Sakana Fuguの「指揮者」をGemma 4に載せ替え。性能とコスト削減は遜色なしと確認

指揮者を、別の人に取り替えてみた。オーケストラの話ではありません。

Sakana AI が 8 月 10 日、自社製品 Sakana Fugu の「指揮者モデル」を Google の Gemma 4 ベースで作り直し、これまでと遜色ない性能が出たと発表しました。一見すると社内検証の報告なんですが、読んでいくと、けっこう芯を食った話です。

Sakana Fuguの中で、指揮者だけが小さい理由

まず Sakana Fugu が何なのかから。

6 月 22 日に一般提供が始まったこの製品は、外から見ると普通の言語モデル API です。エンドポイントは 1 つ。リクエストを投げると答えが返ってくる。ところが中身はマルチエージェントで、届いた依頼を見て「これは自分で答える」「これは外の専門モデルに投げる」を判断し、複数の結果をまとめて 1 つの答えに整えてから返しています。

構造は二層です。モデル間の協調の仕方を学習させた小規模な言語モデルである指揮者モデルと、実際に処理を担うモデルプール。プールには数百 B クラスのフロンティアモデルが入っています。

面白いのは、指揮者のほうが小さいことです。指揮者に求められるのはあらゆる知識を自分の重みに抱え込むことではなく、どのモデルにどう任せるかを判断することだ、と同社は説明しています。オーケストラの指揮者が全楽器を自分で弾けるわけではないのと同じ理屈ですね。重い知識と推論はプール側が持つ。だから指揮者自身は小さくてよく、小さいからこそ現実的なコストで何度も訓練し直せる。

この「何度も訓練し直せる」が、今回の検証の前提になっています。

指揮者のベースを、QwenからGemma 4 E2Bへ載せ替えた

これまでの Fugu の指揮者は、Qwen をベースに訓練したものでした。プール側は最初から入れ替え可能であることを前提に設計してきたのに、指揮者自身のベースモデルだけは一系統しかなかった、という状態です。

そこで、まったく別系統のオープンモデルである Gemma 4 を持ってきて、同じ訓練手法で指揮者を訓練し直しました。使ったのは Gemma 4 E2B。Gemma 4 は Google が今年 4 月 2 日に Apache 2.0 で公開したオープンモデルのファミリーで、E2B はそのうちエッジ向けに用意された 2 サイズの小さいほうです。狙いは「同規模なら系統が違っても同じ手法が通用するのか」を確かめること。

評価には自社で独自に構築した設問セットを使っています。知識を問う問題、コード修正、コード生成、大学院水準の科学の設問。この設問は訓練にも、訓練途中の候補選定にも使わず、テスト時に一度だけ使ったと明記されています。ここは大事なところで、評価用の問題をこっそり訓練に混ぜていないという宣言です。

結果は、既存の指揮者モデルと遜色ない性能、そして同等のコスト削減効果が確認できた、とのこと。

ちなみに、この「遜色ない」の中身は記事に図として載っているだけで、本文に具体的な数値はありません。図の軸は正答率とコストで、コストのほうは「ランダムな振り分け」を 1 とした相対値です。訓練していない指揮者、つまりプールから無作為に送り先を選んだ場合をベースラインに置いている。何パーセント改善という数字を持ち帰りたい人には、少し物足りない出し方だと思います。

6月の輸出規制騒ぎが、この設計の背景にある

なぜ「取り替えられること」がそこまで価値になるのか。ここは今年の実例と地続きです。

Fugu の発表記事で Sakana AI 自身が名指ししているのが、Anthropic の Fable 5 と Mythos 5 に米政府の指示でアクセス停止がかかった件です。国家安全保障を理由に外国籍の利用者への提供を止めるよう指示が出て、Anthropic は遵守のために全顧客向けにこの 2 モデルを停止した、と説明しています。この措置は 6 月末から 7 月頭にかけて解除されたと複数のメディアが伝えていますが、一度は本当に止まったわけです。

重要インフラや金融や行政を一社の API に載せて動かしていたらどうなるか。規制の枠組みや各国の政策が変われば、アクセスの条件は一夜にして変わりうる。同社はこれを「もはや仮定の話ではなくなっています」と書いています。

で、Fugu の答えが「迂回できる構造にしておく」でした。あるプロバイダーが利用を制限しても、指揮者が別のモデルに流す。7 月 16 日には NVIDIA との提携も発表していて、オープンウェイトの Nemotron を専門エージェントとしてプールに組み込む方向で動いています。プールの選定基準そのものも、最高性能だけでなく、コストを優先したい、提供元の所在地を限定したい、実行環境を限定したいといった要望に応じて構成側で選べるようにしてある。

今回の Gemma 4 検証は、その「入れ替え可能」を、最後まで固定だった指揮者にも広げた、という位置づけです。

稟議が止まるのは「来年も同じ条件で使えるのか」のところ

日本の読者にとって、この話がどこに効くか。

国内企業が生成 AI を業務に入れるとき、いちばん通しにくい問いは「そのモデルが来年も同じ条件で使えるのか」だと思います。値上げ、提供終了、規制、為替。どれも自社ではどうにもならない外部要因で、しかも起きてから差し替えるとなると数ヶ月かかる。だから慎重な組織ほど検証段階で止まる。

Fugu のような設計は、この問いに対して「差し替えの仕組みを製品の中に最初から入れておく」と答えるものです。指揮者も含めて全部が入れ替え可能なら、どのモデルを選ぶかという最初の決断の重さが下がる。少なくとも、ベンダー依存を理由に止まっていた案件を動かす材料にはなります。

もうひとつ、同社は今後、自社開発モデルをベースとした指揮者モデルの訓練にも取り組み、顧客が求めるソブリン性の要件に応じて、事前学習から国内で構築したモデルへ指揮者を切り替えられる体制を整えていくと書いています。いちばん判断を握っている層を国産に寄せられる、という話です。日本語の言い回しや国内の法制に合わせたいとき、あるいは政府調達や自治体、医療のように「どこで学習されたか」を問われる領域では、ここが効いてきそうです。

海外の最高性能に触り続けることと、求められる主権を確保すること。この 2 つを両立させる、というのが同社の言い方でした。

Qwen版と何ポイント違うのかは、書かれていない

正直に書いておくと、今回の記事から読み取れないことも多いです。

Gemma 4 E2B の指揮者が Qwen ベースと比べて具体的に何ポイント違ったのか。プール側のモデル構成は揃えたのか。評価設問は何問あったのか。実運用の Fugu と Fugu Ultra に Gemma 4 版が投入されるのか、それとも検証止まりなのか。このあたりはどれも書かれていません。

ただ、検証記事としての主張は 1 つに絞られていて、そこは達成されています。指揮者のベースモデルは系統が違っても差し替えが効く。モジュール化の余地はプールだけでなく指揮者側にもある。この 1 点を示すのが目的であって、性能を競う記事ではない。

モデルの良し悪しより、乗り換えやすさのほうが先に効いてくる場面は、これから増えるんでしょうか。まあ、急がなくていいんですけど。自社開発モデルをベースにした指揮者がいつ出てくるのか、そのあたりは続報待ちですね。

情報元: ベースモデルに依存しないオーケストレーションに向けて：Gemma 4版 Sakana Fuguの検証（Sakana AI） / Sakana Fugu: One Model to Command Them All（Sakana AI） / Sakana AI Teams With NVIDIA to Advance Open Model Innovation from Japan（Sakana AI） / Statement on the US government directive to suspend access to Fable 5 and Mythos 5（Anthropic）

※この記事の本文は生成AIが執筆しています。事実関係は公式一次情報で確認しています。