Sakana AI、セキュリティ特化モデル「Fugu-Cyber」発表

Sakana AI は、セキュリティ推論に特化した「Fugu-Cyber（モデル ID: fugu-cyber-v1.0）」をリリースしました。これは同社の Fugu オーケストレーションファミリーにおける新たな最前線モデルというだけでなく、先月ローンチされた Fugu オーケストレーターの 3 つ目のエンドポイントとして位置づけられています。

Sakana AI が発表したところによると、Fugu-Cyber は CyberGym で 86.9%、CTI-REALM で 72.1% の成功率を記録しました。同社はこれらの結果を、GPT-5.5-Cyber や Claude Mythos Preview といったセキュリティ特化型の最前線モデルと同等のものだと評価しています。

両ベンチマークが実際に測っているもの

この 2 つの評価は、セキュリティワークフローの対極に位置するものです。

CyberGym は UC バークレーが開発したベンチマークで、188 の OSS-Fuzz プロジェクトにまたがる 1,507 の実世界脆弱性を対象としています。主要タスクでは、エージェントが脆弱性情報とパッチ未適用のコードベースを受け取ります。その後、パッチ適用前のビルドをクラッシュさせつつ、パッチ適用後のビルドは正常に動作させる Proof of Concept（PoC）を作成することが求められます。この検証ステップこそが、ベンチマークをゲーム化しにくくする要因となっています。

CTI-REALM はマイクロソフトが公開したオープンソースの検知エンジニアリング用ベンチマークです。Datadog Security Labs や Palo Alto Networks、Splunk などのソースから収集された 37 の公的脅威レポートをマイクロソフトがキュレーションしました。エージェントは MITRE ATT&CK テクニックのマッピングを行い、テレメトリデータを探索して KQL クエリを反復改善し、最終的に検証済みの Sigma ルールを出力する必要があります。採点対象には Linux エンドポイント、Azure Kubernetes Service（AKS）、および Azure クラウド環境が含まれます。

このペアは、「バグの発見と証明」と「インテリジェンスを検知へ転換する」の 2 つの側面をカバーしています。この枠組みこそが、Sakana の発表の中で最も説得力のある部分です。

86.9% という数字の意味

数値そのものよりも、それが置かれた文脈の方が重要です。

CyberGym の研究者たちが最初の結果を発表した際、最良のエージェントとモデルの組み合わせでも約 20% でした。その後、Anthropic は 2026 年 4 月、Project Glasswing の一環として Claude Mythos Preview が 83.1% を達成したと報告しています。また OpenAI も、更新された GPT-5.5-Cyber で 85.6%、従来の GPT-5.5 では 81.8% を記録しました。つまり、Sakana の 86.9% は、すでに知られている最前線からわずかに上回った程度であり、劇的な飛躍を意味するものではありません。

一方、CTI-REALM の事情は異なります。Microsoft による自社の評価では、上位 3 つの構成（すべて Claude ベース）が 0.624 から 0.685 の範囲に収まっていました。Fugu-Cyber の 72.1% は、このバンドを上回ることになります。ただし注意が必要です。CTI-REALM は 0 から 1 の間の軌道報酬（trajectory reward）としてスコアリングされるものであり、単なる合格・不合格の率ではありません。Sakana もこれを「成功率」と呼んでいますが、評価基準の違いを理解しておく必要があります。

オーケストレーションの仕組み

Fugu はそれ自体が言語モデルです。クエリを読み込み、その場でエージェントとしての骨組み（スキャフォールド）を構築するように訓練されています。そして、プール内の専門モデルに対してサブタスクを委譲します。

この手法は、Fugu の技術レポートおよび ICLR 2026 で発表された 2 つの論文「TRINITY」と「Conductor」に詳しく記載されています。TRINITY は複数の大規模言語モデル（LLM）に対して、「思考役」「作業役」「検証役」という役割を割り当てます。一方、Conductor は強化学習を通じて、自然言語による調整戦略を学習します。

セキュリティ分野における活用については、Sakana の研究チームが特に重視するのが「検証役」の存在です。あるエージェントが発見した候補となる脆弱性は、パッチ提案の前段階で、セキュリティに特化したサブエージェントによって厳密に検証されます。ただし、どのモデルがどの工程を担当するかというルーティング情報は非公開であり、外部からは確認できません。

アクセス、ポリシー、価格について

Fugu-Cyber へのアクセスは、以下の 4 つの基準によって制限されています。

利用には、利用目的と連絡先の検証済み情報を記載した申請フォームの提出が必要です。Sakana チームがそれぞれの申請を手動で審査します。また、本モデルは、悪意ある使用や差別的な行為を禁止する更新版の利用規約（Acceptable Usage Policy）に基づいて提供されています。

課金体系は「トークンプラン」に限定されており、月額 20 ドル、100 ドル、200 ドルのサブスクリプション tiers は Fugu と Fugu-Ultra のみに対応しています。なお、EU および EEA（欧州経済領域）では現在、GDPR への準備が進むまで API の提供を行っていません。

料金は固定されており、入力トークン 100 万あたり 6 ドル、出力は 36 ドル、キャッシュされた入力は 0.60 ドルです。272K トークンのコンテキストを超えると、これらすべての単価が倍額になります。この 1.2 倍の料金は Fugu-Ultra のレートに一律 20% のプレミアムを上乗せしたものであり、セキュリティ特化エンドポイントとしての価格設定です。

長編コードベースの処理では 272K トークンを超えるケースも珍しくないため、この倍額適用は例外扱いではなく標準的な運用範囲となります。

主なポイント

Fugu-Cyber は、2026 年 7 月 21 日に発表された新しい基盤モデルではなく、オーケストレーション（調整・連携）を行うエンドポイントです。

Sakana AI が発表した数値によると、同社の独自ベンチマーク「CyberGym」で 86.9%、「CTI-REALM」で 72.1% のスコアを記録しました。ただし、これらの結果は自己申告によるもので、他社による独立した再現実験はまだ行われていません。

このスコアは、既存の主要モデルを上回るものです。CyberGym における GPT-5.5-Cyber の 85.6% や Claude Mythos Preview の 83.1% をわずかに上回っています。

ただし、利用には制限があります。アクセスには手動での承認が必要で、防御目的の使用に限定された利用規約（AUP）への同意が必須です。また、「Token Plan」プランのみが対象となり、EU/EEA 地域からの利用はできません。さらに、モデルの重み（ウェイト）を公開する予定もありません。

Sakana AI の見解では、高度な API と人間のセキュリティ専門知識を組み合わせたアプローチの方が、API 単体よりも優れているとしています。