Sakana Namazuとは？料金や使い方、Sakana Fugu・主要LLMとの違いを解説

Sakana Namazu（サカナ・ナマズ）は、Sakana AIが海外製フロンティアモデルに事後学習を施し、日本語と日本の業務文脈向けに再構築した日本特化LLMです。

2026年8月3日、Moonshot AIのKimi K2.6を新たなベースに据えたSakana Namazu APIがOpenAI互換で提供開始され、開発者が本番組込に使えるフェーズに入りました。

本記事では、8月3日API化で加わった機能・料金体系・Sakana Chatとの使い分け・他フロンティアLLMとの棲み分け・業務投入の判断軸を、2026年8月時点の最新情報で体系的に整理します。

Sakana Namazuとは？日本特化に事後学習した海外モデルのシリーズ

Sakana Namazu（サカナ・ナマズ）は、東京拠点のAIスタートアップSakana AIが、海外製のオープンウェイトフロンティアモデル（DeepSeek・Llama・Kimi K2等）の重みを起点に、日本語・日本の文化/制度/業務ニュアンスを事後学習レイヤーで注入した日本特化LLMです。

ゼロから基盤モデルを作る国産LLM路線ではなく、「日本仕様AI」を実装するための事後学習技術そのものがNamazuの正体と表現されます。

2026年3月24日のα版発表当初はDeepSeek V3.1 / Llama 3.1 405B / gpt-oss 120Bの3系統でSakana Chatに搭載され、8月3日にはMoonshot AIのKimi K2.6をベースに据えた新モデルがSakana Namazu APIとして提供開始されました。

α版の「無料のSakana Chat」から「有償API」への転換が今回の節目です。

Sakana Namazu APIの主要機能

Sakana Namazu APIは、Sakana AI公式ブログによれば「日本語特化LLMにWeb検索・コード実行等のツールを標準搭載し、OpenAI互換のインターフェースで提供する」構成です。

APIコンソール（console.sakana.ai）から即日利用可能で、既存のOpenAI SDK経由の実装は、Sakana APIキーを発行し、「base_url」を書き換えることで移行できるよう設計されています。

標準搭載ツールと対応機能

Sakana Namazu APIには、モデル本体の応答生成に加え、Web検索・コード実行が「ビルトインツール」として組み込まれ、Function Calling・Visionは「対応機能」として提供されています。

• Web検索
  検索クエリの生成から結果の要約までモデル側で自律的に処理。市場調査・最新情報統合を伴うワークフローで外部検索APIを別途組む必要がない。
  
  

• コード実行
  Python等のコードをサンドボックス環境で実行。データ集計・グラフ生成・ファイル操作を含むエージェント処理をワンショットで完結できる。セッションは同一リクエスト内で保持されるため、1リクエスト中の複数ステップにまたがる分析も可能。
  
  

• Function Calling
  OpenAI互換のfunction calling仕様に準拠。既存のツール定義スキーマをそのまま流用でき、社内APIやデータベース照会のツール群を再実装せずに接続できる。
  
  

• 画像認識（Vision）
  画像入力への対応。帳票OCRやスクリーンショットの内容理解を伴うユースケースにも組み込める。

これらのツールは追加のAPIキー設定なしで即利用可能で、Web検索とコード実行にはツール単位の従量課金が別途発生します。料金の詳細は次の料金セクションで整理します。

OpenAI互換APIによる移行コストの低さ

Sakana Namazu APIは、OpenAI Chat Completions APIとResponses APIの両方に互換なインターフェースを提供します。

OpenAI SDK・LangChain・LlamaIndex等の主要ライブラリで、Sakana APIキーを設定し、モデル指定と「base_url」を書き換えることで動作します。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_SAKANA_API_KEY",
    base_url="https://api.sakana.ai/v1"
)

response = client.chat.completions.create(
    model="sakana-namazu",
    messages=[
        {"role": "user", "content": "2026年8月の日本国内AI政策の主要動向を、公式発表ソース付きで整理してください"}
    ]
)

