新規事業や研究開発の担当者がSakana AIを資金調達のニュースだけで判断すると、研究コードを試すべきか、製品を比較すべきか、会社の成長を調べるべきか決められません。会社が研究しているもの、利用者が試せる製品、投資家が評価した企業価値を分け、「会社を知りたいのか」「研究コードを試したいのか」「モデルやAPIを使いたいのか」を先に決める必要があります。
単一のチャットサービスだけでなく、研究成果、企業・公共分野向けのAIソリューション、利用者向けサービスを同じ会社が扱っているかを分けて見ると、会社の位置づけが見えます。Sakana AIは、東京を拠点に研究、企業・公共分野向けのApplied（研究成果を企業・公共分野の課題へ応用する活動）、利用者向けProduct（利用者が試す製品）を説明するFrontier AIの研究開発会社です。研究成果と製品は重なり得ますが、同じものではありません。
この記事を読んだ後は、Sakana AIを会社、資金調達、研究、製品、日本のAIエコシステムという5つの論点に分け、目的に合う一次資料へ進めるようになります。会社、資金調達、研究、製品を同じ評価に入れないことが、この記事の判断軸です。2026年8月17日時点の公開資料を使い、会社発表の性能主張、Series Bの時点差、The AI Scientistの限界を分けて読みます。
Sakana AIとは？会社・研究・Applied・Productの位置づけ
会社の正体を知るには、まず何を研究し、誰に何を提供する組織なのかを分けて確認します。Sakana AIのCorporate Informationは、同社を東京を拠点とするFrontier AI R&D companyと説明しています。Frontier AIは、同社の公式ページが使う研究領域の呼び方であり、単一のチャットサービスだけを指す名称ではありません。
公式ページは、研究部門、企業・公共分野向けのApplied、利用者向けProductを別に説明しています。研究部門にはThe AI Scientist、Darwin Gödel Machine、ShinkaEvolve、AB-MCTSが挙げられ、Appliedでは金融、防衛、インテリジェンスなどの専門分野に向けたAIソリューション、ProductではSakana Chat、Sakana Marlin、Sakana Fuguが挙げられています。
会社を調べるときにこの3つを分ける理由は、同じ会社名の下でも、研究成果、企業向けの提案、利用者向けの製品では確認すべき情報が変わるからです。Sakana AIの公開情報を読む軸を、会社が何をするか、研究・Applied・Productのどこに属するか、利用者が何を確かめるかの3つに分けると、製品名だけで会社全体を説明せずに済みます。
会社概要には、Sakana AI K.K.が2023年7月に設立され、本社が東京都港区にあると記載されています。創業者はDavid Ha、Ren Ito、Llion Jonesです。経済産業省のMETI Journalも、3人が2023年に創業した経緯を紹介しています。役職の現在値は変わり得るため、確認するときは会社公式ページを正本にします。
社名のSakanaは、日本語の「さかな」に由来します。Seed Roundの公式発表は、魚の群れが単純な規則からまとまりを作るイメージを、進化や集合知を研究へ取り込む考え方と結び付けています。NEAの投資説明も、自然界の多様な存在が相互作用して集合知を形成する理念と、進化的モデルマージを説明しています。
この理念から確認できるのは、複数のモデルや探索手法を組み合わせ、巨大な単一モデルを大きくする以外の開発経路を探す研究上の着想です。自然界から着想を得ていることだけで、省電力や高性能が保証されるわけではありません。
Sakana AIの資金調達とユニコーン化、Series Bの時点差
資金調達の数字は、企業の成長や投資家の期待を読む材料です。ただし、調達額や評価額は、利用者がモデルを使ったときの回答品質や導入効果とは別の指標です。Sakana AIでは、Series Bについて異なる時点の資料があるため、一つの数字へまとめないことが大切です。
公開資料から確認できる調達履歴は、次のように分けて読めます。
| 時期・ラウンド | 確認できる内容 | 読み方 |
|---|---|---|
| 2023年・Seed | 公式発表は3,000万ドルのシード調達を説明し、Lux CapitalとKhosla Venturesを中心に、NTT、KDDI CVC、Sonyなどの参加を挙げる | 会社発表として確認する |
| 2024年・Series A | 公式発表は約2億ドルの調達を説明し、NEA、Khosla Ventures、Lux Capital、Translink Capital、500 Global、NVIDIAなどを挙げる | 公式発表と投資家資料を照合する |
