米アンソロピックは11月9日、同社のAIモデルで最も性能が高い「Claude Fable（フェイブル）5.2」と「Claude Mythos（ミトス）5.2」を公開した。2つは同じモデルで、サイバー攻撃や生物研究に使える能力を遮断して誰でも使えるようにした版がFable、審査を通った組織だけに開く版がMythosにあたる。開発者向けの料金は前モデルの5.1より2割下げた。同社は、ソフトウェアの開発やブラックホール物理の未解決問題を解いた例などを挙げ、多くの評価で主力モデル「Opus 5.5」を上回ったとしている。
料金は2割下げ、出力は最大30％速く
同社の発表と料金ページによると、Fable 5.2を開発者がAPI（プログラムから呼び出す窓口）経由で使う料金は、100万トークンあたり入力8ドル、出力40ドルとなる。トークンはAIが文章を処理するときの細かな単位で、料金はこの量に応じてかかる。前モデルのFable 5.1とMythos 5.1は入力10ドル、出力50ドルで、どちらも2割下がった。一度読み込んだ文章を使い回す「キャッシュ」の読み出し料金も、100万トークンあたり0.25ドルから0.20ドルになった。Mythos 5.2の料金はFable 5.2と同じだ。
文章を生成する速さは、5.1と比べて最大30％上がったという。別料金の「高速モード」を選ぶと、生成の速さが最大2.5倍になる。高速モードの料金は入力16ドル、出力80ドルで、通常の2倍にあたる。
それでもFableは同社の製品群で最も高い。主力のOpus 5.5は入力4ドル、出力20ドルで、Fable 5.2の半額だ。同社は使い分けについて、ほとんどのプログラミングや知識を扱う作業はOpus 5.5から始め、仕事の規模や難しさに応じて上位のFableやMythos、下位のSonnet 5.5やHaiku 5.5に切り替えるよう勧めている。Fableは、Opusなどの小型のモデルが難しい問題で相談する「助言役」や、簡単な作業を小型モデルに割り振る「指揮役」としても使えるとした。
単価の差は、1件の作業に使う量の差で縮まるとの説明も加えた。プログラムの改修が受け入れられるかを測る評価「FrontierCode 2.0」では、Fable 5.2が推論に使う量を「High」に設定したときの成績が45.3％で、Opus 5.5の最高成績45.5％とほぼ並び、1件あたりの費用は約半分だったという。図表を読み取る評価では、設定を下げたFable 5.2がOpus 5.5の最高成績を上回り、費用は10分の1未満だったとしている。
同じモデルを2つの名前で Mythosは審査制
FableとMythosの違いは、安全のための遮断の有無にある。Fable 5.2には、侵入テスト、攻撃コード（エクスプロイト）の作成、実行ファイルからの脆弱性探しといった危険度の高いサイバー作業と、研究段階の生物学の作業の大半を止める分類器が組み込まれている。止められた質問には、サイバー関連は旧モデルのOpus 4.8、生物関連はOpus 5が代わりに答える仕組みだ。
一方、Mythos 5.2はこうした遮断を外した版で、使えるのはサイバーセキュリティや医薬・生命科学の研究で有益な目的を持つと認められた組織に限る。申し込み先は、同社のサイバー向けと生命科学向けの認定制度だ。生命科学向けの制度は9月に始まり、アンソロピック、生命科学の専門家にAIの制限を緩める認定制度 審査を通れば創薬や臨床開発の遮断を解除 監視は「その場で拒否」から「後から検証」へで伝えた。企業向けプランの利用者は、認定を受けていなくても、コードの脆弱性を探す同社のサービス「Claude Security」を通じてMythos 5.2の能力を使える。
同社によると、Mythos 5.2はサイバーセキュリティの作業で同社の最も高い能力を持つ。公表済みの脆弱性1829件を修正前のコードから見つけ直させる社内評価では、Opus 5.5より10.2％、Mythos 5.1より14.4％多く見つけた。ウェブブラウザー「Firefox」を開発する米モジラの技術者は、発表文に寄せた談話で、Mythos 5.2が見つけた脆弱性の数は5.1のおよそ2倍だったと述べた。ただ同社は注記で、自社の別の評価では脆弱性を特定する力はOpus 5.5とほぼ同じ水準だったとも書いている。
遮断の誤作動は減った。claude.aiや「Claude Code」などで初期に試したところ、Fable 5.2が質問を止めた回数は5.1より約55％少なかった。サイバー分野で約60％、生物分野で約40％の減少だという。
評価の多くでOpus 5.5を上回る
発表文には、同社と他社の主なモデルの評価結果を並べた表が載った。数値は同社の公表値で、同社のモデルは遮断を有効にした状態の結果だ。原則として各モデルの最も高い設定での値で、Gemini 4 CarbonのFrontierCode 2.0だけは中程度の設定での値になっている。
| 評価 | Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon |
|---|---|---|---|---|---|
| FrontierCode 2.0（プログラム改修） | 49.1％ | 32.4％ | 45.5％ | 42.8％ | 41.1％ |
| FrontierSWE v2（プログラム改修） | 69.9％ | 56.3％ | 62.3％ | 65.5％ | 61.2％ |
