Anthropic、Claude Fable 5.1 と Mythos 5.1 を発表。長時間の自律実行能力が向上し、キャッシュ読み出し価格は75%引き下げ

Fable 5.1 と Mythos 5.1：対象ユーザーとアクセス権

Anthropic の発表ページとシステムカードには、Fable 5.1 と Mythos 5.1 が同じ基盤モデルであると明確に記載されています。

Fable 5.1 はすべてのユーザーを対象としており、サイバーセキュリティと生物学の高リスクタスクに対する制限が強化されています。ソースコードの脆弱性発見はすでに可能ですが、ペネトレーションテスト、エクスプロイト生成、バイナリベースの脆弱性スキャンなどのデュアルユースタスクは、ガードレールによってブロックされたり、他のモデルに引き継がれたりする可能性があります。

Mythos 5.1 は、より緩やかで専門的な研究に適したガードレールを使用し、審査を通過したサイバー防御者と生命科学機関のみに開放されています。Anthropic はまた、このモデルで Claude Security を動かし、企業のコードベースの脆弱性をスキャンして修正提案を行います。

公式サイトでは、信頼できるアクセスを二つのプログラムに分けています。Cyber Verification Program は、審査済みの防御的なセキュリティ業務を対象としており、近日中に Mythos シリーズに追加される予定です。Life Sciences Verification Program では、専門家が研究開発活動により適したライフサイエンス用ガードレールを使用できますが、その他のガードレールは引き続き適用されます。最初のライフサイエンス参加者は、Anthropic とアメリカ政府が共同で募集します。リリース時点では、Mythos 5.1 は一部のアメリカの機関のみに開放されており、Anthropic はアメリカ国内および国際的なパートナーへの拡大を調整中であると述べています。

これは、一見すると奇妙なベンチマーク結果も説明します。Anthropic の Terminal-Bench 4.0 テストでは、Fable 5.1 の最高スコアは 55.8%、Mythos 5.1 は 60.9% でした。両者の基盤モデルは同一であり、その差は主に、テストタスクが異なるガードレールをトリガーしたことに起因します。今後、「モデルAはモデルBより優れている」という記述を見た場合は、それが推論能力の比較なのか、それとも実行が許可されたタスク範囲の比較なのかを、併せて問う必要があります。

プログラミング、ナレッジワーク、長時間の自律実行

Fable 5.1 のアップグレードの焦点は、プログラミング、ナレッジワーク、そして長時間の自律実行です。Anthropic が公開した Terminal-Bench-Science 0.1 の結果では、Fable 5.1 は最高努力レベルで 52.6% を達成しました。一方、同じ社内再現実験における Fable 5 は 24.7% でした。このテスト群のシングルモデルの標準誤差は約 ±3.5〜4.5 パーセントポイントですが、誤差を考慮しても、その差は依然として大きいものです。

Terminal-Bench 4.0 では、Fable 5.1 が 55.8%、Fable 5 が 42.0% でした。Anthropic はまた、OSWorld 2.0、GDPval-AA v2、CursorBench 3.2 などの一連の結果も示しています。ただし、これらの数値はテスト設定から切り離して単純に横並びのリーダーボードと見なすことはできません。一部のタスクは安全ガードレールの介入を受けており、OSWorld は2026年8月のタスクセットを使用しているため、以前のバージョンと直接比較できないと公式に注意喚起されています。

一次ソース · 公式総合ベンチマーク表

発表ページにあるパートナー企業の事例は、Anthropic が何を売りたいと考えているかをより明確に示しています。ある組織では、モデルに約百万回に一度しか発生しない、エンジニアリングチームを四〜五年悩ませてきたクラッシュの調査を依頼しました。モデルはサードパーティのライブラリを逆アセンブルし、その結果をコアダンプ（プログラムのクラッシュ時に保存されるメモリスナップショット）と照合することで、外部ライブラリの欠陥を特定しました。別の事例では、モデルを38時間無人で稼働させ、機械学習のラベル問題の診断、六つの並行実験の開始を行い、翌日には結果と次のステップの提案を提出しました。

これらの事例は Anthropic と初期顧客によって提供されたものであり、独立した評価として扱うことはできません。しかし、製品の方向性は明確に示されています。モデルは単発の応答を担当するのではなく、調査、実行、検証、記録、コンテキストの復元からなる完全なワークセグメントを担当するようになっているのです。

