Anthropicが、Claude系の新しい上位モデル「Claude Fable 5.2」と「Claude Mythos 5.2」を発表した。今回の発表は、単なる性能向上のお知らせではない。コード移行、科学研究、ロボティクス、セキュリティといった、失敗すると高くつく領域でどこまで任せられるかを前面に押し出しているからだ。しかも同社は、ベンチマークの数字だけでなく、実際に社内で何をやらせたかまでかなり具体的に語っている。AIモデルの“できること”が、また一段、実務寄りに寄ってきたように見える。
Anthropicによると、Claude Fable 5.2とClaude Mythos 5.2は「最も手ごわい技術課題」に向けたモデルで、コーディング、推論、visionで改善したという。プレリリースのテストでは、同社のエンジニアが進められなかったソフトウェア移行を手伝い、ゼロから3つの動く電子機器を設計し、ブラックホール物理学の未解決問題を2つ解き、ロボティクス評価でも大きく前進し、フェルマーの最終定理の証明を30時間で形式化した、としている。かなり大きな主張だが、この記事はそれを「こういう用途で使えた」として並べている。
この2つは別モデルではなく、同じ基盤モデルだという違いがある。Fableは悪用対策としてサイバーセキュリティと生物学の安全策を強めており、一般公開される。一方、正当なサイバー用途や生物医学研究を行う組織は、拡張されたLife Sciences ProgramとCyber Verification Programsを通じてMythosへのアクセスを申請できる。つまり、能力は同じでも、公開範囲と利用条件を分けている。
性能面では、従来のFable 5.1とMythos 5.1より最大30%速く出力でき、価格も下がった。入力トークン100万あたり8ドル、出力トークン100万あたり40ドルだ。さらに、任意のfast modeもあり、こちらは入力100万トークン16ドル、出力100万トークン80ドルで、トークン生成が最大2.5倍速くなる。Anthropicは、テスト担当者が以前のFable/Mythosよりも説明が明快だと感じたとも書いている。
安全面では、sandbox escapeのような懸念行動を深く見るための新しい評価も作り、misalignment由来の高リスクはまだ低いとみている。Fable 5.2のサイバー／バイオ保護はFable 5.1並みに強く、ただし不要なブロックは減ったという。さらに、distillation attacksに対して過去最強の保護を入れたとしている。
使い分けの案内も興味深い。Anthropicは、日常的なコーディングや知識作業の多くはClaude Opus 5.5から始め、必要に応じてFableやMythosへ上げ下げするのがよいと勧めている。Fable 5.2はAdvisor役として他モデルの相談先にも、Orchestrator役として小さいモデルに仕事を振る役にもなるという。ベンチマークでは、FrontierCode 2.0、FrontierSWE v2、AutomationBench、Terminal-Bench-Science 0.1、CyScenarioBench、CVE Rediscovery、De novo binder design、WANDR、OSWorld 2.1、RoboDojo Sim、AA-Briefcase v1.1、Remote Labor Index、Humanity’s Last Exam、Chartography などで、Opus 5.5をほぼ全体的に上回るか、少なくとも上位に並ぶ結果を出したとされる。特にFrontierCode 2.0では、高い effort でOpus 5.5の最高スコアとほぼ同等の精度を、約半分のコストで出し、Xhigh effortでは公開済みモデルの中で最高だったという。Anthropic社内でも、コアコードベースの変更の90%以上が人間のガイダンス付きでClaudeによって書かれているとし、Fable 5.2でPythonからRustへの移行や、空フォルダから起動可能なプロトタイプOSの構築までやらせた例を紹介している。
