Sakana Namazuの料金と使い方、既存コードの変更は数行のみ

Sakana NamazuはKimi K2.6ベースの日本語LLM

Sakana NamazuはMoonshot AIのオープンモデル（学習済みの重みが公開され、誰でもユーザー自身の環境で動作させることができるモデル）Kimi K2.6をもとに、Sakana AIが日本語と日本の業務向けに追加学習したLLMです。APIとして提供されています。APIとは、ユーザーのアプリや業務システムからモデルを呼び出すための接続口です。

2026年8月21日のSakana Translateの更新のお知らせによると、同じモデルはチャットサービスのSakana Chatでも提供が始まっているとのこと。ベースのKimi K2.6は、学習済みの重みが公開されていて、誰でもユーザー自身の環境で動作させることができるモデルです。

Sakana AIは公式ブログで、社内独自のデータを使って日本語と日本の業務文脈へ合わせたとしています。あわせて、特定の話題で回答を避ける挙動と出力の偏りを抑えるチューニングも施したとのこと。

Sakana Namazuの基本情報、公式ブログ・製品ページ・料金ページによる

提供開始

2026年8月3日（API Consoleから当日より利用可）

開発

Sakana AI

ベースモデル

Moonshot AIが重みを公開しているKimi K2.6

モデル名

sakana-namazu（料金ページでは、sakana-namazu-v1.0と表記）

接続方式

OpenAI互換API（接続先: https://api.sakana.ai/v1）

組み込みツール

Web検索・コード実行

提供対象外

EU・EEA域内／イギリス／スイス

Sakana Chatのモデルを更新し、APIでも提供

Sakana Namazuの中身は、Sakana AIのチャットサービスSakana Chatに搭載されていたモデル「Namazu」を更新したものです。Sakana AIの公式ブログは、Sakana Chatの公開後もモデルの更新を継続してきたとしています。

今回のモデルは日本語の応答品質とエージェント（人が一つずつ指示しなくてもツールを使って作業を進めるAI）としての実行能力の両方で、以前のバージョンを超えるとしています。Sakana Chatを公開してから、同じモデルを自社製品や業務の流れにAPIで組み込みたいという要望が多く届いていたと公式ブログは書いています。

日本語の実務で使うことができるLLM APIの選択肢は、まだ少ないというのが、Sakana AIの見立てです。フロンティアモデル（各社の最上位モデル）は費用がかさみ、オープンモデルをそのまま使うと品質やデータの処理方法に不安があります。そこで両者の間を埋める選択肢として、Sakana Namazuを作ったとしています。

Sakana Fuguと異なり単一のLLMで動作

Sakana NamazuはSakana AIが追加学習した自社のモデル1つが、単体で応答するAPIです。一方のSakana Fuguは、複数のフロンティアモデルをオーケストレーション（役割を割り振って連携させる仕組み）でまとめて性能を引き出すSakana AIのサービスです。

Sakana Fuguには月額プランもあります。料金ページでも、FuguとSakana Namazuの価格は別々に設定されています。

性能の比較対象はKimi K2.6だけ、料金は従量課金

料金は使ったトークン量に応じて払う従量課金で、公式ブログと製品ページが出している性能の数字はベースのKimi K2.6と比較してSakana AIが計測した値だけです。トークン（モデルが文章を読み書きするときに使う細かな処理単位）の量は基本的に送信した文とモデルが生成した文の長さに比例し、トークン代もその量に応じて増えます。

100万トークンで入力0.95ドル、Fuguのような月額料金はない

Sakana Namazuの単価は100万トークンあたり入力0.95ドル（約150円）・出力4.00ドル（約633円）・キャッシュ入力0.15ドル（約23.8円）で、月額料金やサブスクリプションはありません。キャッシュ入力（前のリクエストと共通する部分を再利用した入力）は通常の入力より安く、モデルが答える前に考える思考トークンは出力と同じ単価で課金されます。

料金ページの円表記は1ドル＝160円で換算した参考値で、実際の請求は米ドル建てです。またSakana Fuguには月20ドル（約3,167円）・100ドル（約1万5,830円）・200ドル（約3万1,670円）の3つの月額プランがあり、従量課金だけのSakana Namazuとは課金の仕組みが異なります。

