「Claudeに日本語のビジネスメールを書かせると、敬語は綺麗だが単価が高い」「安いモデルに切り替えたら日本語がぎこちなくなった」——日本語の業務でLLMを使うほど、この二択に突き当たります。Sakana Namazu（サカナ・ナマズ）は、Sakana AIが2026年8月3日に提供を開始した日本語特化のLLM APIで、この二択を崩しにきたモデルです。Moonshot AIのオープンモデルKimi K2.6をベースに日本語と商習慣へ事後学習で寄せ、入力100万トークンあたり0.95ドルという低単価で、OpenAI互換のAPIとして使えます。この記事では、Sakana Namazuで何ができるのか、料金、APIの接続手順、そしてサイト制作や自社ツール開発での具体的な使い方までを、公式発表の一次情報をもとにまとめます。
Sakana Namazuとは？何ができる日本語特化LLMか
Sakana Namazuは、日本語と日本の商習慣に特化してチューニングされたLLMを、APIとして呼び出せるサービスです。東京のAIスタートアップSakana AIが提供し、同社のAIチャット「Sakana Chat」に載っていた「Namazu」を強化して、2026年8月3日にAPI版として公開しました。「日本の感性で、考え、動くLLM」を掲げ、日本文化の理解と推論性能の両立を狙った設計です。
できることは大きく3つあります。1つ目は、敬語や商習慣を踏まえた自然な日本語での文書・メール生成です。2つ目は、モデル自身がWeb検索を実行し、コードを書いて走らせながら、複雑な作業を最後までやり切るエージェント的な動きです。3つ目は、既存の接続設定を1か所変えるだけで移行できる、OpenAI互換のAPIとしての使いやすさです。筆者が公式ページで確認したところ、Web検索とコード実行はモデルに内蔵されたツールとして提供されています。
ベースはMoonshot AIのKimi K2.6です。Sakana AIはこの土台に、自社が持つ日本語・日本業務向けのデータで事後学習を重ね、特定の話題での応答回避や出力の偏りを抑えるチューニングを加えています。素の海外モデルを日本語で使うのではなく、日本の現場で使えるところまで仕上げ直した、という位置づけです。
Sakana Namazuは何が新しい？α版・ベースモデルとの違い
これまでと何が違うのでしょうか。答えは「Sakana Chat内で試せたα版のNamazuが、日本語品質とエージェント遂行力を上げたうえで、独立したAPIとして誰でも組み込める形になった」ことです。素のKimi K2.6と比べると、汎用の推論力を保ったまま、日本語・日本固有の文脈のベンチマークで数字を伸ばしています。
公式が公開している比較のうち、数値が明示されているのは中立性の指標です。国ごとの偏りを避けて中立に答えられるかを測るFairPoliticsQAで、ベースのKimi K2.6の34.10%からNamazuは56.30%へ上がっています。日本語の指示理解を測るJFBenchや社内の翻訳ベンチマークでもベースを上回り、一方でAIME26・MMLU-Pro・LiveCodeBench v6といった汎用ベンチはベースの水準を維持した、と説明されています。日本語に寄せた代わりに地力が落ちる、という副作用を抑えている点が要点です。
| 項目 | これまで（素のKimi K2.6／α版） | Sakana Namazu（今回） | 実務での意味 |
|---|---|---|---|
| 日本語・商習慣 | 汎用の日本語。敬語や商習慣は指示で補う必要 | 敬語・ビジネス文書・メールを踏まえて事後学習 | 原稿の手直し工数が減ると想定できます |
| 中立性(FairPoliticsQA) | 34.10% | 56.30% | 国・立場に偏った回答が出にくくなります |
| 汎用推論(AIME26等) | ベースの水準 | ベースの水準を維持 | 日本語特化でも地力が落ちにくい設計です |
| 提供形態 | Sakana Chat内のα版で試用 | OpenAI互換のAPIとして提供 | 既存コードへ組み込めます |
| 内蔵ツール | チャットUI中心 | Web検索・コード実行を内蔵 | 検索や計算を伴う作業を任せられます |
このベンチの差から、アウトプットにも違いが出ると想定できます。たとえば取引先向けの謝罪メールや稟議書の下書きでは、敬語の崩れや不自然な言い回しの手直しが減ると考えられます。中立性が上がったことで、時事や社会テーマを含む問い合わせ対応でも、一方に寄った回答が出るリスクを下げられると想定されます。いずれも筆者が実測した数値ではなく、公式が示す仕様差からの想定である点は明記しておきます。
Sakana Namazuの料金はいくら？無料で使えるか
料金は使った分だけの従量課金で、無料で使い切れる恒常的な枠は公式に明示されていません。基本の単価は、入力が100万トークンあたり0.95ドル、出力が同4ドルです。同じ入力を繰り返す場合に安くなるキャッシュ入力は100万トークンあたり0.15ドルで、内蔵のWeb検索は1,000回あたり7ドル、コード実行は1時間あたり0.12ドルと、本体とは別に課金されます。筆者がgihyoの報道と公式ページで確認した実額です。
| 項目 | 単価（USD） | 課金の単位 |
|---|---|---|
| 入力トークン | 0.95ドル | 100万トークンあたり |
