Claude Fable 5とClaude Mythos 5の発表は、単なる新モデル追加ではない。

これまでClaudeの最上位モデルといえば、Opusが象徴的な存在だった。文章理解に強く、長文の読解やコーディング支援でも評価されてきた。
しかし今回、AnthropicはOpusの上に「Mythos-class」という新しい階層を置いた。つまり、Claudeのモデル体系そのものが一段引き上げられた格好になる。

Fable 5は、そのMythos級の能力を一般ユーザーや開発者にも使える形に調整したモデルだ。
長いコードベースを読み、複数段階のタスクを進め、画像や表を解釈し、研究レベルの仮説まで扱う。従来のチャットAIというより、長時間働くAIエージェントに近い。

一方のMythos 5は、同じ基盤モデルを使いながら、サイバーセキュリティなど一部の安全制限を外した限定提供モデルとなる。
一般ユーザー向けではなく、政府機関、重要インフラ、承認されたセキュリティ組織など、信頼された利用者に絞られる。

ここが重要だ。

Fable 5のすごさは、単に「賢くなった」ことではない。AIが一問一答の道具から、複雑な仕事を任される存在へ近づいた点にある。
コード修正、資料分析、研究補助、長文処理、画像からの情報抽出。これらを短い会話ではなく、長い作業として進められるようになった。

ただし、強力なモデルには強力な制約も付く。
Fable 5では、サイバー、バイオ、化学、モデル蒸留に関わる一部のリクエストで安全分類器が働き、必要に応じてClaude Opus 4.8へ処理が切り替わる。
企業利用では、30日間のデータ保持要件も確認しなければならない。

この記事では、Claude Fable 5とMythos 5の違い、旧版Claudeからの進化、GPT-5.5やGemini 3.1 Proとの比較、日本の企業や個人がどう見るべきかを整理する。

Claude Fable 5とClaude Mythos 5は、性能がまったく異なる別系統のモデルではない。土台にあるのは、同じMythos級の基盤モデルだ。

Fable 5は「一般向けに性能を落とした下位版」ではなく、Mythos 5と同じ能力をより広いユーザーが扱えるよう、安全設計を加えたモデルと見る方が実態に近い。

つまり両者の違いは、知能の差というより、どこまでの用途を解放しているかにある。

Fable 5は、文章作成、長文読解、コーディング、資料分析、画像理解、業務エージェントのような通常用途では、Mythos級の能力をかなりそのまま使える。
長いコードベースを読ませる。
複数の資料を横断して分析させる。
画像や表を含む情報から判断を組み立てさせる。
こうした場面では、従来のClaudeより一段深く仕事を進められる。

一方のMythos 5は、同じ基盤モデルから安全上の制限を一部外した、かなり特殊な提供形態に近い。対象になるのは、承認されたサイバーセキュリティ組織、重要インフラ、防衛的な研究機関、Project Glasswingのような限定プログラムに参加する組織だ。一般企業がSaaSのように申し込み、自由に使えるモデルではない。

では、なぜAnthropicは同じ基盤モデルを2つの名前に分けたのか。

理由は、高性能AIがすでに「便利な道具」の範囲を超え始めているからだ。

高度なモデルは、ソフトウェア開発や研究を加速させる一方で、悪用されればサイバー攻撃、生物・化学領域の危険な知識、モデル能力の抽出といった問題にも近づく。
性能が上がるほど、単に「賢いモデルを公開する」だけでは済まなくなる。

そのためFable 5には、安全分類器が組み込まれている。
通常の仕事では高い能力を使わせるが、サイバー攻撃やバイオ・化学関連など、悪用につながり得るリクエストを検知した場合、Fable 5がそのまま回答するのではなく、より安全側に調整されたClaude Opus 4.8へ処理が切り替わる。

この仕組みは、単なる拒否機能とは少し違う。
危険な領域に踏み込む部分を抑えつつ、答えられる範囲では利用者を支援する。
たとえばサイバーセキュリティでも、防御的なログ分析、脆弱性管理、セキュリティ文書の整理まで一律に止めるわけではない。
問題になるのは、悪用に直結しやすい作業だ。

ここに、Fable 5の位置づけがよく表れている。

Anthropicは、最先端モデルの能力を完全に閉じ込めるのではなく、一般利用に耐えうる形で開放しようとしている。
ただし、危険な領域ではブレーキをかける。Mythos 5は、そのブレーキを外しても扱えると判断された組織にだけ渡す。

