Sakana AIは、マルチエージェントシステムを単一のAPIエンドポイントとして提示するFuguオーケストレーションモデルのサイバーセキュリティ特化版、Fugu-Cyberをリリースした。7月21日のリリースは、そのベンチマークスコア（大規模ラボの専用サイバーセキュリティモデルに匹敵する）よりも、応用AIにおける価値がどこに集積しているかについての構造的議論において注目に値する。
Fugu-Cyberはスタンドアロンモデルではない。Sakanaの既存のFuguオーケストレーターの上に位置し、動的な専門サブエージェントのプール全体にタスクをルーティングする。オーケストレーターはタスクに応じて、思考者、作業者、検証者という役割を異なるエージェントに割り当て、Sakanaがセキュリティ業務に適したシステムと主張するのは検証レイヤーである。あるエージェントによって表面化された候補脆弱性は、推奨事項が提供される前にセキュリティ特化型サブエージェントによって検証される。
同社は、オープンソースプロジェクトからの1,507のテストケースにわたってモデルの現実世界の脆弱性分析能力を評価するUC BerkeleyのベンチマークCyberGymで86.9パーセントの成功率を報告している。生の脅威インテリジェンスを動作する検出ルールに変換する能力を測定するCTI-REALMでは、Fugu-Cyberは72.1パーセントをスコアする。Sakanaはこれらの結果を、大規模フロンティアラボの専用サイバーセキュリティバリアントであるGPT-5.5-CyberやClaude Mythos Previewに匹敵すると説明している。
しかしSakana自身のメッセージングは期待値の設定に慎重である。同社はフロンティアモデル（自社のものを含む）をターンキーセキュリティソリューションとして扱うことに対して明示的に警告している。同社が引用した最近のレポートによると、日本の主要金融機関は、専門的な内部人材と既存のセキュリティインフラへの深い統合なしに、最先端のAIモデルでさえ運用化することに苦慮している。孤立して展開された生のモデルは、誤検出を生成し、ライブ本番環境のコンテキストを理解できない傾向があると論じられている。
Fugu-Cyberはアクセスが制限されている：希望するユーザーは意図したユースケースを説明するアプリケーションを提出する必要があり、各アプリケーションは手動でレビューされる。このモデルは、攻撃的な誤用を禁止する更新された利用許諾ポリシーの下で運用される。請求はSakanaの標準サブスクリプション階層とは別のトークンプランを通じて行われ、EUおよびEEAでは、同社がGDPRコンプライアンスに向けて作業している間、APIは利用できない。
エンタープライズセキュリティチームにとっての実際的な含意は、Fugu-Cyberが人間のアナリストの代替としてではなく、より大きなワークフロー内のコンポーネントとして位置づけられていることである。SakanaのApplied Enterpriseチームは、モデルの推論能力を組織の既存のセキュリティ運用に接続する統合ハーネスと検証パイプラインを構築している。
より広範なパターンは、複数のAIドメインにわたって見られるシフトと一致している：フロンティアモデルの能力が収束するにつれて、競争優位の単位は生のモデルアクセスから、その上に構築されたオーケストレーション、検証、およびドメイン特化型統合レイヤーに移行している。Fugu-Cyberは、サイバーセキュリティに適用されたその議論の具体的なインスタンスである。
雅子 訳
出典：Introducing Fugu-Cyber（Sakana AI、2026年7月21日）；Sakana AI Releases Fugu-Cyber（MarkTechPost、2026年7月25日）；Sakana AI’s Fugu-Cyber Positions Orchestration as Enterprise Security Moat（FourWeekMBA、2026年7月21日）