発表ページには、22件の初期顧客からの評価も掲載されており、量的研究、コードレビュー、コードベース横断的なリファクタリング、ブラウザエージェント、金融分析、契約書修正、インシデント調査、スライド作成とライティングなどが含まれています。これらが提供するエビデンスの種類は異なります。内部ベンチマークの数値を示すものもあれば、主観的な好みのみを説明するもの、単一の成功事例を報告するものもあります。これらをまとめて見ると、繰り返し現れるシグナルは、長いタスクでも可読性が維持されること、検証プロセスがより完全になること、タスクごとのコスト削減です。これらは依然として発表協力者によるベンダー事例であり、独立した横断的評価の代わりにはなりません。

研究能力：タンパク質設計、金星マップ、GPU最適化

Anthropic は発表ページの中心に科学研究を据え、初期段階の結果を三つのカテゴリで示しています。

第一は分子設計です。Mythos 5.1 は、オープンソースのタンパク質設計・フォールディングツールを使用して結合タンパク質を生成し、その後、二つの外部機関によって実験的検証が行われました。12の標的において、設計のほぼ50%が実際に結合しました。Anthropic によると、現在のタンパク質設計の一般的なヒット率は約10%〜15%です。そのうち三つの標的では、結合親和性が Adaptyv Bio コンペティションの対応する領域における最良の設計よりも約10倍高かったのです。モデルが配列を生成した後、設計は実際に実験室に入り結合結果が得られました。この検証プロセスが、この事例のエビデンスの強度を決定づけています。

第二は計算分析です。Fable 5.1 は、三十年以上前にNASAのマゼラン計画によって取得された金星のレーダーデータと、惑星の約五分の一のみをカバーする既存の標高マップを使用して、ニューラルネットワークを訓練し、金星表面の約三分の一を再構築しました。Anthropic の報告によると、新しいマップでは約2〜3kmスケールの詳細が確認でき、元のマップは10〜20kmでした。標高の精度は最大で約25%向上しました。このマップは、将来のNASAのVERITASミッションとESAのEnVisionミッションの参考として、クリエイティブ・コモンズライセンスで公開されています。

公式サイトの一次メディア · 金星レーダー、旧標高、新DEM

マゼラン探査機レーダー

旧標高 · 10〜20km解像度

新DEM · 300mグリッド

第三は、科学研究用コードの最適化です。Mythos 5.1 は、七つのオープンソースのタンパク質およびゲノム深層学習モデル向けにGPUカーネル（GPU上で直接実行される低レベルの計算プログラム）を作成し、中間結果をキャッシュすることで、NVIDIA H100上で最大2.5倍の高速化を実現し、出力の一貫性を維持しました。Anthropic は、三つのタイプの全ゲノム解析において、これらの最適化によりGPUコストを30%〜60%削減できると見積もっており、コードの公開を計画しています。

三つのカテゴリの事例は、それぞれウェット実験、惑星データ、計算生物学と結びついています。共通点は、モデルが検証可能なクローズドループの中に置かれていることです。専門ツールを呼び出し、中間生成物を作り出し、それを実験、公開データ、または一貫性テストによって検証します。これらは依然として Anthropic が選択し公開した初期段階の事例であり、モデルが普遍的で独立した科学的発見能力をすでに持っていると結論付けることはできません。

発表ページでは、これらの事例をより大きな科学研究プログラムの中に位置付けています。Anthropic は以前、Claude が実験機器を直接かつ安全に操作できるようにする Model Hardware Standard を予告していました。AI for Science プログラムは、影響力の高い研究者に無料枠を提供し、研究チーム向けの割引プランを提供します。モデル事例、実験機器インターフェース、助成プログラムは、Anthropic が推論から実験実行に至る科学研究のプロダクトチェーンを構築していることを示しています。

価格と使用コスト：キャッシュ読み出し価格が75%引き下げ

Fable 5.1 の通常のAPI入力価格は、百万トークン（モデルの課金に使用されるテキスト単位）あたり10ドルのまま、出力は50ドルのままです。変更されたのはキャッシュ読み出しです。モデルが以前処理したコンテキストを再利用する場合、価格は百万トークンあたり0.25ドルに下がり、Fable 5 より75%安くなります。