このアプローチの利点は複数あります。

• 既存プロダクトからの切替が設定変更のみで完結
  OpenAI SDKを既に使っているプロダクトなら、接続先・APIキー・モデル指定を設定で切り替えるだけで日本語特化モデルを試せる（Gemini SDK運用中の場合はOpenAI SDK側へ実装を切り替える工数が別途必要）。
  
  

• 切り戻しも同じ設定変更で完結しロックインを回避
  Sakana Namazu特有のAPI仕様に依存しないため、日本語比率が高いエンドポイントだけをNamazuに寄せる部分置換も現実的な選択肢になる。

つまりOpenAI互換設計は、Sakana Namazuの導入判断を「実装工数」ではなく「応答品質の見極め」に集中させる効果を生みます。

A/Bテストでリクエスト単位に振り分けて品質差を数字で押さえてから、日本語ワークロードへ本番投入する進め方が現実的です。

Namazuを支える事後学習の仕組み

Sakana Namazuの特徴は「日本語に強い新モデル」ではなく、「海外製のフロンティアモデルを事後学習で日本仕様に矯正する技術」そのものにあります。

このセクションでは、ベースモデルの系譜、事後学習で実現している矯正内容、そしてソブリンAI文脈での位置づけを整理します。

ベースモデルの系譜——DeepSeek/Llama/gpt-ossからKimi K2.6へ

Sakana AIは事後学習の対象となるベースモデルを、時期ごとに切り替えて拡張しています。

以下の表は、3月α版と8月API版で採用されたベースモデルを並べたものです。

α版で3系統のベースモデルに事後学習を施した際の中立性・事実正確性スコア。ベース（グレー）比で全モデルが改善（出典：Sakana AI Namazu α版発表）

ベースモデルは固定ではなく、その時点で世界トップ級のオープンウェイトモデルに乗り換える設計です。
α版時点では米中の主要オープンモデルを3系統並行で扱っていましたが、API版では中国Moonshot AIが直近リリースしたKimi K2.6に一本化されました。

Kimi K2.6は入出力単価の低さとエージェント能力の高さで注目されているモデルで、「安価かつ強い基盤に日本仕様の事後学習を重ねる」というSakana AIの設計思想に合致した選定です。

今後もベース側の勢力図が動けば、Namazuの土台も継続的に更新されていく前提で見ておくのが現実的です。

事後学習で矯正しているもの——バイアスと回答拒否

Sakana AIが公表しているNamazuの評価結果で最も注目されているのは、政治・歴史・外交など日本文脈でセンシティブなテーマにおける挙動です。

• α版DeepSeek系での回答拒否率72%→ほぼ0%
  α版発表時の検証では、Namazu-DeepSeek-V3.1-Terminus がベースの DeepSeek-V3.1-Terminus と比べ、日本の政治・歴史・外交テーマに関する質問の回答拒否率を72%からほぼ0%まで低減。α版時代のベース対比データで、Kimi K2.6ベースの現行APIには直接転用しない前提の数値。
  
  

• API版FairPoliticsQAスコア56.30%（ベース34.10%）
  Sakana AI自社ベンチマーク「FairPoliticsQA」で、現行API版（Kimi K2.6ベース）がベース比で22ポイント改善。α版のような「拒否率0%」まで低減した数値は現行APIでは公表されていない。
  
  

• 基礎能力の維持
  MMLU-Pro・AIME26・LiveCodeBench v6等の一般ベンチマークでは、ベースモデルと同水準の性能を維持。

Sakana Namazu と ベースの Kimi K2.6 の主要ベンチマーク比較。FairPoliticsQA が34.10%→56.30%に大きく改善（出典：Sakana AI Namazu API）

ここで重要なのは、事後学習が単に「日本語の流暢さ」を上げるためのものではなく、「海外モデルが持つ地域的バイアスと過剰な応答回避の是正」に主眼を置いている点です。

同時に、現行API版では日本語指示追従（JFBench 35.90%→37.40%）や日英翻訳（Translation 47.80%→52.20%）でもベースのKimi K2.6を上回っており、中立性の是正だけでなく日本語業務での指示追従・翻訳品質の底上げまで事後学習の効果が及んでいます。