| 出力トークン | 4ドル | 100万トークンあたり |
| キャッシュ入力 | 0.15ドル | 100万トークンあたり |
| Web検索（内蔵ツール） | 7ドル | 1,000回あたり |
| コード実行（内蔵ツール） | 0.12ドル | 1時間あたり |
単価だけを見ると、フロンティア級の海外モデルより入力・出力ともに抑えめです。日本語のメール作成や社内文書の要約のように、量は多いが1件あたりのトークンが小さい作業を数を回して処理する用途では、コストを読みやすいのが利点といえます。ただしWeb検索やコード実行を多用するエージェント的な使い方では、内蔵ツールの課金が積み上がるため、本体トークン単価だけで見積もらないことが要点です。
Sakana Namazu APIの使い方｜OpenAI互換で差し替える手順
Sakana Namazuは、OpenAI互換のAPIとして呼び出せます。すでにOpenAIのSDKでコードを書いているなら、SDKを入れ替える必要はなく、接続先（base_url）とAPIキーを差し替えるだけで動きます。手順は次の3ステップです。
① console.sakana.ai でAPIキーを発行 → ② コードの base_url をSakanaのエンドポイントへ変更 → ③ api_key を差し替えて、モデル名を指定して呼び出す。SDKやリクエストの書き方はそのまま。
まずSakana AIのAPIコンソール（console.sakana.ai）にサインアップし、APIキーを発行します。次に、既存コードの接続先を書き換えます。PythonのOpenAI SDKなら、クライアント生成のところにbase_urlを足し、キーをSakanaのものに差し替えるだけです。
from openai import OpenAI
client = OpenAI(
api_key="＜Sakanaで発行したAPIキー＞",
base_url="https://api.sakana.ai/v1", # 接続先をSakanaへ
)
res = client.chat.completions.create(
model="sakana-namazu", # モデル名を指定
messages=[
{"role": "system", "content": "あなたは日本のビジネスメールに詳しいアシスタントです。"},
{"role": "user", "content": "納期が1週間遅れる旨を、取引先に詫びる丁寧なメールを作成してください。"},
],
)
print(res.choices[0].message.content)curlで直接叩く場合も、エンドポイントとキー、モデル名を指定すれば同じ形で使えます。base_urlやモデル名の正式な値はコンソール発行時に案内されるため、実際の接続時はコンソールの表示に合わせてください。既存のOpenAI互換の資産をそのまま活かせるので、まず1つのバッチ処理だけ接続先を切り替えて出力を見比べる、という試し方がしやすい設計です。
サイト制作・自社ツール開発でSakana Namazuをどう使うか
Sakana Namazuは、私たちのようなサイト制作と自社ツール開発の現場で、どこに差し込めるのでしょうか。答えは「日本語のコピーやメールを量産する工程」と「既存のOpenAI互換ツールのコスト圧縮」の2か所です。
サイト制作・LP制作の日本語コピーと商習慣メール
制作の現場では、原稿づくりで日本語の細部が仕上がりを左右します。たとえばコーポレートサイトの会社案内文、サービスLPのベネフィットコピー、問い合わせ完了メールの文面など、敬語や商習慣を外すと一気に安っぽく見える部分です。ここにNamazuを使う場合、system側に用途と読者、トンマナを指定してから本文を頼むと、手直しの前提が揃います。
system: あなたはBtoB向けサービスサイトの日本語コピーライターです。
対象読者は中小企業の経営者。誇張と体言止めの多用は避け、敬体で書きます。
user: クラウド勤怠管理サービスのLPで使う、導入メリットの見出しと本文を3案。
1案につき見出し20字以内・本文80字前後。数値の捏造はしないこと。捏造を禁じる一文をプロンプトに入れておくと、実績や数値をでっち上げた原稿が返りにくくなります。返ってきた3案から選んで整える運用にすれば、ゼロから書くより下書きの立ち上がりが速くなると想定できます。日本語のニュアンス調整が主な作業になるLP制作では、この下ごしらえの速さが工数に直結します。
自社ツールのAPIをNamazuへ差し替えてコストを抑える
効率化のために自作している社内ツール——記事の下書き生成、問い合わせ文の分類、日報の要約、定期実行のバッチなど——は、多くがOpenAI互換のAPIで組まれています。日本語中心で、かつ最高難度の推論までは要らない処理なら、その接続先をNamazuへ差し替えるだけでコストを下げられる可能性があります。前掲のbase_url差し替えがそのまま使えるため、コード改修はほぼ不要です。
実務では、いきなり全部を切り替えず、影響の小さい1機能（例：問い合わせメールの定型返信の下書き）だけを差し替え、出力の品質とトークン消費を1週間ほど並走で見比べるのが安全です。日本語品質が用途に足りていれば横展開し、足りなければ難しい処理だけ従来モデルに残す、という住み分けができます。OpenAI互換であることが、この段階的な移行を現実的にしています。