Sakana Namazuのトークン料金（100万トークンあたり、2026年9月29日時点の料金ページによる）

課金対象	単価	円の参考値（1ドル＝160円）
入力	$0.95	約¥152
出力（思考トークンを含む）	$4.00	約¥640
キャッシュ入力	$0.15	約¥24

試算として、1回あたり入力2,000トークン・出力500トークンの問い合わせ応答を、1万回処理する場合を考えます。入力は計2,000万トークンで19ドル（約3,008円）、出力は計500万トークンで20ドル（約3,167円）となります。

合計は39ドル（約6,175円）で、1ドル＝160円の参考換算では約6,240円です。ただしツール代・キャッシュ割引・思考トークンは含めていないため、実際の請求額は使い方によって上下します。

Web検索とコード実行のツール代は別、API内部で入力トークンが増える

Web検索とコード実行はトークン代とは別に課金され、ツールを使うと1回のリクエストの中でモデルが複数回呼ばれるため入力トークンも増えます。Web検索は1,000回あたり7.00ドル（約1,108円）で、検索クエリとページ本文の取得をそれぞれ1回とカウントし、コード実行は1時間あたり0.12ドル（約19円）で、実行環境を作ってから応答が終わるまでの時間に課金されます。

Sakana Namazuのツール利用料、2026年9月29日時点の料金ページによる

ツール	料金	数え方
Web検索	$7.00 / 1,000回	検索クエリとページ本文の取得を各1回
コード実行	$0.12 / 1時間	実行環境の作成から応答完了まで

ツールを有効にしたリクエストの内部では、モデルがツールを呼び出して結果を受け取り再び推論する「エージェントループ」が回ります。ループの各回ではそれまでの会話履歴とツールの結果を含むプロンプト全体が再送信されるため、検索結果や取得したページ本文も以降の呼び出しのたびに入力トークンとしてカウントされます。

料金ページによると内部の呼び出し同士で共通するプロンプトの前半には多くの場合プロンプトキャッシュが適用され、キャッシュ入力の単価で計算されるため、ループが長くなっても入力の費用は緩やかにしか増えません。

ツールを使う処理の費用はリクエストの件数だけでは予測できないため、実際の業務フローで一度動かして応答のusageを見るのが確実です。usageに含まれる入力トークン数は内部呼び出しの合計で、Chat Completions APIではusage.prompt_tokens_details.cached_tokensにそのうちのキャッシュ分が入ります。

JFBenchなど日本語系の3ベンチマークでベースを上回る

Sakana AIが公表した日本語系の3つのベンチマークでは、Sakana Namazuがベースモデルを3つすべてで上回りました。使われたベンチマークは次の3つです。

• JFBench（日本語での指示追従を評価する）
• 日英翻訳タスク（日本特有の名詞や敬語の使い方を見る）
• FairPoliticsQA（特定の国の価値観に偏らず、中立な回答ができるかを評価する）

3つのうち伸びが最も大きいのはFairPoliticsQAで、34.10%から56.30%へ上がっており、公表値から計算すると差は22.2ポイント、比では約1.65倍です。公式ブログと製品ページの比較グラフでは、JFBenchが35.90%から37.40%、日英翻訳タスクが47.80%から52.20%です。

FairPoliticsQAのスコア（Sakana AIの公表値）

測定はSakana AIが行ったもので、FairPoliticsQAはSakana AIの社内ベンチマークです。

%02040

34.10%Kimi K2.6（ベース）

56.30%Sakana Namazu

推論と問題解決の力はAIME26（数学的推論）・MMLU-Pro（幅広い知識と推論）・LiveCodeBench v6（コーディング）の3つで評価しており、公式ブログはベースの高い性能を維持したまま調整したとしています。同じ比較グラフではAIME26が96.40%から96.67%、MMLU-Proが88.02%から90.33%、LiveCodeBench v6が89.60%から90.33%です。

いずれの数字もSakana AIが計測した値で、比較対象はベースのKimi K2.6だけです。公式ブログと製品ページには他社の日本語LLMと並べた結果が無いため、他社のモデルより優れているかどうかはこの数字からは判断できません。

