Sakana Namazuとは何か
Sakana Namazuとは、東京のAI企業 Sakana AI が2026年8月3日に提供を開始した、日本語に特化した大規模言語モデル（LLM）のAPIです。APIとは、外部のプログラムからモデルを呼び出して使うための仕組みを指します。自社のアプリや業務システムに組み込んで使う形が前提で、チャット画面から使うサービスではありません。
Sakana Namazu の基本情報（公式ブログ・製品ページによる）
sakana-namazu（料金表記は sakana-namazu-v1.0）https://api.sakana.ai/v1）Today we are releasing Sakana Namazu, an API powered by an updated version of the large language model that has been running inside Sakana Chat. It is an LLM specialized for the Japanese language and for the way business is done in Japan, with web search and code execution available as built-in tools. If you already have code written against an OpenAI-compatible API, rewriting `base_url` is all it takes to start using it. — 提供開始・標準ツール・接続方式に関する冒頭の告知より
GDPR等のEU/EEA固有規制への対応を進めており、現在はEU・EEA域内、イギリス、スイスではご利用いただけません。 — 表の「提供対象外」の根拠となる、製品ページ冒頭の注記より
ベースはKimi K2.6、日本語向けに追加学習した
土台になっているのは、Moonshot AI が公開しているオープンモデル Kimi K2.6 です。オープンモデルとは、モデルの重み（学習結果のデータ本体）が公開され、誰でも自分の環境で動かせるものを指します。Sakana AI はそこへ社内独自のデータで追加学習をかけ、日本語と日本の業務文脈に合わせました。
手を入れたのは日本語の精度だけではありません。公式は特定の話題で応答を避けてしまう挙動を減らすことと、出力の偏りを抑えることの2点も調整対象に挙げています。日本語で書かれた社内文書やメールを扱う場面では、敬語や商習慣を踏まえた文面になるかどうかが実務の分かれ目になります。そこを狙ったチューニングだと読み取れます。
同社がオープンモデルの上に自社サービスを積むのは今回が初めてではありません。複数のモデルを組み合わせて動かすSakana Fugu（サカナ・フグ）とは設計思想が異なります。Fugu は各社の最上位モデル（フロンティアモデル）を複数まとめて指揮する仕組みですが、Namazu は追加学習した単一の自社モデルが単体で動きます。
It is built on Kimi K2.6, the open model published by Moonshot AI. Using our own in-house data, we adapted the model to Japanese and to Japanese business contexts, and we also tuned it to reduce unnecessary refusals on certain topics and to limit bias in its outputs. — ベースモデルと追加学習の内容に関する記述より
Sakana Fugu が複数のフロンティアモデルを編成 (オーケストレーション) して性能を引き出すサービスであるのに対し、Sakana Namazu は独自に追加学習した単一の自社モデルが単体で動作する API サービスです。 — Fugu と Namazu の設計上の違いに関する記述より
Sakana Chatに載っていたモデルのAPI版にあたる
Namazu という名前自体は新しくありません。同社のチャットサービス Sakana Chat に搭載されていたモデルがもともと Namazu で、今回はそれを更新してAPIとして切り出した形になります。公式は Sakana Chat の公開時からモデルの更新を重ねており、日本語の応答品質と、エージェント（人が逐一指示しなくても道具を使いながら作業を進める使い方）としての遂行能力の両方で以前のバージョンを上回るとしています。
開発のきっかけも公式が明かしています。Sakana Chat の公開以来、「このモデルを自社のプロダクトやワークフローからAPI経由で使いたい」という要望が数多く寄せられていたとのことです。日本語で業務に使えるLLM APIの選択肢はまだ限られており、フロンティアモデルは費用が高く、オープンモデルをそのまま使うと品質やデータの扱いに不安が残る。その中間を埋める選択肢として作った、というのが同社の説明です。