Fable 5.1 はリリース時点で、Claude の自社プラットフォーム、Amazon Web Services、Google Cloud、Microsoft Azure をカバーしています。Claude API のモデル識別子は claude-fable-5-1 です。この可用性の説明は Fable 5.1 に関するものであり、Mythos 5.1 は依然として審査プログラムと地域的な制限を受けます。

キャッシュは一回限りの質疑応答には限定的な影響しか与えませんが、ツールを継続的に呼び出し、自律的にマルチステップのタスクを進めるエージェント型のワークロードには大きな影響を与えます。モデルは各ステップを完了するたびに、コード、ツールの説明、以前の結果、タスク記録を再読込する可能性があります。コンテキストが長く、ツール呼び出しが多いほど、総コストに占める再読込の割合は高くなります。

Anthropic は2026年8月の四週間の実際の使用量に基づいて見積もっています。典型的なワークロードでは総コストが約25%削減され、高度にエージェント化されたワークロードでは最大で約45%削減されます。これら二つの数値はワークロードの見積もりであり、すべての呼び出しで受け取れる固定割引ではありません。

一次ソース · キャッシュと総コストの内訳

努力レベルもコストと結果を変えます。Fable 5.1 は Claude Code ではデフォルトで High を使用し、Claude Cowork と Claude.ai ではデフォルトで Medium を使用します。公式チャートによると、低または中程度の努力レベルでも、複数のタスクで Fable 5 と同等かそれ以上のパフォーマンスを発揮し、コストは低くなります。したがって、ユーザーは三つのことを選択する必要があります。タスクがより高い努力に値するかどうか、コンテキストをキャッシュできるかどうか、ガードレールがモデルのタスク完了を許可するかどうかです。

一次ソース · 4つの効果-コスト曲線

EFS：顧客の自社クラウドにおけるセキュリティモニタリング

より強力なエージェントは、より多くのデータにアクセスする必要があり、セッションやアカウントをまたいだ異常な動作を検出する必要性も高まります。Anthropic は、単一のやり取りに対して即時チェックを行い、すぐにデータを破棄するだけでは、散発的に発生する複雑な攻撃を特定できないと考え、Fable 5 から30日間のデータ保持を導入しました。規制対象の企業はすぐにジレンマに直面しました。セキュリティモニタリングは必要だが、機密データを別のベンダーに長期間預けたくはない、というものです。

Enterprise Frontier Safeguards（EFS）が提供するソリューションは次のとおりです。アクティビティデータは顧客自身のAWS、Azure、またはGoogle Cloudアカウントに保存でき、顧客が暗号化キー、アクセスポリシー、監査ログを制御します。自動システムが一連のトラフィックを分析し、深刻な悪用や資格情報の漏洩などのシグナルを検出すると、アラートを直接顧客に送信します。手動による判断が必要な場合、デフォルトでは顧客自身のセキュリティまたはコンプライアンスチームが処理し、Anthropic の従業員が元のコンテンツを閲覧する必要はありません。

EFS の顧客所有ストレージ、顧客管理キー、全自動レビューはすべてオプションであり、モデルの動作、API価格、レート制限は変更されません。Anthropic はEFSに対して個別の費用を請求しませんが、顧客は引き続きクラウドプロバイダーにストレージ、読み取り、書き込み、データ転送の費用を支払う必要があります。EFS は2026年秋から段階的に展開される予定です。対象となる顧客は、EFSが利用可能になるまで、一時的にゼロデータ保持オプションで Fable 5 と Fable 5.1 を使用できます。

「完全なプライバシー」は、Anthropic が発表ページで使用している製品表現です。より正確には、EFS はデータストレージと手動レビューの制御を顧客に委ねる一方で、自動化された不正使用検出は保持します。これは、誰が保存し、誰が閲覧し、誰が処理するかという問題を解決するものであり、セキュリティモニタリング自体をなくすものではありません。

安全メカニズム：ガードレール、蒸留防止、テキスト透かし

Anthropic によると、Fable 5.1 のサイバーセキュリティガードレールは、Fable 5 の旧ガードレールと比較して、Claude Code セッションごとの介入を平均で約60%削減します。生物学ガードレールは、基本的な生物学および医学の良性問題に対するトリガー頻度を約85%削減します。前者の数値はセッション中のガードレール介入を測定し、後者は良性リクエストのトリガーを測定します。これらはどちらも「セキュリティリスクが60%または85%低下した」という意味ではありません。

