Sakana AIは2026年3月24日、世界最高水準のオープンウェイト基盤モデルを日本仕様へと適応させる事後学習技術を開発したと発表しました。この技術を適用した試作モデルシリーズ「Namazu」（α版）を搭載したチャットサービス「Sakana Chat」も同時に一般公開されています。
今回の発表は、海外製の大規模言語モデル（LLM）に内在するバイアスや検閲の問題に対し、日本企業が独自の技術で解決策を示した事例として注目されます。
事後学習技術が解決する課題
LLMの事前学習は莫大なコストがかかるため、最先端モデルの開発は米国・中国の限られたプレイヤーに集約されつつあります。一方で、高性能なモデルのオープン化も進んでおり、これらを戦略的に活用する動きが広がっています。
しかし、海外製モデルには開発元の地域のイデオロギーや情報統制の傾向が反映されることが避けられません。Sakana AIは、こうしたバイアスを是正し、日本国内での利用に適した振る舞いを実現する手法として、事後学習（post-training）技術を開発しました。
Namazuシリーズの特徴と性能
今回公開されたNamazuシリーズは、以下の3つのモデルで構成されています。
- Namazu-DeepSeek-V3.1-Terminus
- Llama-3.1-Namazu-405B
- Namazu-gpt-oss-120B
これらのモデルは、推論・知識・コーディング能力を測る主要ベンチマーク（AIME'25、MMLU-Redux、GPQA Diamond、LiveCodeBench、IFEvalなど）において、ベースモデルと遜色ない性能を維持しています。
特筆すべきは、中立性と事実正確性の大幅な改善です。日本と他国に関連する政治・歴史・外交テーマにおいて、Namazuはベースモデルに比べ、客観的な立場からの多角的な情報提示と事実の網羅性の双方で顕著な改善を達成しました。
また、ベースモデルのDeepSeek-V3.1-Terminusが関連する質問の72%に対して回答を拒否したのに対し、Namazu-DeepSeek-V3.1-Terminusでは回答拒否がほぼ0%にまで改善されています。これは、モデルが本来持つ高い能力を損なうことなく、外部的な制約を技術的に取り除くことで実現されました。
日本語ベンチマーク（Nejumi Leaderboard4、Swallow LLM LeaderBoard v2、JamC-QA）でも、ベースモデルや同規模サイズの他社モデルと同等程度の性能を達成しています。
生成AIの「文化適応」という新たな競争軸
この発表は、生成AI開発における競争軸の変化を象徴していると捉えられます。
従来、LLM開発では「パラメータ数」や「ベンチマークスコア」といった技術的指標が主な競争軸でした。しかし、オープンウェイトモデルの性能が飛躍的に向上した現在、技術的性能だけでなく「どの地域・文化に最適化されているか」という軸が重要性を増しつつあります。
海外製モデルに内在するバイアスや検閲の問題は、以前から指摘されてきました。特定のトピックに対する回答拒否や、開発元の価値観が反映された応答傾向は、グローバル展開において無視できない課題となっています。
Sakana AIの事後学習技術は、こうした課題に対する一つの解答として位置づけられます。基盤モデルの高い性能を維持しながら、特定の地域や文化に適応させる技術は、今後の生成AI活用において重要な要素になると考えられます。
この動きは、生成AIとはの活用が進む中で、単なる技術導入ではなく「どのモデルを、どのように自社の文脈に適合させるか」という戦略的判断の重要性を示唆しています。
実用化を見据えたSakana Chatの公開
Sakana AIは、Namazuモデルを搭載したチャットサービス「Sakana Chat」を公開しました。Web検索機能を統合しており、リアルタイムで情報を収集・統合して回答する機能を備えています。
公開前には約1,000名を対象にβテストを実施し、フィードバックをモデルの改善に反映させました。一般公開を通じて、さらなる改善を図る方針です。
また、複数のNamazuモデルのモデルウェイト公開や、テクニカルレポートの公開も準備中とのことです。
ITツール選定における考慮点
生成AI活用を検討する企業にとって、今回の発表は新たな視点を提供します。
これまでは「どの生成AIサービスを選ぶか」という選択肢が中心でしたが、今後は「基盤モデルをどのように自社仕様に適応させるか」という選択肢も現実的になりつつあります。
特に、多言語対応や地域特化が求められる用途では、事後学習による文化適応が有効な手段となる可能性があります。ただし、こうした技術の適用には専門知識や計算リソースが必要となるため、自社での実装可否や外部サービスの活用可能性を含めた検討が求められます。
また、生成AIの回答品質や中立性は、業務への適用可否を判断する上で重要な要素です。特定のトピックに対する回答拒否や偏った応答傾向がある場合、業務利用に支障をきたす可能性があります。導入前の評価において、こうした振る舞いの確認も考慮すべき点と言えそうです。
まとめ
Sakana AIの事後学習技術は、海外製LLMの高い性能を維持しながら、日本の文化的・社会的文脈に適応させる手法として注目されます。中立性や事実正確性の大幅な改善、政治的トピックへの回答拒否の解消など、実用上の課題に対する具体的な成果を示しました。
生成AI開発における競争軸が、技術的性能だけでなく「文化適応」へと広がりつつある現在、こうした取り組みは今後の展開を占う上で重要な事例となりそうです。Sakana Chatの一般公開を通じて得られる知見が、次世代のモデル開発やサービス展開にどのように活かされるか、引き続き注視していく必要があります。
