Sakana Namazuとは？料金・Kimi K2.6ベースの理由・OpenAI互換の使い方を整理【2026年8月最新】

Sakana Namazu（サカナ・ナマズ）とは、東京拠点のSakana AIが2026年8月3日に一般提供を開始した、日本語・日本の業務文脈に特化したLLMのAPIサービスです。 ベースにはMoonshot AIのオープンウェイトモデル「Kimi K2.6」を用い、その上にSakana AI独自の事後学習（ポストトレーニング）を重ねることで、敬語を含む硬い書き言葉や日本の商習慣、日本に関する話題での中立性を強化しています。

料金は入力$0.95／出力$4.00（いずれも100万トークンあたり）の完全従量課金で、OpenAI互換エンドポイントを備えているため、既存のOpenAI SDK実装は base_url と api_key の2行を書き換えるだけで移行できます。

この記事でわかること

• Sakana Namazuの基本スペックと、Sakana AI製品群（Chat / Translate / Fugu）の中での位置づけ
• なぜベースモデルが中国発の「Kimi K2.6」なのか、α版からの変遷と設計思想
• 料金の全項目と、本家Kimi K2.6・GPT-5.6・Claude・国産LLMとの価格比較
• JFBench／FairPoliticsQAの結果と、その数値の正しい読み方
• APIキー発行からサンプルコードまでの導入手順、Codex CLI／Claude Codeでの利用
• EU・EEA非対応、データ取扱い、モデルの差し替えなど企業導入時の注意点
• こんな人におすすめ／おすすめしない人

想定読者： 日本語業務でLLM APIを使いたい開発者・技術選定担当者、国産AI・データ主権の観点から導入可否を判断したい情報システム部門、既存のOpenAI APIからの乗り換えを検討しているチーム。情報は2026年8月時点の公式情報にもとづきます。料金・仕様は変動しうるため、契約前にSakana AI公式およびAPIコンソールでの再確認を推奨します。

Sakana Namazuの基本スペック

出典：Sakana AI公式サイト

Sakana Namazuは、Web画面やデスクトップアプリではなく API単体で提供されるLLM です。現時点で提供形態はAPIのみで、Namazu専用の有料コンシューマ向けアプリは存在しません。

Sakana AIは複数のAIプロダクトを並行して展開しており、Namazuはその中の「日本語特化の単体LLM」にあたります。混同しやすいので整理しておきます。

同社のマルチエージェント基盤についてはSakana Fuguの解説記事、翻訳サービスについてはSakana AI翻訳サービスの解説で個別に整理しています。リサーチ特化のSakana Marlinも同社プロダクトです。

ベースがKimi K2.6である理由 ― 「土台は借り、日本語は自前で作る」設計

出典：Moonshot AI 公式プラットフォーム

Sakana Namazuの最大の特徴であり、同時に最も議論を呼ぶ点が、ベースモデルに中国Moonshot AIのオープンウェイトモデル「Kimi K2.6」を採用していることです。Sakana AIはこれを隠さず公式ページで明示しています。

フルスクラッチではなく事後学習で日本語特化を作る

一般的な「国産LLM」は、事前学習（プレトレーニング）から自前で行うフルスクラッチ型が多く、NTTのtsuzumi 2やPreferred NetworksのPLaMo 3.0 Primeなどが該当します。これに対しNamazuは、世界最高水準のオープンウェイトモデルを土台として借り、その上に日本語・日本文脈の事後学習を積むアプローチを採ります。

このやり方の利点は明確です。数学的推論やコーディングといった汎用能力はベースモデルの水準をそのまま引き継ぎ、日本語の言い回しや日本に関する話題の扱いだけを集中的に改善できます。実際、公式が示す結果でも、AIME26（数学）・MMLU-Pro（知識推論）・LiveCodeBench v6（コーディング）は「ベースモデルと同等を維持」しつつ、日本語系の指標だけが伸びています。

ベースモデルそのものの性能・アーキテクチャについてはKimi K2.6の解説記事で詳しく扱っています。1兆パラメータのMoEモデルで、オープンウェイトとしては最上位クラスの性能を持つモデルです。

ベースモデルは製品名を変えずに差し替えられてきた

ここが企業導入で最も注意すべき点です。Namazuは製品名を据え置いたままベースモデルが入れ替わった経緯があります。

α版の時点でSakana AIは「特定のベースモデルに依存しない事後学習技術」としてNamazuを設計していると説明しており、この差し替えは想定内の動きです。しかし利用者側から見ると、「Namazu」という同じ製品名のまま中身の土台が変わることを意味します。「DeepSeek由来のモデルは社内利用禁止」といった特定モデル名を名指しする社内規程は、この構造の前では機能しません。稟議・セキュリティ審査を通す際は、製品名ではなくモデルIDのバージョン単位で管理する必要があります。

