IPO直前のAnthropicが放つFable 5.2とMythos 5.2——65点の数字と「あえて抑えた能力」が示すもの

AnthropicがClaude Fable 5.2とClaude Mythos 5.2をリリースした。ベンチマーク首位という派手な見出しが先行しているが、今回のリリースで本当に読むべきポイントはそこではないと思っている。

**「意図的に弱くした部分がある」**という宣言——これが今回のリリースの核心だ。

Anthropicが何を出してきたか

Fable 5.2とMythos 5.2は、同一の基盤モデルから派生した2つのバリアントだ。違いはアクセス制限の設計にある。

Fable 5.2は全ユーザー向けに公開されるが、サイバーセキュリティや生物学に関わるリスクの高いタスクにはブロックがかかる。ブロックされたリクエストにはOpus 4.8(サイバー系)またはOpus 5(生物系)が代わりに応答する仕組みだ。

Mythos 5.2はこのブロックの一部を外した版で、Anthropicのサイバーセキュリティ認証プログラムまたはライフサイエンス認証プログラムを通じた組織にのみ提供される。

タイミングとして重要なのは、IPO直前というコンテキストだ。上場を控えた企業が、パフォーマンスを誇示するモデルをリリースする——これを単純なマーケティングと読む人もいるだろうが、後述する「制限の設計」まで含めると、少し違う意図が見えてくる。

数字で見るベンチマークの実態

Artificial Analysis Intelligence Index v5(最高コンピューティング層)で、Fable 5.2は65点で首位に立った。比較するとこうなる。

  • Gemini 4 Carbon(High tier):60点(Google未リリース)
  • Claude Opus 5.5(Max tier):59点
  • Claude Fable 5.1:50点(9月初旬リリースからわずか2か月で15点差)

Fable 5.1からの15点差は目を引く。9つの個別テストのうち5つでFable 5.2が最高スコアを出しており、HLE-Diamond(専門家レベルの学術問題)で80%、Terminal-Bench-Science(AIエージェントが端末で科学的ワークフローを自律実行できるか)で73%、FrontierCode 2.0(実際のオープンソースプロジェクトへのコード変更)で49%を記録した。

ただし、弱点も正直に出ている。エージェント系の知識業務を測るAA-BriefcaseではEloで1,785点と、Claude Sonnet 5.5(1,813)やOpus 5.5(1,800)を下回る。ターミナル操作の複合タスクを測るTerminal-Bench 4.0ではOpus 5.5と同点の60%で、Kimi K3.1 Pro(67%)、Gemini 4 Carbon(65%)、Sonnet 5.5(64%)に後れを取っている。

「全部勝った」ではなく「これで勝ち、あれで負けた」という具体的な凹凸を出してくるあたりは、Anthropicの数字の出し方として一定の信頼感がある。

コストと速度の構造を整理する

価格は入力$8/百万トークン、出力$40/百万トークン。表記上は前モデル(入力$10/出力$50)からの値下げだが、ユーザーが実際に払う金額は話が変わる。

Artificial Analysisの計測では、最高コンピューティング層でのタスクあたり平均コストは**$26.50**。Opus 5.5の$10と比べると約2.6倍、Fable 5.1の$12.99と比べてもほぼ倍だ。モデルが高品質な出力を出すためにトークンを大量に消費するため、単価が下がっても総コストが上がる構造になっている。

一方で低コンピューティング層(HighおよびXhigh tier)でも62点をマークしており、「他のモデルのどの層よりも高い」とArtificial Analysisは評価している。この層での出力トークンはタスクあたり98,000で、Opus 5.5のMax tierでの173,000と比べると大幅に少ない。性能を落とさずにトークン消費を抑えられるなら、実務コストの計算は変わってくる。

また、一部組織向けに「ファストモード」が提供される。トークン出力速度が最大2.5倍になるが、コストも2倍。Claude Code、Claude Platform、Google Cloud、Microsoft Foundryなど特定プラットフォームでのみ利用可能だ。

「意図的に抑えた」という選択の重さ

ここからが今回の記事で最も伝えたい部分だ。

Anthropicは今回、「訓練段階で意図的に特定の能力を向上させなかった」と明言している。対象は**RSI(Recursive Self-Improvement:再帰的自己改善)**に直結する領域——アクセラレータチップ向けの計算カーネル最適化や、大規模言語モデルのアーキテクチャ改善といった能力だ。