海外モデルを業務で使っていて、日本の政治・企業名・歴史事件について不自然な回答拒否や偏った表現に困った経験があるなら、Namazuの矯正がそのまま業務価値になります。

ソブリンAI文脈での位置づけ

Sakana Namazuは、政府主導の国産LLMプロジェクトとは異なる路線を取ります。ゼロから基盤モデルを作るのではなく、海外の強いモデルを土台にして「日本仕様レイヤー」を重ねる設計です。

これは「日本独自の基盤モデルを作らないと安全保障上まずい」という主張への現実解として位置づけられます。既にフロンティア級に達した海外のオープンウェイトモデルを活かし、事後学習の主権だけを国内に持つ、というアプローチです。

対照的な立ち位置として、PLaMo 3.0 Primeのような国内スクラッチ開発の国産LLMがあります。

どちらが正解というより、フロンティア追随の速度を優先するならSakana Namazu路線、モデル本体の完全国内化を優先するならスクラッチ国産LLM路線、という選択問題として理解するのが実務的です。

Sakana ChatとSakana Namazu APIの使い分け

Sakana Namazuには、無料の「Sakana Chat」と有償の「Sakana Namazu API」の2つの提供チャネルがあります。

両者は同じNamazuシリーズを土台にしていますが、API版はSakana Chat搭載モデルを更新・強化した別バージョンで、想定用途・運用条件と応答特性が異なります。

Sakana Chat のトップ画面（出典：Sakana AI）

本セクションでは、まず両チャネルの役割分担を整理し、次に品質検証から本番組込までの2段構えの進め方を示します。

Sakana ChatとSakana Namazu APIの位置づけ

以下の表で、Sakana ChatとSakana Namazu APIの主な差を整理しました。

実務で選ぶ際のポイントは、機密性と自動化要求の2軸です。

公開情報の調査や日本語応答品質の目利きはSakana Chatで即座に済み、業務組込ワークフローはAPI側に寄せる形が基本になります。

品質検証から本番組込までの2段構え

Sakana Namazuを業務に投入する場合、いきなりAPIを叩くよりも、Sakana Chatで先に品質と拒否挙動を目利きしてからAPIに載せる2段構えが安全です。

• Step 1: Sakana Chatで品質検証
  「chat.sakana.ai」にアクセスし、実務で扱う典型プロンプト（個人情報・機密情報を含まない公開文書の要約・日本語メール添削サンプル・市場調査質問）を10〜30件流し込む。
  
  応答トーン・回答拒否の有無・出典引用の質を目視で確認する。
  
  

• Step 2: Sakana Namazu APIに移行
  「console.sakana.ai」でAPIキーを発行し、OpenAI SDKの「base_url」を書き換えて既存アプリに接続する。
  
  API版はSakana Chat搭載モデルを更新・強化したバージョンで応答は必ずしも一致しないため、Chat側で使った典型プロンプトをAPI側でも改めて実行し、品質・拒否挙動を再評価してから本番トラフィックを流す。
  
  

• Step 3: 段階的な移行
  まずは日本語比率が高いエンドポイント（社内ナレッジ検索・日本語コンテンツ生成・カスタマーサポート応答）だけをNamazuに寄せ、英語比率が高い技術ワークフローは既存のClaude/GPT系に残す。