α版で示された「回答拒否率」の改善

α版の発表時、Sakana AIは事後学習の効果として具体的な数字を示しています。ベースだったDeepSeek-V3.1-Terminusは日本関連のセンシティブな質問の72%で回答を拒否していたのに対し、Namazu化後はほぼ0%まで下がったというものです。

海外製モデルをそのまま業務に使うと、日本の政治・歴史・地域事情に関する質問で無言の回答拒否や偏った出力が起きることがあります。Namazuが解こうとしているのは、この「日本語は喋れるが、日本の文脈では使えない」というギャップです。

Sakana Namazuでできること（モデル仕様）

現行の sakana-namazu-v1.0 は、テキスト生成だけでなく画像入力・ファイル処理・ツール実行まで含む、実用寄りの仕様になっています。

対応エンドポイント

OpenAI互換だけでなく、Anthropic Messages API互換のエンドポイントも用意されている点は実務上のメリットが大きい部分です。

• /v1/chat/completions（OpenAI Chat Completions）
• /v1/responses（OpenAI Responses API）
• /v1/messages（Anthropic Messages API）
• /v1/models

Anthropic互換があることで、Claude向けに作られたSDKやツール群をそのまま流用できます。

Extended Thinkingがデフォルト有効であることの意味

Namazuは回答前に内部で思考連鎖を生成するExtended Thinkingがデフォルトで有効です。精度面では有利ですが、公式ドキュメントには「思考トークンは出力トークンと同じレートで課金される」と明記されています。つまり、画面に出てこない思考部分も$4.00/100万トークンで課金されます。短い回答でも出力トークンが想定より膨らむ可能性があるため、コスト試算では出力側を厚めに見積もるのが安全です。

Sakana Namazuの料金

出典：Sakana AI公式サイト

料金は完全従量課金で、初期費用・月額固定費はありません。サブスクリプションプラン（Fugu向けのStandard／Pro／Max）にNamazuは含まれず、純粋な使った分だけの課金です。

支払いは米ドル建てが基本です。法人向けには円建て請求・請求書払いの相談が可能とされていますが、具体的な条件は個別相談扱いで公表されていません。

コスト感の目安

単発の質問応答であれば1回あたり0.01ドル前後に収まる程度で、通常のチャット用途ならコストは軽い部類です。一方、Web検索を伴う自律実行型のワークフローではコスト構造が一変します。1,000回の検索で$7.00という単価は、エージェントが1タスクあたり10回検索するなら1タスクで$0.07が上乗せされる計算です。加えてExtended Thinkingの思考トークンも出力単価で乗ってくるため、エージェント用途ではトークン課金＋ツール課金の二重構造を前提に見積もる必要があります。

本家Kimi K2.6と価格が同水準である点

Namazuの料金を評価するうえで見逃せないのが、ベースモデルであるKimi K2.6のMoonshot公式API価格とほぼ同額という事実です。

この表からは2つのことが読み取れます。

1. 日本語チューニングと日本法人との契約という付加価値を、追加コストゼロで得られる建て付けになっている。本家と同額で日本語特化版が使えるため、日本語業務が主用途なら価格面の不利はありません。
2. 一方、サードパーティ経由の素のKimi K2.6より高くなるケースがある。OpenRouter経由なら入力$0.58／出力$3.40で、単純な価格比較では約4割安く済みます。日本語特化や契約主体を重視しないなら、OpenRouterなどのゲートウェイ経由で素のK2.6を使う選択肢も現実的です。

他社主要モデルとの価格比較

Namazuは軽量モデルより高く、フロンティア上位モデルより安い中位帯に位置します。価格だけで見ればGPT-5.6 Lunaのような軽量モデルの方が圧倒的に安く、Namazuを選ぶ理由は価格ではなく「日本語品質」「日本法人との契約」「日本文脈での中立性」に置くべきです。なお他社価格は改定が頻繁なため、比較検討時は各社の公式料金ページで再確認してください。