We have kept updating the model since Sakana Chat first launched, and this version improves on earlier ones both in the quality of its Japanese responses and in its ability to carry out work as an agent. ／ Ever since Sakana Chat launched, we have heard the same request many times over: people wanted to use this model from their own products and workflows through an API. ／ At the same time, the choice of LLM APIs that can handle real work in Japanese is still limited. Frontier models are costly, and using an open model as it comes leaves open questions about quality and about how data is handled. — Sakana Chat との関係、および開発の背景に関する記述より
Web検索とコード実行が最初から組み込まれている
もう一つの特徴が、Web検索とコード実行が標準ツールとして組み込まれていることです。外部の検索サービスや実行環境を自分で用意しなくても、同じAPIから呼び出せます。
公式が挙げるユースケースは、この組み合わせを前提にしたものです。たとえば毎週月曜朝に届く市場調査レポートを人手を挟まず完走させる例が紹介されています。調査計画の立案からWeb検索の繰り返し、情報の突き合わせ、レポート執筆までをモデルが自分で回す想定です。ツールを呼びながら複数の工程をつないでいく能力は、Sakana AI CoffeeBenchのようなエージェント評価でも中心に置かれてきた論点になります。
The first is generating market research reports automatically. A report lands every Monday morning, and the model runs the entire job on its own, from drawing up the research plan through repeated web searches, cross-checking what it finds, and writing the report itself. What supports this long, multi-stage workflow is the strong agentic ability inherited from the base model, together with the web search tool that comes as standard. — 標準搭載のWeb検索ツールを使ったユースケースの説明より
Sakana Namazuの料金と性能
料金はトークン単位の従量課金です。トークンとは、モデルが文章を読み書きするときに使う細かい処理単位を指します。送った文と返ってきた文の量がそのままトークン数になり、金額はそれに比例して積み上がります。
Sakana Namazu の料金（100万トークンあたり・公式料金ページによる）
| 項目 | 価格 | 補足 |
|---|---|---|
| 入力 | $0.95 | 参考: 約¥152（1ドル160円換算） |
| 出力 | $4.00 | 参考: 約¥640（思考トークンも同単価） |
| キャッシュ済み入力 | $0.15 | 参考: 約¥24 |
| Web検索 | $7.00 / 1,000回 | 検索とページ本文取得が各1回 |
| コード実行 | $0.12 / 時間 | セッション保持時間で課金 |
sakana-namazu-v1.0 のトークン料金です。価格は100万トークンあたりです。／ 入力 $0.95（約 ¥152）／ 出力 $4.00（約 ¥640）／ キャッシュ済み入力 $0.15（約 ¥24）／ シンキングトークンは出力トークンと同単価で課金されます。／ Web検索 $7.00（約 ¥1,120） 1,000回あたり（検索クエリとページ本文の取得を、それぞれ1回として数えます）／ コード実行 $0.12（約 ¥19） 1時間あたり（セッション保持）／ 円表記は 1ドル＝160円で換算した参考価格です。実際のご請求は米ドル建てとなります。 — トークン料金表・ツール利用料の表および円換算の注記より
月額なしの従量課金で、ツール利用料は別枠
Sakana Namazu には月額プランもサブスクリプションもありません。使ったトークン量に応じた従量課金だけです。同社の別サービス Sakana Fugu は月額20ドルから200ドルまでのプランを持っており、課金の考え方がそもそも違います。
注意したいのは、Web検索とコード実行の料金がトークン代とは別に積み上がる点です。公式はこれらのツールを有効にすると1回のAPIリクエストの内部で複数回のモデル呼び出しが走ると説明しています。検索結果や取得したページ本文は次の内部呼び出しで入力トークンとして再送されるため、入力側の消費が伸びます。共通する前半部分はキャッシュ扱いになり割安な単価で計上されるとはいえ、単純なチャット用途より読みにくい費用構造です。エージェント用途で使うなら、実際のワークフローで一度計測してから見積もるのが確実です。