この段階的移行は、OpenAI互換であるがゆえに実現しやすい進め方です。

接続先・APIキー・モデル指定を設定で切り替えられるため、A/Bテストで応答品質を比較しながら投入範囲を広げていけます。

Sakana Namazu APIの料金と主要LLMとの単価比較

Sakana Namazu APIの料金は月額サブスクリプションではなく、トークン従量課金＋ビルトインツールの実行従量課金という構成です。

console.sakana.ai/pricingで公表されている単価は以下のとおりです。

基本料金——入力$0.95・出力$4.00/1Mトークン

以下の表で、Sakana Namazu APIの基本トークン単価とツール単価をまとめました。

月額固定費や最低利用料金は設定されていません。開発中に呼び出しを止めれば費用も止まる、完全従量課金です。

出力トークンの$4.00に「思考トークンも同レートで課金される」点は見落としやすいコストポイントです。

推論モードで長考させる設計だと、ユーザーには見えない思考出力がそのまま請求に乗ります。Web検索は「1,000回呼び出しあたり$7」なので、1呼び出し$0.007。1リクエストで複数回検索する設計だとリクエスト単価に上乗せされる形になります。

主要フロンティアLLMとの単価比較

以下の表は、Sakana Namazu APIと主要フロンティアLLMの単価を並べたものです。単価比較のために、同水準で扱われることの多いミドル〜ハイエンド帯のモデルに絞りました。

特に差が出るのが出力トークンの単価で、Sakana NamazuはClaude Sonnet 5（導入価格）比で約4割・GPT-5.6 terra・Gemini 3.1 Pro Preview比で約1/3の水準に収まります。

日本語比率が高い業務ワークフローで長文回答を大量に生成する場合、単価差がそのままランニングコストに反映されます。

Namazuは元モデルのKimi K2.6と入力・出力とも同額で、日本仕様の事後学習・Web検索とコード実行のビルトイン・Function Calling/Vision対応・OpenAI互換の運用サポートが単価プレミアムなしで乗ってくる構図です。

日本語ワークロードでKimi K2.6を直接使うより、Namazu APIに寄せた方がコスト面での不利がありません。

Sakana Fuguとの違いと他フロンティアLLMとの位置づけ

Sakana AIは同時期に「Sakana Fugu」というマルチエージェントorchestrationモデルもリリースしています。
名前が似ているため混同されやすいですが、担う役割は明確に異なります。

このセクションでは、まずSakana Namazuとの棲み分けを整理し、次に他フロンティアLLM（Claude・GPT・Gemini）との位置づけを比較します。

Sakana FuguとSakana Namazuの役割分担

以下の表で、Sakana FuguとSakana Namazuの主な違いを整理しました。

つまりNamazuは「一つの応答を上手に返すモデル」、Fuguは「タスクに応じて最適なモデルを選ぶ司令塔」という関係です。

現行のFuguは自動ルーティング＋モデル/プロバイダー除外指定の運用で、利用者側からバックエンドモデルを個別指名する設計にはなっていません。Sakana AI製モデルのFuguプール追加は将来計画として言及されており、実装時期は続報待ちです。

他フロンティアLLMとの比較——強みの軸が違う

Sakana Namazuと海外主要LLMを並べる際は、Sakana AIが公表しているNamazu API評価はKimi K2.6との比較のみで、Claude・GPT・Geminiとの同条件比較は現時点で未公表という前提を押さえておく必要があります。

以下は各モデルの一般的な強み軸を整理したもので、Namazuとの直接比較ではありません。

• Claude Sonnet 5・Opus 5系
  コーディング・複雑推論・長文処理で業界ベンチマーク上位を維持。単価はNamazu比で2〜6倍。
  
  

• GPT-5.6系
  汎用エージェント能力とツール活用のエコシステム（Responses API・Agents SDK）が厚く、汎用SaaS組込ではデフォルト候補になりやすい。
  
  

• Gemini 3.1 Pro
  マルチモーダルとGoogle Workspace連携が強み。長文コンテキスト（1M+トークン）を活かす用途で有力。
  
  

• Sakana Namazu
  FairPoliticsQA 34.10%→56.30%やα版時代の拒否率72%→ほぼ0%のように、日本の政治・歴史・外交テーマでのバイアス是正がSakana AIの自社評価で改善として示されている。

単価もフロンティア級では低い。ただしコーディング・複雑推論・マルチモーダル領域で他社と同条件比較したデータは未公表なので、日本語比率が高いワークロードから試すのが実務的。