ベンチマーク性能 ― JFBenchとFairPoliticsQAの読み方

出典：Preferred Networks 公式サイト

公式が言及しているベンチマークは5つで、いずれもベースモデル（Kimi K2.6）との比較として提示されています。

最も伸びているのはFairPoliticsQAで、34.10%から56.30%へ22ポイント以上の改善です。これは「日本に関する価値判断を含む質問に、偏りなく答えられるか」を測る指標であり、Namazuの狙いが数値としてはっきり出ている部分といえます。

数値を鵜呑みにしないための3つの但し書き

ただし、この数値をそのまま導入根拠にするには留保が必要です。

1. 公式はスコア表の全数値や評価手法の詳細を公開していない。 明示されている具体値はFairPoliticsQAの34.10%→56.30%のみで、他は「上回った」「同等を維持」という定性表現にとどまります。JFBenchの「約1.5%改善」も報道ベースの数字です。
2. 第三者による独立検証ではなく、ベンダー自己申告である。 現時点で外部機関による再現検証は公表されていません。
3. 比較対象がベースモデルのみ。 GPT-5.6・Claude・Gemini・国産LLMとの横並び比較は公式には存在しません。「Namazuが海外フロンティアモデルより日本語が上手い」とは公式は主張していない点に注意が必要です。

つまり公式ベンチマークが示しているのは「Kimi K2.6に日本語事後学習を施したら日本語系指標が伸び、汎用能力は落ちなかった」という事実であり、絶対的な優位性の証明ではありません。導入判断は自社の実データでの評価を前提にすべきです。

Sakana Namazuの使い方 ― OpenAI SDKからの乗り換え手順

出典：OpenAI Codex CLI 公式ドキュメント

導入の手順はシンプルで、既存のOpenAI API実装があるなら実質2行の変更で動きます。

手順

1. Sakana AIのAPIコンソール（console.sakana.ai）にアカウント登録する
2. /api-keys からAPIキーを発行する（キーは1度しか表示されないため必ず保管する）
3. 支払い情報を登録する（従量課金のため事前のプラン契約は不要）
4. 既存コードの base_url と api_key を差し替える

サンプルコード（Python）

from openai import OpenAI

client = OpenAI(
    base_url="https://api.sakana.ai/v1",
    api_key="YOUR_API_KEY"
)

response = client.chat.completions.create(
    model="sakana-namazu",
    messages=[{"role": "user", "content": "こんにちは！"}],
)

model に指定できるのはエイリアスの sakana-namazu と、バージョン固定の sakana-namazu-v1.0 です。本番運用ではバージョンを明示した sakana-namazu-v1.0 を使うことを強く推奨します。 エイリアス指定のままだと、モデルが更新された際に検証なしで新バージョンに切り替わる可能性があります。

CLIツールからの利用

公式のセットアップガイドでは、Codex CLI および Claude Code からの利用にも対応していることが案内されています。OpenAI互換／Anthropic互換の両方のエンドポイントを備えているためで、普段使っているコーディングエージェントのモデル接続先をNamazuに向けるだけで試せます。各CLIツールの基本についてはOpenAI Codexの解説やClaude Codeの解説記事を参照してください。

制約とできないこと

導入前に把握しておくべき制約を、公式情報にもとづいて整理します。

グローバル拠点を持つ企業にとって、EU・英国からアクセスできない点は設計段階で織り込む必要があります。日本本社では使えても欧州支社では使えない、という状況が起こりえます。

セキュリティとデータの取り扱い

「中国発のオープンモデルをベースにしている」と聞くと反射的にデータ流出を懸念しがちですが、実務上の論点はそこではありません。整理します。

契約主体は日本法人

Namazu APIの契約相手は日本法人であるSakana AI株式会社です。ベースモデルの重みがMoonshot AI製であっても、それはオープンウェイトとして公開されたモデルをSakana AIが自社インフラで運用しているという構造であり、利用者のリクエストがMoonshot AIに送信される建て付けではありません。この点は、中国製モデルを扱う際の一般的なリスク論とは切り分けて考える必要があります。中国発モデルの普及状況そのものについては中国製AIモデルの利用実態をまとめた記事で扱っています。

プライバシーポリシーで確認すべき点

公式のプライバシーポリシーからは、以下が読み取れます。

• 個人データを「モデル・システムの学習、ファインチューニング、評価、改善のために処理する。利用可能なオプトアウト設定に従う」と記載
• オプトアウト後は「商業的に合理的な努力で将来の学習データセットから除外」。すでに学習済みのモデルからは遡及的に削除されない
• データの移転先は日本と米国
• 保存期間は「データ種別・アカウント状態・法的義務・運用上の必要性による」とされ、具体的な日数は明示されていない