Standard $20/月 ／ Pro $100/月 ／ Max $200/月 ／ Web検索やコード実行などの組み込みツールを有効にすると、1回のAPIリクエストの内部でモデルの呼び出しが複数回行われます（モデルがツールを呼び出し、その結果を受け取って再び推論する「エージェントループ」）。／ 内部の各呼び出しでは、それまでの会話履歴とツール結果を含むプロンプト全体が再送されます。このため、検索結果・取得したウェブページの本文・コード実行の出力は、以降の内部呼び出しの入力トークンとして課金されます。／ 内部呼び出し間で共通するプロンプトの前半部分は、通常プロンプトキャッシュから供給され、cached_tokens として報告されます（入力トークン数の内数です）。キャッシュ分には割引されたキャッシュ済み入力の単価が適用されるため、ループが長くなっても入力コストの増加は緩やかです。 — Fugu の月額プラン表、および「組み込みツール利用時のトークン計算」の説明より
日本語ベンチはベースモデルを全項目で上回った
性能について公式が主張しているのは、推論・問題解決の力はベースモデルの水準を保ちつつ、日本語と日本固有の文脈では上回ったという2点です。前者はAIME26（数学的推論）・MMLU-Pro（幅広い知識と推論）・LiveCodeBench v6（コーディング）で確認したとしています。
後者で伸びが目立つのが FairPoliticsQA です。これは特定の国の価値観に偏らない中立な回答ができるかを測るもので、34.10%から56.30%へ上がりました。あわせて日本語の指示追従を測る JFBench と、日本固有の固有名詞や敬語を考慮した日英翻訳タスクでもベースモデルを上回ったとしています。
FairPoliticsQA スコア（Sakana AI 公表値）
It outperformed the base model on all of the following: JFBench, which measures instruction following in Japanese; a Japanese-English translation task that accounts for Japan-specific proper nouns and honorific language; and FairPoliticsQA, which measures whether answers stay neutral rather than leaning toward the values of any one country. ／ The gain on FairPoliticsQA is especially large, rising from 34.10% to 56.30%… — 日本語系ベンチマークの結果および FairPoliticsQA の改善幅より
この数値は自社測定で、比較対象はベースモデルだけ
数字を読むときの前提を1つ挙げておきます。公表されているのは Sakana AI 自身による測定値で、比較対象はベースモデルの Kimi K2.6 だけです。他社の日本語対応モデルと横並びにした表は出ていません。
日英翻訳タスクと FairPoliticsQA は社内で構築した独自ベンチマークだと公式が注記しています。外部から中身を検証することはできません。JFBench は Preferred Networks が開発した公開ベンチマークですが、こちらも制約数1・2・4・8からそれぞれ200サンプルを抽出して測ったという条件付きです。AIME26 など推論系の具体的な数値は本文に記載がなく、「ベースの高い性能を維持」という表現にとどまります。
日本語が強くなったという方向性そのものは公式の説明どおりです。ただし他社モデルとの優劣をこの数字から判断することはできない、というのが正確な受け取り方になります。
JFBench is a benchmark developed by Preferred Networks for measuring instruction-following ability in Japanese. For this evaluation, we sampled 200 items from each of the constraint counts 1, 2, 4, and 8. The Japanese-English translation task and FairPoliticsQA are internal benchmarks we built ourselves. — ベンチマークの出所と測定条件に関する注記より
Sakana Namazuの使い方と制約
導入のハードルは低い設計です。ただし使う前に確認しておきたい制約もいくつかあります。
Sakana Namazu を使い始める手順
https://api.sakana.ai/v1 に変え、モデル名を sakana-namazu に指定する接続先とモデル名を書き換えるだけで動く
