」を与える 企業の場合 GPU をグループ内で中央管理する
AI 企業を「外販」だけでなく「内製効率化」に使う 32 32
長期(2 年〜10 年) 国の場合 AI 企業ではなく「AI 産業圏」を作る ( 例 EU
の AI Continent Action Plan) 半導体供給網を押さえる 電力戦略とAI 戦略を一体化する 国内普及と海外輸出を分ける 企業の場合 「モデル会社」ではなく「フルスタック会社」を目指す 自社保有かクラウド利用かを冷静に分ける 33 33
問4 34 34
企業・国共に他企業・他国に対してはモデ ルを直接安価に提供せず、モデルの自由な 利用は値上がり、もしくは廃止するのが最 適という事になりますか? 35 35
三層構造 層 内容 価格戦略 目的 第1 層:フロンティア モデル 最新・最高性能・高推 論コスト
高価格、上限、審査、 契約 収益・安全保障・ 差別化 第2 層:実用モデル 旧世代・蒸留・業界特 化 安価API 、従量課金、 国内割引 普及・業務導入 第3 層:オープン/ 軽 量モデル 小型・ローカル・研究 用 無料または低価格 エコシステム形成 第1 層を安売りすると、GPU が枯渇し、競争優位も失う。 第3 層まで閉じると、開発者・研究者・中小企業が育たず、パイが縮む。 36 36
結論 「最強モデルの自由利用」は値上がり・制限され る可能性が高い。 しかし「AI 全体の自由利用」まで潰すと、企業に も国にも長期的には損になる。 37 37
えーでも すぐに使えなくなったり しないでしょ 38 38
国 39 39
https://www.youtube.com/watch?v=UuxNyX7We5U 40 40
https://www.youtube.com/watch?v=UuxNyX7We5U 41 41
https://www.youtube.com/watch?v=UuxNyX7We5U 42 42
企業 43 43
https://www.softbank.jp/internet/special/adsl-thankyou22/ 44 44
https://www.nikkei.com/article/DGXMZO53789120V21C19A2TJ1000/ 45 45
月数万円程度でAI モデルソムリエ をやっ ていられる時代はもうすぐ終わるかも Sakana Fugu はモデルアクセス不安定化時代の保 険として検討対象になる 46 46
ありがとうございました 47 47
Appendix 48 48
参考リンク Sakana Fugu 公式 https://sakana.ai/fugu/ Sakana Fugu β テスト案内 https://sakana.ai/fugu-beta/
TRINITY: An Evolved LLM Coordinator (ICLR 2026 ) Learning to Orchestrate Agents in Natural Language with the Conductor (ICLR 2026 ) 49 49
More Decks by desigrammer
See All by desigrammer
Inetl NPU でローカル LLM
desigrammer
0
32
Other Decks in Programming
See All in Programming
flutter_test のその先へ — Flutter アプリの LLM 機能に「評価」という品質保証を
kosukesaigusa
0
210
imagewebp()の向こう側: WebPはなぜ JPEG・PNGより軽いのか
yuzneri
0
150
AI駆動TDD ― 2026年10月版
hrmstrsmgs
0
110
LLM 101
dalinaum
0
540
JavaScriptはシングルバイナリの夢を見るか / Does JavaScript Dream of a Single Binary?
ssssota
0
150
正解の無い問題を 「できるだけ上手く」解く ヒューリスティックで感性を磨こう。〜現実課題をプログラミングで解きあうコミュニティについて〜
allegrogiken
0
110
ビジネスロジックを堅牢に~Scala 3のドメインプリミティブ~
j5ik2o
0
230
React Native経験者が Flutterを30⽇間触って驚いたこと
3saito
0
210
Going Full Circle with Virtual Graphs and Relational Databases
michaelsimons
1
110
例外からRich Errorsまで Kotlinエラーハンドリングの進化を読み解く
shiita0903
0
240
Proxmox x Talos Linux x Terraform で実現するなんかいい感じの Kubernetes クラスタ / A Sleek Kubernetes Cluster Powered by Proxmox, Talos Linux, and Terraform
nnaka2992
0
300
[Kotlin Fest 2026] eBPF Tracing for Kotlin
takehaya
1
400
Featured
See All Featured
Navigating Algorithm Shifts & AI Overviews - #SMXNext
aleyda
1
1.7k
Introduction to Domain-Driven Design and Collaborative software design
baasie
1
1.1k
Kristin Tynski - Automating Marketing Tasks With AI
techseoconnect
PRO
0
600
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
128
56k
Web Performance Is a Journey [PerfNow 2026]
tammyeverts
2
150
Become a Pro
speakerdeck
PRO
31
6.4k
Statistics for Hackers
jakevdp
799
230k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
33
5.9k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
162
16k
Noah Learner - AI + Me: how we built a GSC Bulk Export data pipeline
techseoconnect
PRO
0
500
Agile Actions for Facilitating Distributed Teams - ADO2019
mkilby
0
350
The Curious Case for Waylosing
cassininazir
1
630