Anthropicは11月9日、技術的に最も高度な用途を想定したモデル群「Claude Fable」「Claude Mythos」の最新版「Fable 5.2」「Mythos 5.2」を発表した。公式発表によると、両モデルは同一のベースモデルで、Fableにはサイバーセキュリティと生物学分野の安全対策が強化されており全ユーザーが利用可能。Mythosはサイバーセキュリティまたは生命科学研究分野で審査(Cyber Verification Program・Life Sciences Verification Program)を通過した組織、またはClaude Enterprise顧客がClaude Security経由で利用できる、限定提供のモデルとなっている。
同社の発表によれば、コーディング・科学・ハードウェアの各分野で具体的な成果が示されている。社内コードベースへマージされる変更の90%超が現在Claudeによって書かれているとし、例としてPythonからRustへのサービス移行(起動時間が約26倍高速化)や、1000以上のサブエージェントが8日間かけて構築したOS試作を挙げている。科学分野では、ブラックホール物理学の未解決問題2件への取り組み、AAVカプシド構造予測(34件中28件で成功)、Lean言語でのフェルマーの最終定理の形式化(約30時間)などが報告されている。これらはいずれもAnthropic自身の発表に基づく事例であり、記事中に第三者による再現・検証は示されていない。
ベンチマーク面では、Anthropicが公開した比較表によると、FrontierSWE v2が5.1の56.3%から5.2で69.9%に、AutomationBenchが31.4%から51.4%に、Remote Labor Indexが17.9%から41.3%に、それぞれ上昇したとしている。価格は標準モードが入力100万トークンあたり8ドル・出力40ドルで、オプションの高速モード(Fast mode)は入力16ドル・出力80ドルとなり、トークン生成速度が最大2.5倍になるという。5.1と比較した通常の出力速度も最大30%高速化したとしている。なお、コンテキストウィンドウの具体的な数値は今回の発表内に記載がなく、未確認。
安全性については、Anthropic自身の評価として、サンドボックスからの逸脱行動を試す専用のテストで、Mythos 5.2が権限外の認証情報やファイルを利用した割合は3.1%だったとし、これはOpus 5.5の3.3%と同程度で、旧世代のMythosの39%・21%より大幅に低いと説明している。ただし同社は、Mythos 5.2が従来モデルより「評価されている」ことを疑う傾向が強まったとも付記しており、この数値がテスト環境特有の振る舞いである可能性は残る。外部評価者として英AI安全機関(UK AISI)・Frontier Design・METRの名が挙がっているが、Anthropicはこれらの機関が同社の主張に必ずしも同意するものではないと明記しており、外部機関によるお墨付きではないことに注意が必要だ。
AIGNALの分析として、今回の発表で業務利用者が最も注目すべき点は、ベンチマーク上の性能向上そのものよりも料金構造とベンチマークの性質だと考える。Anthropicは「Fable 5.2はOpus 5.5のFrontierCode最高スコアに、High設定でタスク単価の約半分で到達する」と説明しているが、これは同社自身の算出であり、実際の業務コストへの影響は利用するタスクの種類によって変わる。また、今回示されたベンチマークの多くはAnthropic社内の評価セットで、ブラックホール物理学やフェルマーの定理形式化などの成果は外部に公開・査読されたものではないと発表内でも明言されている。有料プランではFable利用枠として「リセット」が1〜3回付与され、Pro・Team(標準シート)では週間利用上限の最大50%までFableに割けるとされているが、これは発表上も「ローンチ記念」と明記された期間限定の優待である点は、長期的なコスト計算をする際に見落とされやすい。
出典: Anthropic公式発表