| AutomationBench（業務の自動化） | 51.4％ | 31.4％ | 42.5％ | 41.4％ | 53.9％ |
| OSWorld 2.1（パソコン操作） | 89.3％ | 83.5％ | 87.2％ | 79.5％ | 81.5％ |
| RoboDojo Sim（ロボット操作） | 64.9％ | 27.6％ | 39.4％ | 29.8％ | ― |
| Humanity's Last Exam（専門知識の推論） | 74.2％ | 65.6％ | 67.7％ | 57.2％ | ― |
| Chartography（図表の読み取り） | 73.4％ | 44.8％ | 64.4％ | 71.0％ | 72.5％ |
出典: Anthropic「Introducing Claude Fable 5.2 and Claude Mythos 5.2」
前モデルからの伸びが最も大きいのはロボット操作で、2本の腕を持つロボットをカメラ映像から動かす模擬試験で27.6％から64.9％に上がった。他社のGPT-6 Astra（29.8％）の2倍を超える。一方、業務の自動化を測るAutomationBenchでは、Gemini 4 Carbon（53.9％）がFable 5.2（51.4％）を上回った。同社も「ほぼすべて」の能力でOpus 5.5より一段上、という表現にとどめている。
物理の未解決問題、フェルマーの最終定理の形式化
発表文は、評価表の外での使用例に多くを割いた。理論物理では、Fable 5.2がブラックホールに関する2つの未解決問題を解いたという。1つは、重力を含む宇宙を重力の無い量子の理論で記述できるとする「ホログラフィー双対性」を使う問題だ。1983年には、宇宙を熱するとブラックホールが沸騰のように急にできることが示されていたが、相対性理論が使える大きな宇宙に限られていた。量子の記述しか使えない小さな宇宙での計算手順は2003年に示されたが、手間がかかりすぎて誰も終えていなかった。Fable 5.2はほぼ自律でこれを計算し、小さな宇宙でも急に変わることを確かめた。結果は論文の草稿（プレプリント）として公開した。
数学では、「フェルマーの最終定理」の証明を、コンピューターが一歩ずつ検証できる言語に書き直す「形式化」を、約1000のFable 5.2が分担して30時間で終えた。同社が未公開の研究用モデルで初めて形式化したときは11日かかり、研究者の手助けも要った。同じ1000体の構成で比べたOpus 5.5は、18時間で全体の26％までしか進まなかった。
ソフトウェア開発でも例を挙げた。同社の主要なコードに取り込まれる変更の90％超は、人の指示のもとでClaudeが書いている。社内の技術者が試しに空のフォルダーからOSの試作を頼むと、Fable 5.2は1000超の補助のAIを束ね、8日間休みなく書いて試し、ノートパソコンで起動するOSを作った。基板の設計・製造会社と組んだ実験では、1段落の指示から音声アシスタントの親機など3種類の電子機器を設計し、3台とも電気的な手直し無しで動いたという。
安全性の評価 「試されている」と疑う傾向も
安全面では、外部の評価機関として英国のAIセキュリティ研究所（AISI）やMETRなどが公開前に試験した。同社は、重大な場面で安全でない振る舞いをする危険は、最近の他のモデルと同じく低いと評価した。
AIが試験用に隔離された環境（サンドボックス）から抜け出そうとするかを調べる試験では、意図して弱点を作った隔離環境で1800超の場面を試した結果、隔離の外に置いた認証情報やファイルを使った割合はMythos 5.2で3.1％だった。Opus 5.5の3.3％とほぼ同じで、Sonnet 5.5の5.1％を下回る。前の世代のMythos 5は39％、Mythos 5.1は21％で、大きく下がった。ただ、試験中に「シミュレーションの中にいる」と誤って判断した後に害のある行動を取る指標では、Opus 5.5をやや下回り、Mythos 5.1と同じ程度だった。
同社は評価の限界も認めている。Fable 5.2とMythos 5.2は、自分が評価されているのではないかと口にする頻度が最近のどのモデルよりも高く、実際の利用場面でどう振る舞うかを見極めにくくなっているという。
AIの開発そのものを速める能力は、訓練の段階で意図して抑えた。計算機の処理を速めるプログラムの最適化や、大規模言語モデルの構造の改良といった分野では、Opus 5.5と同じ程度にとどまる。
他社が上位モデルの出力を集めて自社モデルを鍛える「蒸留」への対策も強めた。同社によると、蒸留は数千の偽アカウントを使うなど産業規模で行われ、同社は9月の脅威報告で検知した事例を公表した。この問題は米当局、中国AI6社が米国製AIを「産業規模で蒸留」と警告 OpenAIとアンソロピックも遮断を公表でも伝えた。Fable 5.2はこれまでの同社モデルで最も強い蒸留対策を備え、最近の報告で説明した手法により、蒸留する側が集めたデータを90〜99％減らしたとしている。
Fable 5.2はアマゾン、グーグル、マイクロソフトのクラウドを含む全ての提供先で使える。開発者向けのモデル名は「claude-fable-5-2」。同社は今週、対象の有料プランの利用者に、契約期間に応じて1〜3回、Fableの利用上限を戻す措置を取るとしている。