Anthropicが、Claude Fable 5.1とClaude Mythos 5.1を発表しました。どちらも同じ中身のモデルですが、外向けに使える範囲と安全策の強さが違います。Codingやknowledge workでの性能向上を前面に出しつつ、価格、データ保持、サイバーセキュリティやbiology向けの扱いまで一緒に見直しているのが今回の特徴です。単なる「新モデル投入」の話ではなく、AIをより高性能にしながら、どこまで使わせるかをどう制御するかまで含めて更新した発表だと読めます。
Anthropicはまず、Claude Fable 5.1とClaude Mythos 5.1を「世界で最も進んだ coding と knowledge work 向けモデル」と位置づけています。さらに、scientific research の能力についても、AIモデルが今後どのように科学の進歩に関わるかを示す初期の手がかりになる、と説明しました。
この2つは同じモデルですが、safequards のレベルが違います。Fable 5.1 は一般提供され、Mythos 5.1 は trusted access programs を通じた限定提供です。Mythos 5.1 の安全策は、cybersecurity と life sciences の作業を支えるために設計されているとされています。つまり、能力そのものは共通でも、誰にどこまで開放するかを分けているわけです。
同時に Anthropic は、顧客から寄せられていた price、data retention、safeguards への不満にも手を付けたとしています。価格面では、token 課金の典型的な用途で Fable 5.1 は Fable 5 よりおよそ25%安くなる見込みで、cache reads の値下げが理由です。より agentic な作業では、最大で約45%の節約になることもあるといいます。データ保持では、新しい Enterprise Frontier Safeguards (EFS) により、Anthropic ではなく顧客自身が管理する cloud infrastructure 上にデータを置くことで、zero data retention policy と同じ水準の privacy を実現すると説明しました。EFS は今秋後半から enterprise 向けに段階提供される予定で、それまでの間は eligible customer が Fable 5.1 を zero data retention で使えるようにする、としています。
安全策については、誤検知を減らしたと強調しています。cybersecurity では、最新の safeguards が以前より60%少ない false positives しか出さないとされます。これは、Fable 5.1 が software vulnerabilities の発見には使えても、exploit の開発には使えないようにしていることとも関係します。biology では、US政府と協力して access program を作り、Claude Mythos 5.1 の高度な biology 機能へのアクセスを科学者向けに開く準備を進めていると述べています。
性能面では、Fable 5.1 が coding、knowledge work、そして長時間の problem-solving で新しい基準を作ると主張します。ベンチマークでは、前世代の Fable 5 を上回るスコアが示され、Low や Medium effort では、より低コストで同等以上の結果を出せるとしています。Terminal-Bench-Science 0.1、Terminal-Bench 4.0、Humanity’s Last Exam、CursorBench 3.2.0 などの比較が並び、たとえば Terminal-Bench 4.0 では Mythos 5.1 が Fable 5.1 より高いスコアを出す場面もあります。ただし、両者の差は safeguards が介入したタスクに由来するもので、safeguards 改善後は差が小さくなる見込みだと説明されました。
さらに、Millennium が試した例として、何年も原因不明だった珍しい crash を Fable 5.1 が突き止めた話も紹介されています。core dump と外部 vendor library を突き合わせ、原因をその library の bug にたどり着いた、としています。早期利用企業からは、長いタスクでも説明可能な形で進み続けること、既存モデルより速く安く使えること、研究で新しい仮説を出せることなどが評価されました。
この発表で目立つのは、単に「性能が上がった」と言うだけで終わらず、価格、データ保持、安全策を同時に押し出している点です。私はここに、Anthropicの焦点がかなり実務寄りに移ってきた印象を受けました。AIモデルの発表は、往々にしてベンチマーク競争に寄りがちです。でも今回の主張は、性能向上そのものより「企業が本当に導入できるか」に置かれているように見えます。
とくに cache reads の値下げと、EFS という顧客管理型の保存方式は、地味ですが重要です。企業は高性能なモデルが欲しい一方で、データがどこに残るのか、社内規程に乗るのか、監査に耐えるのかを気にします。ここを真正面から商品設計に入れてきたのは、Anthropicが“最先端モデル会社”から“業務基盤の提供者”へ寄っているサインだと思います。性能が高いだけでは採用されない、という現実をかなり分かっている。
同じモデルを、一般向けと限定向けに分けるやり方は、今後もっと増えるのではないかと思います。能力が上がるほど、全部を一律に開放するのは難しくなります。特に cybersecurity と biology は、正当な研究と危険な悪用が紙一重です。Anthropicはその境界を、単純な禁止ではなく「安全策の違い」と「access program」で分けました。これはきれいではないけれど、実務上はかなり現実的です。
一方で、この設計はモデルの評価を分かりにくくもします。記事中でも、safeguards が介入したタスクでは OSWorld 2.0 や AutomationBench でゼロになったと説明されています。つまり、見かけの性能値は安全策の強さに左右される。ユーザーからすると、「本体の能力」と「実際に使える能力」が違う可能性があるわけです。これはAI製品全般に共通する問題ですが、Anthropicはそこを隠さず、むしろ差として表示している。その姿勢は誠実とも言えますが、同時に製品選びは一段と難しくなるはずです。
今回の説明で面白いのは、いくつもの benchmark が並ぶなかで、単発の高得点よりも「長く働き続けること」「途中でショートカットしないこと」が繰り返し強調されている点です。Jane Street は長い multi-step task でも読みやすいと言い、MongoDB は数時間 unattended で prototype を進めたと語り、Red Hat は broken build の原因を正しく見つけたと評価しています。ここから見えるのは、AIの競争軸が“答えを一発で出す”から“作業工程全体を持たせる”へ移っていることです。
これは coding でも research でもかなり大きい変化です。人間がAIに期待するのは、もう単なる補助ではなく、下調べ、仮説立て、検証、修正までをつなぐ作業の相棒です。ただし、その分リスクも増えます。長く回るモデルほど、途中の誤りに気づきにくい。だから Anthropic が safeguards や false positives の削減に強く触れたのは自然です。長時間の自律実行を売るなら、暴走しないことが性能の一部になるからです。
Anthropicは、Mythos 5.1 の biology 能力を scientist 向けに開く準備を進めているとし、research の可能性をかなり前に出しています。とはいえ、これはまだ「AIが科学を大きく前進させた」と言う段階ではありません。記事の言い方も、あくまで early glimpse です。ここは慎重に読むべきだと思います。
それでも、clinical research や材料、化学、生命科学の現場では、AIが「論文を要約する」以上の役割を持つかもしれません。Rakuten Medical のコメントにあったように、他の frontier models が見落とした gap を見つけ、新しい hypothesis を出すなら、研究の流れは少し変わります。もっとも、そうした成果は再現性や検証の段階を通らなければ本当の価値にはなりません。AIが出した仮説が面白いことと、科学として有効であることは別です。Anthropicの発表は、その入口に立っていることを示したものだと受け止めています。