Claude・GPTを日本語で使う場合と何が違うのか
ClaudeやGPTを日本語で使うのと、Namazuは何が違うのでしょうか。違いは「最初から日本語・商習慣に寄せて事後学習してある」点と「OpenAI互換で差し替えやすい」点、そして「単価」の3つに集約されます。汎用のフロンティアモデルは総合力が高い一方、敬語や日本のビジネス文脈はプロンプトで都度補う前提です。Namazuはその補正を学習側で済ませてある、という設計思想の違いがあります。
| 観点 | Sakana Namazu | 汎用フロンティアモデル(Claude/GPT等) |
|---|---|---|
| 日本語・商習慣 | 事後学習で最初から寄せてある | 総合力は高いがプロンプトで補う前提 |
| 接続 | OpenAI互換。base_url差し替えで移行 | 各社の仕様に合わせる（Claudeは独自形式） |
| 入力単価(100万トークン) | 0.95ドル | 一般に高め（モデルにより数倍） |
| 内蔵ツール | Web検索・コード実行 | 各社で提供状況が異なる |
| 得意領域 | 日本語の業務文書・量産処理 | 難度の高い汎用推論・長文設計 |
したがって使い分けの軸は「その処理が日本語の業務文書中心か、それとも最高難度の汎用推論が要るか」です。日本語で数を回す処理はNamazu、複雑な設計や長文の構造化は汎用モデル、と割り切ると判断が楽になります。ベースがKimi K2.6である点や、他モデルの位置づけはKimi K3とは？K2との違い・料金・使い方やClaude Opus 5とは？Opus 4.8との違いと料金も参考にしてください。
Sakana Namazuが向いている人と導入時の注意点
向いているのは、日本語のビジネス文書やメールを量産する業務を持ち、コストを読みながら運用したいチームです。すでにOpenAI互換のコードやツールがあるなら、差し替えの手数が小さい分だけ試す価値があります。逆に、最高難度の数理推論や大規模な長文設計が主目的なら、汎用フロンティアモデルのほうが向く場面が多いといえます。
注意点も押さえておきます。第一に、無料で使い切れる恒常枠は公式に明示されていないため、少量から従量で試す前提になります。第二に、Web検索やコード実行は本体トークンとは別課金で、多用すると費用が積み上がります。第三に、コンテキスト長など一部の仕様は公式ページで数値が公開されていないため、長文をまとめて投げる用途では実際の上限をコンソールで確認してから設計するのが安全です。データの取り扱いについても、業務データを入れる前に規約を確認してください。AI連携の基礎はMCPとは？仕組みと使い方を図解でも解説しています。
よくある質問（Sakana Namazu FAQ）
Sakana Namazuは無料で使えますか？
恒常的な無料枠は公式に明示されていません。料金は従量課金で、入力が100万トークンあたり0.95ドル、出力が同4ドルです。まずは少量のリクエストから試し、消費量を見ながら本番適用を判断するのが現実的です。
Sakana Namazuは日本語に対応していますか？
対応しています。むしろ日本語と日本の商習慣に特化して事後学習されたモデルで、敬語やビジネス文書、メールを踏まえた出力を狙って作られています。汎用モデルを日本語で使うのとは設計思想が異なります。
Sakana Namazuのベースは何のモデルですか？
Moonshot AIのオープンモデルKimi K2.6です。Sakana AIがこの土台に日本語・日本業務向けの事後学習を重ね、応答回避や出力の偏りを抑えるチューニングを加えています。汎用の推論力はベース水準を維持しているとされます。
既存のOpenAIのコードから移行できますか？
できます。OpenAI互換のAPIのため、多くの場合はSDKを入れ替えず、接続先（base_url）とAPIキー、モデル名を差し替えるだけで動きます。まず1機能だけ差し替えて出力を比較する試し方がしやすい設計です。
Sakana NamazuとClaudeやGPTはどう使い分けますか？
日本語のビジネス文書を量産する処理はNamazu、最高難度の汎用推論や大規模な長文設計は汎用フロンティアモデル、と割り切るのが分かりやすい基準です。OpenAI互換なので、処理ごとに接続先を変えて併用することもできます。
まとめ：日本語の量産処理から小さく試す
Sakana Namazuを入れるかどうかは、「その業務が日本語のビジネス文書中心で、コストを抑えたいか」で判断できます。当てはまるなら、影響の小さい1機能だけbase_urlを差し替え、出力の品質と消費トークンを従来モデルと1週間ほど並走で見比べるのが、失敗しない進め方です。日本語に寄せた事後学習と低単価、OpenAI互換という3点が噛み合う用途なら、制作の原稿づくりや自社ツールのコスト圧縮で手応えが出やすいモデルといえます。ベースモデルや他モデルとの位置づけはKimi K3とは？K2との違い・料金・使い方、AI連携の基礎はMCPとは？仕組みと使い方を図解も合わせてご覧ください。
出典：Sakana AI「Sakana Namazu API」提供開始のお知らせ／Sakana Namazu 製品ページ／gihyo.jp（料金報道）（いずれも2026年8月時点、筆者確認）