OpenAI互換のAPIとして提供されているため、SDK（開発者向けの部品一式）を入れ替える必要はありません。公式が示しているのは、OpenAI の Python 用 SDK で接続先と鍵を差し替え、モデル名に sakana-namazu を指定するだけのコードです。以下は公式のサンプルをもとに、鍵を環境変数から読む形にしたものです。
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.sakana.ai/v1",
api_key=os.environ["SAKANA_API_KEY"],
)
response = client.chat.completions.create(
model="sakana-namazu",
messages=[{"role": "user", "content": "こんにちは！"}],
)
既存のコーディング支援ツールから呼び出す構成も同じ要領で組めます。Sakana Fugu を Claude Code で動かす手順と同じく、接続先の差し替えが要点になります。リクエストの本体はJSONで組み立てるため、メッセージ配列やツール定義の構造を目視で整えてから流すと、うまく動かないときの切り分けが速くなります。
無料ツールJSON整形・検証JSONデータを見やすく整形＆構文エラーを検証。開発やAPI連携に必須。今すぐ使ってみる →
API キーを取得して base_url を書き換えるだけ。数行の変更で、既存のコードやツールからそのまま Sakana Namazu を呼び出せます。／ Sakana Namazu は OpenAI 互換 API を通じて利用できます。既存のクライアントやコーディングハーネスを、API キーとともに Sakana Namazu のエンドポイントに向けてリクエストを送るだけです。SDK の移行は必要ありません。 — 「使い方」節の手順および FAQ 01 の記述より
EU・英国・スイスでは現在利用できない
導入前に必ず確認したいのが提供地域です。Sakana Namazu は現時点で EU・EEA（EUにノルウェーなどを加えた経済圏）域内、イギリス、スイスでは利用できません。GDPR（EUの個人データ保護規則）をはじめとする EU/EEA 固有の規制への対応を進めている最中だという説明が、製品ページの冒頭に置かれています。
データの処理場所についても注意が要ります。公式はデータ処理を日本国内で完結させることは現時点では保証していないと明記しています。国内処理を要件にしている業務にそのまま載せることはできません。リージョンの指定やゼロデータ保持（入力を一切保存しない設定）は法人プランで相談できる、という案内になっています。国産モデルだから国内で閉じている、という前提は置かないほうがよいでしょう。
現時点では、データの処理を日本国内で完結させることは保証しておりません。／ 法人でのご利用では、円建て支払い・請求書払い・リージョン指定・ゼロデータ保持 (zero data retention) など、さまざまな要件に合わせてご相談いただけます。 — データ処理に関する FAQ 05、および法人向け対応の案内より
既定では入力データが学習に使われる
もう一点、業務データを扱う前に確認しておきたい設定があります。初期設定のままだと、入力したデータがモデルの学習・改良に使われる場合があります。公式は Console の設定からいつでもオプトアウトできるとしていますが、既定は「使われうる」側です。
支払いにも制約があります。請求は米ドル建てのみで、円建て支払いは法人プランでの対応になります。経費処理で為替換算が発生する点は、社内の運用ルールと突き合わせておく必要があります。
初期設定では、ご入力いただいたデータをモデルの学習・改良に利用する場合があります。学習への利用は、Console の設定からいつでもオプトアウトできます。／ 現時点では対応しておらず、請求は米ドル建てのみです。法人プランでは円建てのお支払いにも対応可能です — 学習利用の既定設定（FAQ 03）および支払い通貨（FAQ 04）に関する記述より
まとめ：Sakana Namazuの使いどころ
Sakana Namazu の位置づけは、公式の言葉どおりフロンティアモデルとオープンモデルの中間です。同社は前者を「コストが高い」、後者を「品質やデータの扱いに不安が残る」と整理したうえで、その間を埋める扱いやすい価格帯を狙ったと説明しています。向くのは、日本語の業務文書や問い合わせ対応のように量が出て、なおかつ日本語の自然さが効く処理でしょう。逆に、他社モデルとの性能差を根拠に置き換えを決めるだけの材料は、今の公開情報にはまだありません。
現実的な使い方は、日本語のやり取りが中心で件数の多い処理から試すことです。まず既存コードの接続先を差し替えて自社のデータで走らせ、品質と実際の費用を測る。その結果で判断すれば、ベンチマークの数字に頼らずに済みます。EU・英国・スイスからの利用や国内処理の要件がある場合は、その前に提供条件をご確認ください。
なお、ベースになった Kimi 系モデルの系譜についてはKimi K3の解説もあわせてご覧ください。Sakana AI の他の取り組みはNVIDIAとの協業でも触れています。API へ送るリクエストを組み立てるときは、JSONの構造を整えてから流すと詰まりにくくなります。
無料ツールJSON整形・検証JSONデータを見やすく整形＆構文エラーを検証。開発やAPI連携に必須。今すぐ使ってみる →
