Sakana AI、セキュリティ特化の「Fugu-Cyber」発表——評価スコア86.9%を主張も検証手法は未公開

Sakana AIは、同社のマルチエージェント基盤「Fugu」に接続するサイバーセキュリティ専用エンドポイント「Fugu-Cyber」を発表した。同社は既存の最先端モデルを上回る86.9%の評価スコアを公表しているが、これらはベンダーによる自己申告であり独立した検証は行われていない。安全上の懸念から、利用には事前の用途申請と手動審査が必要となる。

■新モデルではなくオーケストレーションシステム

Fugu-Cyberの最も重要な建築的特徴は、ゼロから事前学習された新しいセキュリティ特化の大規模言語モデルではないという点だ。単一のAPIエンドポイントを提供しつつ、内部で複数の専門エージェントへ動的にタスクを割り当てるオーケストレーションシステムとして構築されている。

利用者がSakana APIへ要求を送信すると、オーケストレーターが多段階のセキュリティタスクを分解し、モデルプール内の専門エージェントを割り当てて調整を行う。各エージェントが検証や修正を実施した上で最終応答が合成されるため、多段階で複雑なセキュリティ業務に適した構造となっている。

■オーケストレーションエンジンの仕組み

Fugu-Cyberの基盤には、SakanaがICLR 2026で発表した2つの研究が活用されている。1つ目の「TRINITY」（約6億パラメータ）は、進化アルゴリズム（CMA-ES）を用いてモデルプールにThinker、Worker、Verifierなどの役割を動的に割り当てる調整役として機能する。2つ目の「Conductor」（約70億パラメータ）は、強化学習を通じてエージェント間の通信手順や指示プロンプトを自動生成する。

また、自身を再帰的に呼び出して過去の出力を確認・修正する仕組みを備えており、推論時の計算量を拡大（テスト時計算量スケーリング）させることが可能である。基盤となるエージェントプールにはClaude Opus 4.8、Gemini 3.1 Pro、GPT-5.5などが含まれるとされるが、セキュリティタスクに使われる具体的な構成は公表されていない。

■86.9%という評価スコアへの注意点

Sakanaは、UC Berkeleyが開発した「CyberGym」で86.9%、Microsoftの「CTI-REALM」で72.1%のスコアを達成したと主張している。しかし、CyberGymの原著者が公表した論文（ICLR 2026）における最高水準モデルのスコアは約20%にとどまっており、発表数値との間にはきわめて大きな乖離が存在する。

Sakanaが公開したベンチマーク資料には、試行回数、プロンプトの構成、実行日などの詳細データが含まれておらず、現時点で外部の研究機関による追試・検証は行われていない。そのため、これらの数値が実際の運用環境における性能をどこまで反映しているかは未確定である。

■アクセス制限とデュアルユースリスク

Fugu-Cyberは一般登録で即座に利用できるわけではなく、利用目的と連絡先を提出した上でSakanaチームによる手動審査を受ける必要がある。審査通過後の利用料金はToken Planが適用され、100万インプットトークンあたり6ドル（約978円、1ドル=163円換算）、100万アウトプットトークンあたり36ドル（約5,868円）となる。コンテキスト長が272,000トークンを超える場合は、インプット12ドル（約1,956円）、アウトプット54ドル（約8,802円）に上昇する。

脆弱性の検出と実証を行う技術は、攻撃と防御の双方に利用できる「デュアルユース（軍民両用）」の性質を持つ。同社の利用規約では無許可のシステム侵入や破壊行為が禁止されているが、技術的なブロックではなくポリシー運用による制限であるため、手動審査ゲートを設けることで不正利用を防止する措置を講じている。

■API単体では解決しない実務上の課題

Sakanaは発表の中で、高度なセキュリティモデルのAPIを入手しただけで組織の脆弱性問題が直ちに解決するわけではないと述べている。同社が日本の大手金融機関と共同で行った検証によれば、モデルを単体で運用した場合は誤検知が発生しやすく、自社コードへの深い統合や専門人材による人間主導のレビュー工程が不可欠であるとしている。

■エンタープライズセキュリティにおける競争軸と地域制限

Fugu-Cyberのアプローチは、AIセキュリティにおける競合優位性が「どのフロンティアモデルを所有しているか」から「どのようにモデルを統合・検証・制御するか」へ移行しつつあることを示している。小規模な調整用モデルを用いることで、巨額の計算資源を投じずに高いパフォーマンスを引き出せる可能性を示唆している。

一方で、裏側で米国系プロバイダーのAPIを呼び出す構造であるため、特定の輸出規制やデータ共有制限から完全に独立しているわけではない。また、複数のプロバイダーにデータが動的ルーティングされる不透明な設計がGDPR（EU一般データ保護規則）第28条の要件を満たすことが難しく、現時点でEU、EEA、英国、スイスではサービスが提供されていない。

■注目ポイントQ&A

●Fugu-Cyberとは何ですか？通常のAIセキュリティツールとどう違いますか？

Fugu-Cyberは単一のAIモデルではなく、Claude Opus 4.8、Gemini 3.1 Pro、GPT-5.5などの複数の最先端モデルを裏側で連携させるマルチエージェント調整システムです。専門エージェントが相互に検証を行うことで誤検知を減らす設計が特徴です。

●公表されたベンチマークスコアは第三者によって検証されていますか？

いいえ。発表時点において、公表されたすべての数値はSakana AIによる自己申告です。外部研究機関による追試や独立した再現実験はまだ行われていません。

●Fugu-Cyberをサイバー攻撃目的で使用することはできますか？

利用規約により第三者システムへの攻撃や破壊行為は厳しく禁止されています。また、利用にあたっては用途に関する事前の手動審査を通過する必要があります。

●なぜヨーロッパでFugu-Cyberが提供されていないのですか？

内部でどのモデルプロバイダーへデータがルーティングされたかを動的に決定する仕組みであるため、GDPR（EU一般データ保護規則）におけるデータ処理契約や管理要件を満たすことが構造的に難しいためです。

元記事: Sakana AI Fugu-Cyber Claims 86.9% Vulnerability Score; Benchmark Methodology Not Disclosed