法人向けにはゼロデータリテンション（Zero Data Retention）、リージョン選択、円建て請求、請求書払いが個別相談で提供されるとされています。機密情報を扱う用途では、デフォルト条件のままではなく法人契約での条件交渉が前提になります。

Sakana Chat（無料Web版）とAPI版でルールが逆になる

社内申請の際に最も誤解が生じやすいポイントです。

「Sakana Chatは機密情報NGだからNamazu APIもNG」と判断すると誤りですし、逆に「APIは安全と聞いたからChatにも顧客データを入れてよい」と解釈するのはさらに危険です。同じNamazuを使っていても、無料Web版と有料API版ではデータ取扱いルールが実質的に逆向きであることを、社内周知の段階で明確に分ける必要があります。生成AI全般のデータ取扱いの考え方は生成AIセキュリティの解説記事にまとめています。

企業導入で押さえておきたい5つの論点

技術的な性能とは別に、組織として導入する際に固有のリスクがあります。

1. ベースモデルが製品名そのままで差し替わる

α版はDeepSeek／Llama／gpt-ossベース、正式版はKimi K2.6ベース。製品名は「Namazu」のままです。2026年春に「Namazu（DeepSeekベース）」で稟議を通した組織が、再評価を経ずにKimi K2.6ベースを本番運用している可能性があります。モデルIDのバージョンを台帳で管理し、更新時に再評価するプロセスを持たないと、規程が形骸化します。

2. 導入検知が難しい（シャドーAIリスク）

OpenAI互換のため、base_url を1行書き換えるだけで乗り換えられます。ブラウザログインもOAuth連携も不要なため、SaaS連携の棚卸しでは検知できません。ネットワークのegress制御（api.sakana.ai への通信監視）とCIパイプラインでのコードスキャンが実質的な検知手段になります。

3. モデルバージョンの固定

エイリアスではなく sakana-namazu-v1.0 を明示指定し、検証を経ないバージョン更新を防ぎます。ただし旧バージョンの提供期間や更新ポリシーは公表されていないため、固定してもいずれ移行は必要になります。

4. 地域制限と拠点構成

EU・EEA・英国・スイスから利用できません。グローバル展開している企業では、共通基盤としての採用可否に直結します。

5. 流暢な日本語は正確性の保証ではない

日本語が自然であることと、出力内容が事実として正しいことは別問題です。むしろ日本語が滑らかであるほど誤りに気づきにくくなる面があります。業務利用では従来どおりファクトチェック工程を残すべきです。

他の選択肢との違い

Sakana FuguとNamazuの使い分け

同じSakana AIのAPIですが、目的が異なります。

日本語の定型業務を安く回すならNamazu、タスクごとに最適なモデルを自動で使い分けたいならFugu、という切り分けになります。

フルスクラッチ国産LLMとの違い

政府・自治体調達など「国産であること」自体が要件になる場面では、Namazuは説明コストが高くなります。フルスクラッチ国産の選択肢は国産LLM7選の比較記事で横並びに整理しており、個別にはPLaMo 3.0 Prime、NTT tsuzumi 2、Sarashina3、LLM-jp-4の解説があります。デジタル庁のガバメントAI「源内（Gennai）」がどの国産モデルを採用するかも、調達文脈での参照軸になります。

「国産AI」と呼べるのか ― 楽天のケースとの違い

中国製モデルをベースにした国産名のAIとしては、Rakuten AI 3.0がDeepSeek V3のリブランドではないかと指摘され炎上した事例があります（詳細はこちら）。

Namazuが決定的に異なるのは、Sakana AIが公式ページでベースモデル名を明示している点です。同社は「オープンなAIエコシステムの上に立つ」「モデルを公開するAIコミュニティへの深い敬意」と明言しており、出自を隠していません。加えて、事後学習の内容とその効果（FairPoliticsQAの改善など）を具体的に示しています。

とはいえ「国産LLM」という言葉を厳密に定義する調達要件では、事前学習が海外モデルである点は必ず論点になります。「日本企業が提供する日本語特化API」ではあるが、「日本で事前学習された純国産モデル」ではない——この線引きを社内説明の段階で正確に伝えておくと、後の手戻りを防げます。