実務では「日本語比率が高いエンドポイントだけをNamazuに寄せる」ハイブリッド構成が現実解です。汎用コーディング・海外ドキュメント処理は既存のClaude/GPT/Gemini系に残し、日本語主体のワークロードだけをNamazuに切り替えるところから始めるのが安全な導入経路になります。

Sakana Namazuの業務活用シナリオと導入前に詰まる論点

ここでは、Sakana Namazuを業務に投入する際の典型シナリオと、導入前に判断で詰まる論点を整理します。

まず活用シナリオの4パターンを示し、次にα版データ扱い・機密投入・国内限定利用など、実装前にクリアにしておくべきポイントに触れます。

業務での活用シナリオ4パターン

Sakana AIが公式ブログで示している想定ユースケースと、日本市場で実装されそうな用途を整理すると、次の4パターンが軸になります。

• 市場調査レポート自動生成
  Web検索ビルトインを活用し、日本語のニュース・業界レポート・企業IRを収集して統合レポートを生成。
  
  日本仕様の事後学習が日本語ソースの文脈把握・要約に効くことが期待される用途（他モデルとの同条件比較は未公表なので実PoCで確認する）。
  
  

• カスタマーサポート自動化
  日本語FAQベースのAI応答エンジン、有人チャットの応答ドラフト生成、コールログの要約と対応履歴生成。
  
  α版で示された「日本の政治・歴史・外交テーマでの過剰な回答拒否の抑制」が、顧客からの多様な質問への応答適性に寄与する見込み。
  
  

• 日本語コンテンツ生成・添削
  記事ドラフト・メール・提案書・社内文書のドラフト生成と校正。トーン指定（丁寧語・大阪弁など）にも対応。
  
  

• 社内ナレッジ検索と要約
  社内ドキュメントを検索対象に、日本語で質問を投げて出典付きで要約する検索AI。Web検索ビルトインを社内検索エンドポイントと組み合わせるとRAG構成が省力化できる。

いずれも「日本語比率が高い」「回答拒否や誤ったバイアスが業務ダメージに直結する」ユースケースで、Namazuの矯正が業務価値に直結します。

逆に、英語の技術ドキュメント要約や海外向けメール生成はNamazuを選ぶ必然性が薄いので、既存のClaude/GPT系に残しておくのが妥当です。

導入前に詰まる論点

Sakana Namazuを業務投入する前に、次の論点は事前に整理しておくと運用開始後の手戻りを避けられます。

Sakana Chatの入力データの扱い

Sakana Chatは利用規約上、入力データがモデル学習・改善や人によるレビューに利用される可能性があります。

個人情報・未公開情報・顧客データを含む検証はSakana Chat上で行わず、API側で契約条件を確認したうえで扱うのが原則です。

Sakana Namazu APIのデータ保持条件

APIの利用規約上、入力・出力は既定でモデル学習・改善に利用される可能性があり、オプトアウトを別途申請する必要があります。

同規約では自己・第三者の個人情報および権限なく扱う他人の機密情報・営業秘密等の入力自体が禁止されており、人によるレビューの可能性も明記されています。

ZDR（Zero Data Retention：入力を学習にも内部保管にも使わない契約要件）は規約に明示されていないため、機密データを扱うエンタープライズ用途では、Sakana AIに個別相談してZDR相当の対応可否と契約条件を確認できるまで投入を控える必要があります。

利用可能な地域

Sakana Chat FAQでは現在も日本国内からのみ利用可能と明記されており、APIの利用規約ではEEA・英国・スイスが提供対象外とされています。

海外拠点から利用する場合は、所在地と最新規約を必ず確認してください。

モデル依存の回避設計

Sakana Namazuに寄せすぎず、OpenAI互換の利点を活かして「接続先・APIキー・モデル指定を設定で切り替えられる」実装にしておきます。

ベースモデルがKimi K2.6から次世代に移った際に応答特性が変わる可能性があるため、切替時のリグレッションテスト計画も用意します。

料金上限の設定

従量課金のため、Web検索の暴走やコード実行セッションの持続でコストが跳ねる可能性があります。

使用量を監視し、アプリ側にも月次予算アラートやハード上限を設けてから本番投入します。

これらの論点はNamazuに限らず、日本語特化LLMを業務投入する際に共通で検討すべき項目です。Sakana AIの支援窓口やパートナー企業経由で契約条件の詳細を確認するのが、エンタープライズ実装の起点になります。