| 2025年11月の報道 | TechCrunchは200億円、約1億3,500万ドル、post-money valuation26億5,000万ドルと報じる | 報道時点の数字として扱う |
| 2026年4月更新の公式発表 | 公式ページは約320億円、2億ドル、post-money valuation約4,320億円・27億ドル、累計調達額約660億円と記載する | 公式更新時点の数字として扱う |
Series Aの公式発表は約2億ドルの調達額と、NEA、Khosla Ventures、Lux Capitalを共同リード投資家として記載しています。NEAも2024年9月4日の記事でSeries Aを共同リードしたと説明しているため、ラウンドの存在と規模は別資料で照合できます。
Series Bは、2025年11月17日のTechCrunch報道と、Sakana AIのSeries B公式ページを分けて記録します。公式ページには2026年4月9日に追加情報を更新したとあり、報道の200億円と約1億3,500万ドル、post-money valuation（調達後の評価額）26億5,000万ドル、公式の約320億円と2億ドル、約27億ドルが一致しません。追加調達、為替、ラウンドの締結時点など、差分の理由は公開資料だけでは確定できません。
ユニコーンは、未上場で企業価値が10億ドル以上とされるスタートアップを指します。METI Journalは、Sakana AIを創業から約1年で評価額10億ドル以上になった日本発ディープテック・スタートアップとして紹介しています。2026年4月更新のSeries B公式発表が示す27億ドルのpost-money valuationも、ユニコーンと呼ばれる背景を説明します。
私が資金調達ニュースを読むときは、ユニコーンという分類を性能の代わりに使わないようにしています。投資後の評価額は、Sakana AIの各モデルが他社より高性能であることを示しません。調達額、評価額、資金用途、製品提供を別々に確認します。
The AI Scientistとは？研究工程と限界
研究者が文献を探し、仮説を考え、コードを書き、実験し、結果をまとめるまでには複数の工程があります。工程ごとに人が作業を切り替える負担を減らすには、アイデアから実験、原稿、レビューまでをつなぐ仕組みが必要です。Sakana AIは、この一連の動作を研究パイプラインとして構成し、The AI Scientistという名前で説明しています。
The AI Scientistの公式紹介は、広い研究テーマとコードの出発点を与えると、アイデア生成、文献検索、実験計画、実験の反復、図表作成、原稿執筆、査読を一つのパイプラインで進めるシステムとして説明します。この仕組みをThe AI Scientistと呼びます。質問に答えるチャットボットではなく、研究プロジェクトの複数工程を順に実行するエージェント（研究作業を代わりに進めるAI）を組み合わせた研究システムです。
Nature掲載を知らせる公式発表は、UBC、Vector Institute、Oxfordとの共同研究であること、AI Scientist-v1/v2のコードをGitHubで公開していることを示しています。AI ScientistのGitHubとv2のGitHubは、コードを実行して研究工程を試すための公開資料です。
Natureに掲載された論文は、研究アイデアの生成、コード作成、実験、データ分析、原稿作成、査読を含むend-to-endのパイプラインを説明しています。生成原稿がトップ級機械学習会議のワークショップで査読第1段階を通過したと記載されています。対象は機械学習のワークショップです。一般の学術誌やすべての学会で同じ基準を満たしたことを意味しません。
The AI Scientistを調べるときは、研究コード、論文で報告された結果、会社の紹介を一つの実績へ統合しないことが大切です。利用者がコードを試す場合は、研究テーマ、実行環境、使用するモデル、安全なコード実行、結果の再現性を確認します。論文の査読第1段階通過は、科学全体の妥当性や人間研究者の代替を証明するものではありません。
初期の公式紹介は、生成論文には欠点があり、コード実行には安全性とサンドボックスが必要だと説明しています。自己呼び出しを起こすコード変更や、実験がタイムアウトする例も紹介されています。2026年のNature論文の公式紹介も、現状は計算実験に限られると記載しています。