日英翻訳タスクとFairPoliticsQAは、Sakana AIが社内で作ったベンチマークです。JFBenchはPreferred Networksが開発したもので、Sakana AIは、制約数が1個・2個・4個・8個のそれぞれから200件ずつ抜き出して分析しています。

使い方はbase_urlなど数行の書き換え、データ利用に制約

Sakana NamazuはOpenAI互換のため既存のコードは接続先・APIキー・モデル名を差し替えるだけで動作しますが、業務データを流す前にチェックしたい制約が3つあります。制約は入力の学習利用と提供地域とデータの処理場所で、いずれも製品ページのFAQと冒頭の説明に書かれています。

Sakana Namazuの使い方（製品ページの3ステップより）

1. API Consoleでアカウントを作り、APIキーを発行する
2. 接続先をhttps://api.sakana.ai/v1に変更してモデル名にsakana-namazuを指定する
3. 既存のコードを、そのまま実行する（Web検索とコード実行も、同じAPIから使うことができる）

OpenAI SDKのままbase_urlとモデル名を書き換える

OpenAIのSDK（開発者向けのライブラリ一式）はそのまま使え、書き換えるのはbase_urlとAPIキーとモデル名だけです。OpenAI互換とはOpenAIのAPIと同じパラメータ構成のリクエストを受け付けるという意味で、base_urlはSDKが送信先として使うURLを指します。

製品ページのFAQも、既存のクライアントでSakana Namazuの接続先を指定するだけでよく、SDKの移行は必要ないとしています。製品ページのPythonサンプルをもとにしたコードは、次のとおりです。元のサンプルはキーを文字列で直接書いていますが、下のコードはキーをソースに残さないよう環境変数SAKANA_API_KEYから読み込みます。

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！"}],
)
print(response.choices[0].message.content)

リクエストの本体はJSONです。動作しないときは、メッセージの配列やツールの定義を整形して見ると、原因を探しやすくなります。

入力の学習利用はデフォルトでオン、設定でオプトアウト可能

Sakana Namazuの初期設定では、入力したデータがモデルの学習と改良に使われることがあります。Consoleの設定画面からいつでもオプトアウト（学習への利用を停止すること）でき、詳しい内容はプライバシーポリシーに書かれています。

顧客情報や社内文書を流す前に、Consoleの設定を切り替えておくといいでしょう。またオプトアウトの設定は、APIキーを発行するのと同じAPI Consoleの中にあります。

EU・EEA・英国・スイスは提供の対象外、データの国内処理も保証なし

2026年9月29日時点の製品ページでは、Sakana Namazuは次の3つの地域で使うことができません。Sakana AIは、GDPR（EUの一般データ保護規則）をはじめとするEU・EEA（欧州経済領域）固有の規制への対応を進めているためとしています。

• EU・EEA域内
• イギリス
• スイス

データの処理場所についても製品ページのFAQは、日本国内で処理を完結させることは現時点で保証していないとしています。国内での処理を契約や社内規程で求められている業務には、そのままでは使うことができません。

製品ページは法人プランなら円建ての支払いや請求書払いのほか、リージョン（処理する地域）の指定やゼロデータ保持（データを保存しない仕組み）も相談できるとしています。法人プラン以外の請求は米ドル建てだけです。

まとめ：OpenAI互換で導入は手軽だが入力は学習に使われる場合も

Sakana NamazuはKimi K2.6をもとにSakana AIが日本語向けに追加学習したLLM APIで、OpenAI互換のため既存のコードから数行の変更で試すことができます。費用とデータの利用条件については次の2点を押さえておく必要があります。

• 費用は100万トークンあたり入力0.95ドル（約150円）・出力4.00ドル（約633円）の従量課金で、Web検索とコード実行のツール代が別に加わります
• 業務データを流す前に、学習利用の設定・提供地域・データの処理場所の3点をチェックします

製品ページのFAQは日本語の指示を含む問題解決タスクを得意分野とし、フロンティアモデルを大量に使っていて費用を抑えたい場合にも検討できるとしています。ただし性能の数字は両ページとも、Sakana AIが測定したもので、比較対象もベースのKimi K2.6だけです。今のモデルからSakana Namazuへ置き換えるかどうかは、ご自身の業務データで品質と実費を把握してから判断するのが確実です。