Fable 5とMythos 5の違いは、モデルの優劣ではなく、高性能AIを社会に出すときの責任の分け方にある。

この点は、企業がFable 5をAPIに組み込む場合にも重要になる。安全分類器によるフォールバックがある以上、どの領域で挙動が変わるのかを事前に把握しておく必要がある。

特にセキュリティ、バイオ、化学、AIモデル開発に関わる企業では、通常のチャット利用とは違う設計上の注意が求められる。

これまでのClaudeは、文章理解に強いモデル、あるいはコーディングに優れたAIとして語られることが多かった。

Fable 5では、そこから一歩進み、高度なモデルをどこまで一般に開放し、どこから制御するのかという次世代AIの運用思想まで見えてくる。

高性能AIを社会に出すとき、能力と安全性をどう分けるのか。

Fable 5とMythos 5の違いは、その問いに対するAnthropicの答えでもある。

Claude Fable 5の進化を考えるとき、単に「Opus 4.8より賢くなった」と表現してしまうと、かなり浅い説明になる。

Opus 4.8も、文章理解やコーディング、長文の読解では十分に高い性能を持っていた。短い質問に答える、文章を整える、コードの一部を修正する、資料を要約する。こうした用途で見れば、旧版でも大きな不満を感じない場面は多かったはずだ。

Fable 5で変わったのは、短い回答のうまさというより、長い仕事をどこまで崩れずに進められるかという部分にある。

これまでのAIは、単発の作業では優秀でも、工程が長くなるほど弱さが出やすかった。最初に与えた目的を途中で見失う。前半で決めた方針と後半の出力がズレる。コードを修正しても、別の場所に副作用を作る。資料を読み込ませても、表面的な要約で止まり、全体の意味まではつながらない。

Fable 5は、この「長く使ったときの崩れやすさ」をかなり意識して作られている。長いコードベースを読み、複数のファイルの関係を把握し、変更の影響を見ながら作業を進める。あるいは、複数の資料、表、画像、仕様書をまたいで、ひとつの判断にまとめる。旧版Claudeとの差は、このような重い作業で見えやすい。

API仕様としても、1Mトークンのコンテキストと最大128kトークンの出力に対応している点は大きい。これは単に「長い文章を入れられる」という意味ではない。コードベース、議事録、調査資料、設計書、契約書、スクリーンショットなどをまとめて扱いやすくなるということだ。

ただし、長文を入れられるだけなら他社モデルにも選択肢はある。Fable 5で見るべきなのは、長い文脈の中で目的を保ち、必要な判断を積み重ねる能力だ。AIに大量の情報を読ませても、結局こちらが全部判断し直すなら意味がない。Fable 5は、その「読んだあとにどう仕事へつなげるか」の部分で旧版より強くなっている。

つまりFable 5は、文章を少し綺麗にするためのモデルというより、面倒な下準備ごと任せるためのモデルに近い。

人間が読むには時間がかかる資料を読み、作業の順番を考え、必要な出力へ落とし込む。

そこまで含めて使うと、旧版Claudeからの進化が見えやすくなる。

Claude Fable 5を評価するとき、Claudeだけを見ていても判断しにくい。

OpenAIのGPT-5.5、GoogleのGemini 3.1 Pro、Gemini 3.5 Flashと並べると、それぞれの立ち位置が見えてくる。

まず価格だけで見ると、Fable 5は安いモデルではない。
入力100万トークンあたり10ドル、出力100万トークンあたり50ドルという設定は、日常的な軽い処理に何でも使うには重い。
GPT-5.5は標準価格で入力5ドル、出力30ドルとされており、単純なトークン単価ではFable 5より使いやすい場面が多い。

ただし、モデル選びを価格だけで決めると見誤る。

AIのコストは、トークン単価だけでは決まらない。
生成結果の確認にかかる人間の時間、やり直しの回数、途中で破綻した作業を修正する負担まで含めて考える必要がある。
安いモデルで何度も失敗するより、高いモデルで一度に近い形まで進めた方が安く済む仕事もある。

Fable 5が狙っているのは、まさにその領域だ。長いコード修正、複数資料の分析、研究に近い調査、複雑な業務エージェント。
失敗したときの手戻りが大きい仕事では、単価の高さよりも、作業を最後まで崩さない力の方が重要になる。

一方、GPT-5.5はバランスが強い。OpenAIのAPI、Codex、ツール連携、アプリ組み込みのしやすさまで含めると、汎用的な開発基盤として扱いやすい。
チャット、業務アプリ、文章生成、軽いコード支援、カスタマーサポートのような用途では、価格と性能のバランスが取りやすい。