したがって、The AI Scientistを「研究者を不要にする装置」と説明するのは不正確です。私には、現段階の価値は研究者を置き換えることではなく、計算機上の機械学習研究で工程の一部を自動化し、候補となるアイデアや原稿を作る点に見えます。研究テーマの妥当性、実験結果の再現性、危険な実験を実行しない判断、発表してよいかの責任は、人間の研究者と組織の管理に残ります。
Sakana Chat・Namazu・Fuguの違いと使い分け
研究成果を読むだけでなく、利用者向けのサービスを試したい人は、どの製品がどの動作を担うのかを分けて見ます。Sakana Chat、Sakana Namazu、Sakana Fuguは、会社が製品として説明している名前です。The AI Scientistの研究パイプラインと同じものとして扱わないでください。
Sakana Chatのアップデート発表は、Sakana Chatを自社モデルをAPIなしで試す場として説明しています。Sakana Fuguと新世代のSakana Namazu、コード実行、ファイル添付、生成物のプレビューも案内されています。検索、計算、資料作成を一つの会話にまとめられるという説明は、同社の製品発表として読みます。
Sakana Namazuの製品ページは、日本文化への理解と推論能力を組み合わせたLLM（大規模言語モデル）としてNamazuを紹介し、Web検索、コード実行、API（外部のシステムから機能を呼び出す窓口）利用、法人向けプランを説明しています。日本語の業務文書、公開情報の検索、コードによるデータ処理を試す場合の候補になりますが、料金、利用可能なモデル、ログやデータ保持、リージョンは最新ページで確認してください。
複数のLLMをタスクに応じて呼び分け、結果を検証して一つにまとめる動作を、一つのモデルAPIとして提供する仕組みがあります。Sakana Fuguの公式発表は、この仕組みをFuguというマルチエージェント・オーケストレーション（複数のAIを調整して作業を分担させる仕組み）システムとして説明しています。利用者は一つのモデルAPIを呼び出しますが、内部ではタスクの分解、モデルの選択、委譲、検証、結果の統合を行う設計です。
Fuguの性能について、公式発表はベンチマーク比較とFuguおよびFugu Ultraの用途を示しています。性能優位、単一ベンダー依存の回避、企業向けの可用性は会社が提示する主張です。APIの遅延、費用、外部モデルへのデータ送信、障害時の経路、回答の再現性は、利用者が自分のタスクで検証してください。
製品を選ぶときの軸は、何を試したいか、どの動作が必要か、会社の主張と自分の検証をどこで分けるかです。Sakana Chatは会話、検索、コード実行、ファイル添付などを試す入口として、Namazuは日本語・日本文化への理解やWeb検索、コード実行、API提供を確認する対象として、Fuguは複数LLMの呼び分けと結果統合を確認する対象として読み分けます。これは製品ページの説明を用途別に整理したもので、第三者による総合評価ではありません。
Sakana AIの使いどころ、政府支援・企業協業・確認項目
Sakana AIの位置づけを理解するには、製品ページだけでなく、計算資源の支援や日本企業との社会実装の説明も確認します。ただし、助成採択や協業方針を、そのまま製品性能や導入成功率へ置き換えないことが必要です。
基盤モデル研究を進める会社の位置づけを確認するには、政府が計算資源を助成する制度と、製品利用者が得る結果を分けて見ます。Sakana AIのGENIAC関連発表は、同社が日本政府のスーパーコンピューティング助成の対象7機関の一つに選ばれたと説明しています。制度の公的な入口は、経済産業省のGENIACページです。この資料から確認できるのは、国内で基盤モデル研究を進めるための計算環境への支援と、政府のAIエコシステム施策の対象になったことです。
この助成採択だけで、製品の回答精度、事業の収益性、国内企業への導入効果が証明されたとはいえません。研究環境への支援と、利用者が製品を使った結果は、別の証拠として確認します。
Series Bの公式発表は、金融、製造、防衛、インテリジェンスなどの分野で、日本企業・公共分野との社会実装を進める方針を説明しています。METI Journalでは、金融機関が持つデータだけでは業務判断を再現できず、経験に基づく暗黙知を扱う必要があるという同社COOの説明が紹介されています。
企業との協業や暗黙知の扱いは、Sakana AIをモデルを配る会社だけでなく、業務知識をAIシステムへ組み込む会社として見る材料になります。ただ、個別の協業実績から導入成功率を推定することはできません。導入の価値を判断するには、対象業務、既存データ、担当者の確認、誤りが起きたときの戻し方、運用コストを個別に確かめます。
私がSakana AIを調べるときは、次の5項目を確認します。
- 対象は研究コード、試験用チャット、API、企業向け個別実装のどれか。