この記事を読んでまず感じたのは、Anthropicが今回のモデルを「賢い」より「扱いやすい」に近い文脈で売っていることだ。もちろんベンチマークは派手だし、数字も強い。だがそれ以上に目立つのは、Fable 5.2を単体の回答機としてではなく、他のモデルや人間と組み合わせる前提で語っている点だと思う。AdvisorやOrchestratorという役割の説明は、その象徴だ。1回で全部を終わらせる万能AIというより、難しい部分を大きいモデルが受け、細かい作業は小さいモデルに振るという、現場の分業に寄せている。
この発想は、AI導入の失敗パターンにも効く。現場では「一番強いモデルを使えば全部解決する」とはなりにくい。むしろコスト、遅さ、レビュー負荷のほうが先に問題になるからだ。Anthropicが「Fable 5.2は高い段階の effort で強いが、用途によってOpus 5.5から始める」と書いているのは、かなり実務的だと思う。強いモデルを出しました、ではなく、どう回すと採算が合うかまで含めて提案している。そこは、単なる性能競争とは少し違う。
30%速い、2.5倍速い、半額で同等、というのは数字としてはわかりやすい。ただ本当に効くのは、派手なベンチマークよりも、長時間止まっていた仕事が動き出すことだろう。記事にあるPythonからRustへの移行や、プロトタイプOSの構築は、その意味で象徴的だ。AIがちょっとした補完をする段階から、移行・再設計・レビューを含む“面倒な案件”を押し進める段階に入っている。
ここで重要なのは、出力速度そのものより、試行錯誤の回転が速くなることだと思う。複雑な移行や設計では、正解そのものより、候補を出して壊して直す反復が時間を食う。Fable 5.2が「曖昧な依頼でも高品質な結果を出せる」とされているのは、まさにその反復を短縮できるという主張に近い。もしこの主張が実運用でも成り立つなら、AIの価値は“人間を置き換える”より、“人間が諦めていた案件を着手可能にする”方向に移るはずだ。これはかなり大きい。
Fable 5.2の説明で、派手な性能向上と同じくらい気になったのは安全設計の話だった。Anthropicは、サイバーとバイオの保護をFable 5.1並みに強く保ちつつ、不要なブロックは減ったと述べている。こういう文言は地味に見えるが、実際にはかなり重要だと思う。安全策が厳しすぎると、正当な研究や開発まで止めてしまう。逆に緩すぎると、悪用のリスクが上がる。その綱渡りを、モデル能力の向上と同時にやらなければならないからだ。
さらに、distillation attacksへの保護を「過去最強」と言っている点も見逃せない。強いモデルは、模倣される対象にもなりやすい。大規模モデル競争では、性能だけでなく、どうやって外に抜き取られないようにするかも競争になる。Anthropicがここをかなり強調しているのは、自社モデルが高性能化するほど防御の重要性も増すからだろう。安全が“後付けの注記”ではなく、製品設計の中心に置かれているのは評価できる。ただし、こうした自己評価は外部検証があって初めて意味を持つ。そこは今後も慎重に見たい。
今回の発表で一番野心的なのは、Fable 5.2を単なるコード生成AIではなく、科学・工学の実働モデルとして押し出していることだ。ブラックホール物理学、蛋白質設計、Robotics、Chartographyまで並べると、何でもできるように見える。もちろん、ベンチマークはベンチマークでしかないし、実環境では再現しないことも多い。それでも、こうした評価群を一気に通しているのは、AIの主戦場が「文章をうまく書く」から「専門作業の下ごしらえをどれだけ代行できるか」へ移ったことを示しているように見える。
私が気になるのは、この流れが“専門家の仕事を増やす”のか、“専門家の入口を広げる”のかだ。前者なら、強いモデルは少人数のエキスパートにさらに多くの案件を持たせる道具になる。後者なら、これまで時間や人数の制約で試せなかった研究や設計に、より多くの人が手を伸ばせるようになる。Anthropicの書き方は後者をかなり意識しているが、実際には両方起こるはずだと思う。だからこそ、誰が使えるのか、どの用途に公開するのか、そしてどこで人間が最終判断を持つのかが、これまで以上に重要になる。