Gemini 3.1 Proは、Googleのエコシステムと組み合わせたときに強みが出る。
Google Workspace、検索、Drive、PDF、画像、動画、音声といった情報をまたいで扱う用途では、ClaudeやGPTとは違う便利さがある。

社内の業務基盤がGoogle中心なら、Geminiを選ぶ理由は十分にある。

では、Fable 5はどこに置くべきか。

軽い作業を大量に処理するモデルではない。
Google環境に深く入り込むモデルでもない。Fable 5は、重くて失敗しにくさが求められる知的作業に向いたモデルだ。

資料を読むだけでなく、読み解いて判断につなげる。コードを書くというより、コードベースの意図まで見ながら修正する。短い返答ではなく、長い仕事の流れを任せる。

この違いを理解すると、Fable 5を「GPTより上か下か」という単純な比較で見る必要はなくなる。

重要なのは、どの仕事にどのモデルを割り当てるかだ。

実務では、ひとつのモデルだけで全部を処理する必要はない。
軽い分類や要約は低コストモデルに任せ、重要な判断や長い作業だけFable 5に回す。
そうした使い分けの中で、Fable 5は「最後に重い仕事を任せるモデル」として存在感を持つ。

Fable 5を使うなら、単発の質問にだけ使うのは少しもったいない。

このモデルが向いているのは、情報量が多く、途中で判断が必要になり、雑に処理すると手戻りが大きくなる仕事だ。

人間なら「時間をかければできるが、かなり面倒」と感じる領域で、Fable 5の価値は見えやすい。

たとえば、
大規模なコード移行。
古いライブラリを新しい仕様へ置き換える。
API変更に合わせて複数ファイルを直す。
既存の設計を崩さずにUIを作り替える。

こうした作業では、コードを書くだけでは足りない。
既存の構造を読み、変更の影響を見て、どこまで直すべきかを判断する必要がある。

Fable 5は、こうした「読む」「考える」「直す」がつながった作業に向いている。

資料分析でも同じだ。決算資料、競合資料、社内メモ、PDF、表、画像をまとめて読み込ませ、要点を抜くだけではなく、何が重要で、どこにリスクがあり、次に何を判断すべきかまで整理させる。

従来のAIでも要約はできたが、資料をまたいで論点を接続する部分では弱さが出ることがあった。Fable 5は、この接続部分で使いやすい。

また、業務エージェントの中核としても相性が良い。
軽いモデルを複数の作業員のように使い、Fable 5を計画役や判断役として置く。
調査、整理、実行、確認という流れを分けると、コストを抑えながら高性能モデルの強みを使える。

日本企業で考えるなら、いきなり全社導入を目指すより、まずは失敗時の手戻りが大きい仕事に絞った方がよい。
たとえば、法務文書の一次整理、競合調査、Webサービスのコード改修、営業資料の構成作成、社内ナレッジの再整理などだ。
軽い文章作成ではなく、情報を読み解いて判断へつなげる仕事から試した方が、Fable 5の意味がわかりやすい。

Fable 5は、高級な文章生成モデルとして見るより、複雑な仕事の途中で迷子になりにくいモデルとして見る方が近い。

短い作業では差が出にくい。長い作業、複数の資料、複数の判断が絡む場面で、ようやく性能の意味が見えてくる。

Fable 5は強力だが、強力なモデルほど導入前の確認が重要になる。

まず見ておきたいのが、安全分類器によるフォールバックだ。

Fable 5では、サイバー、バイオ、化学、モデル蒸留に関わる一部のリクエストで、処理がClaude Opus 4.8へ切り替わる場合がある。

通常の文章作成や資料整理では大きな問題になりにくいが、セキュリティ企業、研究機関、AIモデル開発に関わる企業では、挙動の変化を無視できない。

これは「使いにくい」という話ではなく、設計上の前提として見ておくべき部分だ。

APIに組み込むなら、どの入力でフォールバックが起きるのか、フォールバック時の回答品質や応答形式がどう変わるのか、ログをどう残すのかを確認しておく必要がある。

次に、データ保持の問題がある。Fable 5、Mythos 5、そして同等以上の将来モデルでは、30日間のデータ保持が前提になる。
Anthropicはモデル学習には使わないとしているが、ゼロデータ保持を前提にしていた企業にとっては大きな違いだ。
金融、医療、法務、官公庁、研究開発のように機密性が高い領域では、利用前に契約とセキュリティ要件を確認した方がよい。