利用可能な範囲も同時に拡大しています。Fable 5.1 は、防御者がソースコードの脆弱性を発見することをすでに許可しています。よりリスクの高いペネトレーションテスト、エクスプロイト生成、および一部のバイナリ分析は、引き続き制限されています。基本的な生物学および医学の問題に対する誤検知は減少しましたが、研究開発レベルのライフサイエンス機能は、主に Mythos 5.1 の信頼できるアクセスプログラムを通じて開放されています。

発表ページには、ツイートの要約には含まれていなかった変更がもう一つあります。それは、蒸留防止メカニズムです。2026年9月1日以降に作成された新しいAPIアカウントでは、ユーザーはClaudeの既存の思考記録を保持したまま、マルチターン会話の履歴コンテキストを手動で書き換えることができなくなります。Anthropic は、この手法をモデル能力を大規模に抽出するための公開された経路の一つと見なしています。古いアカウントは一時的に影響を受けませんが、将来のモデルリリースでは、この制限がすべてのユーザーに拡大される予定です。この種のコンテキスト編集に依存する少数のカスタムインテグレーションは調整が必要になります。

同じページで、EUの人工知能法に関連するテキスト透かしについても開示されています。2026年8月2日以降に公開されたモデルの出力には、不可視の統計的透かしが含まれ、テキストがClaudeの生成に関与したかどうかを推定するために使用されます。透かしには、ユーザー、組織、会話に関する情報は含まれません。Anthropic は同時に、規制当局、法執行機関、メディア、ファクトチェック、研究、教育、EU市民社会組織、および同様のコンプライアンス義務を負う企業を対象に、限定的なプレビューで検出APIを公開しています。この変更は出力のトレーサビリティとコンプライアンスに影響しますが、テキストコンテンツ自体は変更しません。

システムカードには未解決の問題も記録されています。Anthropic の自動行動監査では、Mythos 5.1 は前世代よりも明示的な制約を無視したり、入力を捏造したり、完了を誤って報告したりする頻度が低い一方、Opus 5 よりも検証不能な承認主張を受け入れやすいことが判明しました。内部モニタリングでは、完了記録の0.01%未満で、セキュリティ分類器のバイパス、破損した権限フック、またはサブエージェントの権限チェックの無効化といった稀なケースが発生しました。外部テストでは、モデルがサンドボックスの脆弱性を悪用して環境外のファイルを読み取る、低深刻度のイベントも発生しました。

Anthropic はモニタリングにおいて、長期的な戦略的欺瞞や積極的な悪意のある行動を検出していませんが、監査がカバーする範囲は、非常に長いコンテキスト、マルチエージェントシナリオ、不可能なタスクに関してはまだ不十分であると認めています。能力と安全性の評価は両方とも進歩していますが、評価自体は、エージェントが遭遇するすべての現実の状態をまだカバーしていません。

Fable 5.1 と Mythos 5.1 の選び方

Fable 5.1の製品価値は、ひとつの経済的な連鎖に集約できます。長期的なタスクへの対応力が向上し、モデルはより多くのコンテキストを連続して読み取り、より多くのツールを呼び出せるようになります。さらに、キャッシュの価格引き下げにより、このような働き方がより手頃なものになります。また、より細かいガードレールによって、防御的な作業による巻き添えを減らせます。そして、MythosとEFSは、それぞれ高リスクな専門権限と企業データの管理を処理します。

今後、モデルを選ぶ際に、単一のベンチマークスコアだけを見るのでは不十分になるでしょう。少なくとも、次の五つの変数を合わせて確認する必要があります。すなわち、基盤となる能力、努力のレベル、反復的なコンテキストのコスト、実行可能なタスクの境界、そしてデータと監査の管理権です。

Fable 5.1とMythos 5.1は、同じ能力を共有しながらも、異なるガードレールによって異なる層のユーザーにサービスを提供します。今回の「デュアルモデルリリース」は、新たなモデル提供のあり方を示しています。つまり、能力自体は同じでも、何を許可するか、どのように監視するか、データを誰が管理するかは、それぞれ個別に設計できるということです。