こんな人におすすめ

• 日本語の業務文書を大量に処理する開発チーム — 敬語・商習慣を含む文書生成や要約で、海外モデルの不自然さに悩んでいる場合
• 既存のOpenAI API実装がある — 2行の変更で試せるため、比較検証のコストが極めて低い
• 契約主体を日本法人にしたい企業 — 海外事業者との直接契約が社内規程上ハードルになっているケース
• 日本の政治・歴史・地域事情を含む話題を扱う — 海外モデルの回答拒否や偏りが業務の妨げになっている場合
• 中位帯のコストで256Kコンテキストを使いたい — 長文の契約書・議事録処理などで、上位フロンティアモデルの単価が重い場合
• Claude Code／Codex CLIを日本語中心で使っている開発者 — モデル接続先を切り替えるだけで日本語品質を比較できる

おすすめしない人

• EU・英国・スイス拠点から利用する必要がある — 契約上利用できず、迂回手段もありません
• 「純国産（事前学習から国内）」が調達要件 — フルスクラッチ国産LLMを検討すべきです
• とにかく単価を下げたい — 日本語特化が不要なら、軽量モデルや素のKimi K2.6をゲートウェイ経由で使う方が安く済みます
• SLA・稼働率保証が契約必須条件 — 現時点で公表値が確認できず、ミッションクリティカルな基盤としては情報が不足しています
• ブラウザ画面で手軽に使いたい個人ユーザー — Namazuは開発者向けAPIです。個人利用なら無料のSakana Chatや、ChatGPT・Geminiなどのコンシューマ向けサービスが適しています
• 公開ベンチマークの網羅的な数値を根拠に稟議を通したい — 公式のスコア表は限定的な開示にとどまります

よくある質問

Q. Sakana Namazuは無料で試せますか？

初回クレジットや無料枠の有無は公式に公表されていません。ただしモデルの出力品質だけを確かめたいなら、同じNamazuを搭載した無料Webサービス「Sakana Chat」で感触をつかむことができます。API利用は従量課金のため、少量のテストなら数円〜数十円規模で検証できます。

Q. 既存のOpenAI APIから移行すると、プロンプトの書き直しは必要ですか？

APIの形式互換は保たれているため、コード側の修正は最小限です。ただしモデルの挙動そのものは異なるため、system promptの調整や出力フォーマットの再検証は必要になります。特にExtended Thinkingがデフォルト有効なので、レスポンス時間と出力トークン量の変化を先に測っておくべきです。

Q. 個人アカウントでも法人利用できますか？

APIコンソールへの登録自体は個人でも可能ですが、ゼロデータリテンションやリージョン選択、円建て請求・請求書払いといった条件は法人向けの個別相談で提供されるとされています。社内データを扱うなら法人契約での条件確定を先に済ませるのが安全です。

Q. 入力したデータが学習に使われますか？

デフォルトではプライバシーポリシーに従い、学習・評価・改善の目的で処理される可能性があります。オプトアウト設定が用意されているほか、法人向けにはゼロデータリテンションが個別相談で提供されます。機密データを扱う場合は契約条件の確認が先です。

Q. ベースモデルが将来また差し替わる可能性はありますか？

Sakana AIはNamazuを「特定のベースモデルに依存しない事後学習技術」と位置づけており、α版から正式版への移行時にも実際に差し替わっています。Moonshot AIはすでにKimi K3を公開しており、将来的なベース更新は現実的なシナリオとして想定しておくべきです。

Q. OpenRouterなどのゲートウェイ経由で使えますか？

2026年8月時点で、Vercel AI Gatewayに掲載されているSakana AIのモデルは sakana/fugu-ultra のみで、Namazuの掲載は確認できません。現状は api.sakana.ai への直接接続が前提です。

まとめ

Sakana Namazuは、Kimi K2.6という世界最上位クラスのオープンウェイトモデルを土台に、日本語と日本の業務文脈への適合を事後学習で作り込んだAPIです。本家と同水準の価格で日本語特化版が使えること、OpenAI／Anthropic両互換で移行コストがほぼゼロであることが、実務上の最大の魅力です。

一方で、EU・英国からの利用不可、SLA・レート制限の非公表、ベースモデルが製品名そのままで差し替わる構造、公開ベンチマークの限定的な開示など、企業導入では慎重に扱うべき論点も残ります。性能はベースモデルに、信頼性は契約条件に依存するという構造を理解したうえで、自社データでの検証を経て判断するのが現実的な進め方です。

日本語LLMの選択肢全体を見渡したい場合は国産LLM7選の比較記事、ベースモデルそのものを深く知りたい場合はKimi K2.6の解説記事、同社のマルチエージェント基盤が気になる場合はSakana Fuguの解説記事もあわせてご覧ください。