コストも軽く見ない方がいい。Fable 5は、長文入力と長文出力を扱えるぶん、使い方を誤ると費用が膨らみやすい。
何でもFable 5に投げる運用ではなく、軽い処理は低コストモデルに任せ、重要な判断や長い作業だけFable 5へ回す方が現実的だ。

Adaptive thinkingが常時有効である点も、開発者には関係する。
従来のように思考モードを完全に切る設計ではなく、モデル側が必要に応じて考える前提になる。
出力の安定性、応答時間、コスト、ログ設計まで含めて、通常モデルとは少し違う扱いが必要だ。

Fable 5は、導入すれば自動的に仕事が置き換わるモデルではない。

むしろ、人間側の設計力が問われるモデルだ。
どの作業を任せるのか。
どこで人間が確認するのか。
どのモデルと組み合わせるのか。

その設計ができて初めて、Fable 5の性能は実務上の価値になる。

Claude Fable 5とClaude Mythos 5の発表で見えてきたのは、単なるClaudeの性能向上ではない。

高性能AIを、どこまで一般ユーザーに開放し、どこから制御するのか。

その線引きそのものが、次のAI競争の重要なテーマになり始めている。

これまでのAIモデル競争は、どのモデルが最も賢いのか、どのベンチマークで勝ったのかという見方をされることが多かった。

もちろん性能は重要だ。

だがFable 5とMythos 5の分け方を見ると、これから問われるのは性能だけではない。

強力なモデルを、誰に、どの用途で、どの安全設計のもとで使わせるのか。Anthropicは今回、その問いにかなり明確な形で答えを出した。

Fable 5は、Mythos級の能力を一般利用に近い形で開放するモデルだ。長いコードベースを読み、複数の資料を横断し、画像や表を含む情報から判断を組み立てる。

従来のClaudeが「文章理解に強いAI」「コーディングに優れたAI」と見られていたとすれば、Fable 5はそこから一歩進み、複雑な仕事の流れそのものを支えるモデルに近づいている。

一方で、Mythos 5はその能力をより制限の少ない形で扱える、承認制の特別なモデルだ。

ここにAnthropicの考え方が出ている。

最先端AIを完全に閉じ込めるのではなく、一般利用に耐える形で広く出す。

ただし、危険性の高い領域ではブレーキをかける。
さらに、そのブレーキを外しても扱える組織には、別の枠組みで提供する。

この分け方は、今後のAI業界全体にも影響を与える可能性がある。

モデルの性能が上がるほど、「誰でも同じ能力を自由に使える」という単純な公開方法は難しくなる。
サイバー、バイオ、化学、AIモデル開発のような領域では、便利さと危険性が同じ場所に並んでいる。

Fable 5とMythos 5は、その難しさを避けずに設計へ落とし込んだモデルと言える。

もちろん、Fable 5は万能ではない。
価格は高めで、フォールバックの挙動もある。
30日間のデータ保持やAdaptive thinkingの仕様も、企業利用では確認が必要になる。
軽い文章作成や単純な要約まで、すべてFable 5に任せる必要はない。

むしろ、軽い処理は低コストモデルに任せ、長く複雑な判断を含む仕事だけFable 5に回す方が現実的だ。

GPT-5.5は、価格と開発者エコシステムのバランスで強い。Gemini 3.1 Proは、Google環境やマルチモーダル処理との相性がある。

その中でFable 5は、長い文脈を保ちながら、コード、資料、画像、表をまたいで仕事を進めるモデルとして位置づけられる。

AI活用の中心は、すでに「質問に答えさせる」段階から、「仕事の途中に組み込む」段階へ移り始めている。

Fable 5の意味は、ここにある。賢い返答をするAIではなく、複雑な作業を崩さず進めるAI。

Claude Fable 5とMythos 5は、その変化をかなりはっきり示している。

Mythos使用例

Claude Fable 5がこの太陽系シミュレーションを構築しました。物理学の第一原理から惑星の軌道運動を導き出し、それを使って太陽食を予測しています。

‍

‍

Claudeが、ゲーム画面の生スクリーンショットのみを使って『ポケモン赤緑（FireRed）』を最初から最後までプレイしたタイムラプス動画です。マップやナビゲーション支援、追加のゲーム状態情報は一切なし。以前のClaudeモデルは複雑な補助システムが必要でしたが、Claude Fable 5はビジョン（視覚）だけでゲームをクリアしました。