日本語特化LLMを業務Agentに載せるなら

Sakana Namazu APIはOpenAI互換で個別APIとしては組み込みやすい一方、複数のAgentから同じLLMを呼び出したり、Claude・GPT系と使い分けたりする段階になると、権限管理・監査ログ・データ境界の設計が別途必要になります。

このレイヤーを担うのが、自社Azureテナント内で動くエンタープライズAIエージェント基盤です。AI総合研究所のAI Agent Hubは、Sakana Namazu・Claude・GPT系のモデル使い分けを1つのダッシュボードで統合管理し、Teamsから呼び出せる業務特化Agent群として業務プロセスに載せる運用基盤として機能します。

• Namazu・Claude・GPT系のモデル使い分けを1画面統制
  日本語ワークロードはNamazu、複雑推論はClaude、汎用エージェントはGPT系、といったAgent単位のモデル使い分けを設計。モデル別のAPIキー管理・監査ログを1画面で完結します。
  
  

• モデル世代交代を吸収する管理層
  Sakana Namazuの次世代モデル（Kimi K2.7ベース等）が出ても業務Agent側の設計は不変。特定モデル依存のワークフロー陥落を回避できます。
  
  

• 使い慣れたMicrosoft環境をそのまま活用
  Teams・Excel・Outlookなど既存ツールの延長でAIエージェントが動作。新しいツールの学習コストはゼロです。
  
  

• データは100%自社Azureテナント内に保持
  Agentの実行ログ・データフローはAI学習対象から完全除外。Azure Managed Applicationsとして自社テナント内で動作が完了する設計です。

AI総合研究所の専任チームが、モデル選定から業務Agent基盤の統合設計まで一貫して支援します。AI Agent Hubのサービスページで、日本語特化LLMを業務プロセスに定着させる具体例をご確認ください。

日本語特化LLMを業務Agentに定着させる

モデル選定から運用管理まで一元化

Sakana Namazuなどの日本語特化LLMを個別APIで試すだけでなく、社内Agent群として業務プロセスに定着させるには、権限管理・監査ログ・データ境界の設計が必要です。AI Agent Hubで、モデル切替を吸収する運用基盤の全体像をご確認ください。

▶ ▶ AI Agent Hubの詳細を見る

まとめ

本記事では、Sakana Namazuについて、位置づけ・8月3日API化の主要機能・料金体系・Sakana Chatとの使い分け・事後学習の仕組み・Sakana Fuguや主要LLMとの棲み分け・業務投入の判断軸を、2026年8月時点の最新情報で解説しました。

2026年8月時点で押さえておくべきポイントは次の3つです。

• Sakana Namazuは海外製フロンティアモデルを事後学習で日本語・日本業務向けに矯正した日本特化LLMで、2026年8月3日にKimi K2.6ベースのOpenAI互換APIが提供開始された
• 単価は入力$0.95・出力$4.00/1Mトークンとフロンティア級の中では低めで、Web検索・コード実行をビルトインしFunction Calling・Visionにも対応する
• 業務投入はSakana Chatで品質検証→APIで本番組込の2段構えが現実解で、日本語比率が高いエンドポイントから段階的に置き換えるのが安全
  
  

Sakana Namazuは海外モデルを置き換える汎用フラグシップではなく、日本語比率が高い業務ワークロードで海外モデルのバイアス・過剰な安全側フィルタに困っている企業にとって、モデル切替の第一候補になる位置づけです。OpenAI互換で試すコストが低いため、まずはSakana Chatで応答品質を目利きし、APIキー1本で本番組込を試すところから始めるのが最も実用的な第一歩になります。