- 実行に必要なモデル、外部API、Web検索、コード実行、データ接続は何か。
- 会社発表のベンチマークと、第三者が同じ条件で確認した結果を分けているか。
- 入力データがどこへ送られ、ログや保持期間をどう管理できるか。
- AIの出力を人間が確認し、間違いを差し戻せる業務設計になっているか。
研究者がThe AI Scientistのコードを試す場合と、企画担当者がSakana Chatで市場調査の下書きを作る場合では、見るべき一次資料とリスクが変わります。前者は実行環境、研究テーマ、再現性、コードの安全性を中心に確認します。後者は出典、検索日、出力の検証、データ保持、最終資料を誰が承認するかを確認します。
よくある質問（FAQ）
Sakana AIの会社情報、資金調達、The AI Scientist、製品の位置づけについて、今回確認した公開資料の範囲で答えます。
Q1. Sakana AIは何をしている会社ですか？
Sakana AIは、東京を拠点とするFrontier AIの研究開発会社です。公式ページは、研究、企業・公共分野向けのApplied、利用者向けProductを分けて説明しています。
Q2. Sakana AIはユニコーン企業ですか？
METI Journalは、Sakana AIを評価額10億ドル以上の日本発ディープテック・スタートアップとして紹介しています。2026年4月更新の公式Series Bページは、post-money valuationを約27億ドルと記載していますが、評価額は製品性能の保証ではありません。
Q3. Series Bの調達額はいくらですか？
TechCrunchは2025年11月時点で200億円、約1億3,500万ドルと報じています。Sakana AIの2026年4月更新の公式ページは約320億円、2億ドルと記載しています。公開資料だけでは差分の理由を確定できないため、二つの時点を分けて扱います。
Q4. The AI Scientistは人間の研究者の代わりになりますか？
今回確認した資料からは、代わりになるとはいえません。The AI Scientistは計算機上の機械学習研究を対象に、アイデア、コード、実験、原稿、レビューの工程を自動化しますが、コード実行の安全性、実験結果の再現性、研究を発表する責任は人間の研究者と組織に残ります。
Q5. The AI Scientistの論文は査読を通過しましたか？
Nature論文は、生成原稿がトップ級機械学習会議のワークショップで査読第1段階を通過したと記載しています。これは対象範囲が限定された実績であり、一般の学術誌やすべての学会で採択されたことを意味しません。
Q6. Sakana FuguとSakana Namazuは何が違いますか？
Namazuは、公式ページが日本文化への理解、Web検索、コード実行、API利用などを説明するLLMです。Fuguは、公式発表が複数のLLMを動的に呼び分け、結果を統合するシステムとして説明しています。いずれも性能や提供条件は会社の公式説明として読み、利用前に最新情報を確認してください。
Q7. Sakana AIを使う前に何を確認すべきですか？
研究コード、試験用チャット、API、企業向け個別実装のどれを使うのかを最初に決めます。そのうえで、必要なモデルや外部接続、データの送信先と保持、会社発表と自分の検証の差、出力を確認する担当者を確かめます。
調査手法について
こちらの記事はグラフAIリサーチプラットフォームのSnorbeを使って作られています。Snorbeは研究開発・新規事業向けの調査テーマに応じた幅広い項目のオートリサーチや、ナレッジグラフの構築、構造化レポートの生成ができるAIリサーチツールです。
Screenshot
調査したいテーマを入力するだけで、AIが深堀りすべき観点や広げるべき調査項目をレコメンドしながら、自動でリサーチを進めます。収集した情報はナレッジグラフとして蓄積され、未調査領域（ホワイトスペース）を可視化しながら調査の網羅性を高めていけます。
また、観点マトリクスを30秒・構造化レポートを10分で自動生成する機能があり、出典付きのレポートをMarkdown/PDF形式でエクスポートできます。調査の元データも保存されるため、ファクトチェックや社内共有も容易です。
ご利用をご希望の方は、こちらよりお申し込みください。
また、グラフAIを活用した社内ナレッジ管理や、研究開発・新規事業のリサーチ支援、セルフホスト導入のご相談も受け付けています。お困りの方はお気軽にご連絡ください。
市場調査やデスクリサーチの生成AIエージェントを作っています 仲間探し中 / Founder of AI Desk Research Agent @deskrex , https://deskrex.ai
コメント