Anthropicは2026年9月1日、Claude Fable 5.1とClaude Mythos 5.1を発表しました。この2つは同じ基盤モデルですが、セーフガードと利用条件が異なります。Fable 5.1は一般の企業や開発者が利用でき、Mythos 5.1は審査を受けたサイバーセキュリティおよびライフサイエンス分野の組織に限定されています（現時点では米国内の組織が対象です） 。
企業にとって重要なのは、ベンチマークの更新だけではありません。「同じ能力でも、権限と安全層が異なる」という構成が、正式な製品になったことです。AIエージェントが数時間にわたり複数のアプリを操作するなら、選定項目は回答品質だけでなく、ルーティング、承認、データ保持、失敗後の復旧まで広がります。
本稿では、長時間エージェント、キャッシュを含む実際の費用、セーフガードによる処理経路の変化という3点から、企業導入を整理します。基礎を確認したい場合は、🔗 大規模言語モデルの仕組みも参照してください。
一、同じ基盤モデルをFableとMythosに分ける理由
Anthropicによれば、Fable 5.1とMythos 5.1は同じ基盤モデルです。FableはClaudeの各プラン、API、AWS、Google Cloud、Microsoft Foundryから利用できます。Mythosは、条件を満たすサイバー防御および生命科学組織向けのtrusted accessに限られ、現状は米国内の組織が対象です。
したがって、Fable 5.1を導入しても、基盤モデルの全能力を同じ条件で使えるわけではありません。侵入テスト、エクスプロイト生成、バイナリの脆弱性スキャン、一部のデュアルユース研究は拒否または別モデルへルーティングされる可能性があります。
| レイヤー | 主な利用者 | 提供経路 | 企業が確認すべき点 |
|---|---|---|---|
| Fable 5.1 | 一般企業・チーム・開発者 | Claude製品、API、クラウド | セーフガード、fallback、保持期間 |
| Mythos 5.1 | 審査済みの専門組織 | trusted access | 資格、地域、監視、30日保持 |
| Opus fallback | 制限により振り分けられた処理 | 製品の自動処理またはAPI設定 | 能力、価格、遅延、監査記録 |
本番環境では、最終回答だけでなく、実際に使われたモデル、ルーティング理由、所要時間を記録する必要があります。そうしなければ、品質や費用が変わった原因を、後から説明できません。
二、公式ベンチマークは「候補選定」であり、「導入効果」ではない
AnthropicはFable 5.1について、AutomationBenchで31.4%、CursorBench 3.2.0で73.4%と発表しています。AutomationBenchではFable 5が17.1%、Opus 5が26.9%でした。ただし、いずれも提供元が公開した結果であり、自社業務で同じ改善率が得られる証明ではありません。
注意書きも重要です。Fable 5.1は本番用セーフガードを有効にして評価されました。制限が作動したタスクは、ゼロ点になったり、別モデルが処理したりします。また、OSWorld 2.0は2026年8月版のタスクを使っているため、旧版との単純比較はできないと説明されています。
早期利用企業の報告には、ベンチマークでは見えにくい長時間処理の例があります。Millenniumは、約100万回に1回発生し、数年間原因を特定できなかった障害について、Fable 5.1が外部ライブラリを逆アセンブルし、core dumpと照合して根本原因を見つけたと説明しています。MongoDBは、約3日かけてサービスコードと文書を調べた後、数時間にわたって自律的に検証しながらプロトタイプを構築したと報告しました。Rampでは、38時間の機械学習処理でラベル由来の見かけ上の結果を発見し、修正後に6つの並列実験を開始したとしています。
ただし、これらはAnthropicが発表資料に掲載した協力企業の報告であり、独立評価や一般的な生産性保証ではありません。参考にすべき点は、最終回答の良さだけでなく、長時間にわたって読みやすい記録を残すか、方向を維持するか、自分の結果を検証するか、証拠が足りないときに停止できるか、という評価方法です。
企業の評価では、自社文書、コード、例外処理を使います。金融調査なら根拠を追跡できるか、顧客対応なら返金権限を越えないか、コード生成ならテスト実行と変更範囲を守れるかを確認します。社内知識が中心なら、🔗 RAG 2.0の構成を参考に、推論と検索の問題を分けて測ると、原因を特定しやすくなります。
三、費用は「一回のToken」ではなく「完了した仕事」で測る
Fable 5.1の価格は、入力100万Tokenあたり10ドル、出力100万Tokenあたり50ドルです。キャッシュ読み取りは100万Tokenあたり0.25ドルで、Fable 5より75%低いとされています。Anthropicは通常の処理で約25%、高度にエージェント化された処理で最大約45%の費用削減を見込んでいますが、これは提供元の推計です。
長時間エージェントは、リポジトリの規則、社内方針、参照文書、過去の作業状態を何度も読みます。キャッシュが効けば効果がありますが、入力が毎回変わる処理では同じ削減率になりません。
effort設定も、比較の前提を変えます。Fable 5.1はClaude CodeでHigh effort、Claude Coworkとclaude.aiでMedium effortが標準です。Anthropicは、LowまたはMediumでもFable 5と同等以上の結果を低い費用で得られる場合があると説明しています。PoCではeffort、ツール、停止条件を固定しなければ、同じモデル名でも費用と品質の前提が変わってしまいます。
単純化した例で考えます。10万Tokenの固定コンテキストを20ステップで読み直すと、処理量は200万Tokenです。通常の入力単価だけならこの部分は20ドルですが、全量がキャッシュ読み取り条件を満たす場合、読み取り料金は0.5ドルで済みます。これは初回のキャッシュ書き込み、変動する入力、出力、ツール、再実行を含まないため、総額ではありません。それでも、コンテキスト設計が費用に大きく影響する理由は分かります。
評価単位は「合格した仕事一件」にします。
- Fable、fallback、人が担当したステップ数
- 入力、出力、キャッシュ読み取りの量
- ツール失敗や権限不足による再実行
- 利用可能な成果物までの総時間
- API外の確認・修正工数
補助モデルやGPUを自社運用する場合は、利用率と待ち時間も必要です。🔗 GPUを効率よく管理する方法と 🔗 KubeflowとixGPUによるGPU分割も、容量計画の参考になります。
四、長時間エージェントには「復旧できる工程」が必要
Fable 5.1は、数時間続く調査、ブラウザー操作、大規模なコード変更、複数アプリをまたぐ作業を想定しています。短いチャットと異なり、初期の誤りが多くの後工程へ伝わります。2番目の手順で誤った資料を選び、20番目で成果物を作れば、やり直しの負担は大きくなります。
工程は、検証可能なチェックポイントに分けます。各段階で入力、ツール結果、判断理由、制約を保存し、失敗したときは最後に合格した状態から再開できるようにします。モデルが「完了した」と書くだけでは、検証になりません。
実務上は、次の4つを設けます。
- 開始前：データ範囲、許可ツール、禁止操作を定義する。
- 実行中：外部送信、支払い、削除、権限変更は人が承認する。
- 納品前：形式、引用、テスト、必須項目を、決定的な方法で確認する。
- 失敗後：状態とエラー分類を残し、人または別モデルが安全に引き継ぐ。
五、セーフガードとfallbackは「製品体験」を変える
Anthropicは、Fable 5.1のサイバーセーフガード介入が、Fable 5比でClaude Codeの一セッションあたり平均約60%減り、無害な生命科学質問の誤検知も初期版より85%減ったとしています。一方、侵入テスト、エクスプロイト生成、バイナリスキャンなどは引き続き制限されます。
これらは合法かつ許可された社内環境で検証すべき提供元の数値です。fallbackでOpus 4.8やOpus 5へ切り替わると、能力、価格、遅延、サポート期間が変わる可能性があります。APIログには、実際のモデル、ルーティング理由、ポリシー版、承認者を残し、拒否すべき処理と、専門環境で続行できる処理を区別します。
六、30日保持とEFSは「契約」で確認する
Fable 5.1とMythos 5.1は、安全監視のため、標準で30日間のデータ保持を求めます。同日に発表されたEnterprise Frontier Safeguards（EFS）は、活動データを顧客管理のクラウド環境へ保存し、複数セッションにまたがる不正利用の検知とプライバシーを両立する構想です。2026年秋から段階的に提供される予定で、対象顧客はそれまでゼロデータ保持を利用できます。
責任分担は、「顧客側に保存する」だけではありません。活動記録は顧客自身のAmazon S3、Azure Blob Storage、Google Cloud Storageに置き、顧客管理の暗号鍵、アクセス方針、監査ログを適用できます。自動システムがセッションとアカウントをまたぐ一定期間のデータを分析し、深刻な不正利用や認証情報漏えいの兆候を、顧客チームへ直接通知します。Anthropicによれば、標準では同社社員による人手の確認を必要としません。顧客所有ストレージ、顧客管理鍵、自動確認は個別に選択でき、モデル動作、API価格、rate limitは変わりません。
AnthropicはEFS自体を無償と説明していますが、ストレージ、読み書き、データ転送はクラウド側の費用になります。契約前に、保持内容、閲覧者、アラート調査者、地域、削除、法的保全、SIEM連携を確認します。「学習に使わない」という説明だけでは、保持と人による確認の条件は分かりません。
七、業務を選んでからモデル層を決める
Fable 5.1は、複数文書の調査、難しい障害解析、多段階のデータ整理など、分割して検証できる高価値業務の候補です。Mythos 5.1は通常の上位プランではなく、利用資格と監視を伴う専門レイヤーです。
4週間の試験なら、第1週に実タスクと禁止操作を定義し、第2週に既存モデルと人の基準を比較します。第3週にツール、fallback、承認点を加え、第4週に合格結果一件あたりの費用、誤り分類、復旧時間を集計します。検索失敗が多い場合は、より大きなモデルへ切り替える前に 🔗 RAGとファインチューニングの違いを確認します。
今回の発表が示すのは、企業向けモデル選定が、1つのモデル名から、モデル、ルーター、ポリシー、保持、責任者を含むシステム設計へ変わっている、ということです。
企業向け大規模モデル、AIエージェントの統制、GPU基盤の最新情報は、AI-Stackの今後の分析でもお届けします。