Fable 5.2とMythos 5.2はこれらの領域でOpus 5.5と同程度の性能に留まっており、意図的に上回らないよう設計されたという。エージェント系コーディング、ハードウェア開発、解釈可能性研究などの関連領域はこの制限の対象外とのことだが、「AIがAIの改善を加速させる」ループに直結する部分には手を入れなかったとAnthropicは説明している。

同時にAnthropicは、自社のコアコードベースへのマージの90%超をClaudeが(人間の監督のもとで)書いていると述べている。AIが自社の開発インフラの大部分を担っている状態で、AIの自己改善能力をあえて制限する——この二つが同時に存在しているのは、言葉にすると奇妙だが、実際には論理的な安全戦略だ。

ここからは見方だが、このRSI制限の宣言はIPO戦略としても読める。上場前に「私たちは強いが、強くなりすぎないように設計している」と示すことは、機関投資家や規制当局へのメッセージでもある。Anthropicがどこまで本気でこれを続けられるか——競合が制限なしで突き進んできたとき、訓練段階での自制を維持できるかどうか——は今後の注目点になる。

セキュリティ能力と公開制限の設計

Mythos 5.2のサイバーセキュリティ性能は数字として明確に示されている。

Anthropicの内部テスト「CVE Rediscovery」は1,829件のCVE(既知の脆弱性)を対象に、修正前の状態のプロジェクトから各モデルが独立して脆弱性を発見できるかを測定する。2026年10月の実行では、Mythos 5.2はOpus 5.5より10.2%多く、Mythos 5.1より14.4%多くの脆弱性を発見した。全コンピューティング層で首位だったという。

外部の数字も引用されている。あるセキュリティ企業が確認したバグのうち6件に1件は、Mythos 5.2だけが発見し、テストした他の全フロンティアモデルが見逃していたものだとAnthropicは述べている。

この能力を「誰でも使える」状態にしないのは合理的だ。ペネトレーションテストやエクスプロイトコードの生成は、Fable(公開版)では全面的にブロックされる。Mythosを使えるのは認証を受けた組織のみで、申請が必要だ。

「強いモデルを作る」と「誰でも使えるようにする」の間に設計上のゲートを設けること——この二層構造が、今後のフロンティアモデルの標準的な提供形態になっていくと思っている。Anthropicがそのひな型を作ろうとしているのは意識的だろう。

実務的な示唆と今後の論点

開発者やプロダクト担当者が今すぐ考えるべきことを整理する。

コスト計算は単価では終わらない。 入力・出力の単価だけを見て「安くなった」と判断するのは危険だ。タスクあたりの総コストは使い方・設定・ソフトウェア環境で大きく変わる。Fable 5.2の$26.50/タスクという平均値は、高精度が必要な一部のユースケースでは許容できるが、大量バッチ処理には向かない。低コンピューティング層での62点という数字と、そのコストの実態を先に測定してから採用判断をすべきだ。

「制限設計」を評価軸にする。 今後、同種のモデルリリースを見るときに「何ができるか」と同じくらい「何を制限しているか、どのように」を見るべきだ。Fable/Mythos二層構造、RSI領域の訓練段階制限——こうした設計の透明性と整合性が、長期的に使い続けられるモデルかどうかの判断軸になる。

IPO後のAnthropicがどう動くか。 上場後は四半期ごとの収益圧力が生まれる。今回宣言したRSI制限のような「あえて抑える」判断を、投資家への説明責任を負いながら維持できるか。制限設計が商業的プレッシャーの前で崩れるかどうかは、今後数年で見えてくる。

セキュリティ用途でのMythosアクセスは現実的な選択肢になる。 認証プログラムへの申請が必要とはいえ、CVE再発見率で他モデルを10%以上上回り、他の全モデルが見逃したバグを独自発見できるなら、セキュリティ企業にとってはコスト以上の価値がある場面が出てくる。現時点で申請資格があるなら、検討する価値はある。

まとめに代えて

Fable 5.2がベンチマークで首位を取ったのは事実だ。ただ、それだけなら「また性能競争の一幕」で終わる話だ。

今回読むべきは、強くなれた部分をあえて抑えたというAnthropicの選択と、その選択をIPO直前に明示したという事実だ。技術的に何ができるかと、社会的に何を許容するかを、訓練段階から設計に組み込もうとしている。

これが一貫した哲学として続くのか、商業的現実の前で形骸化するのかは、まだわからない。ただ、「制限設計をどう評価するか」という軸を持って次のモデルリリースを見ると、各社の判断の差がずっとクリアに見えてくるはずだ。


参考元: Claude Fable 5.2 and Mythos 5.2 cement Anthropic's AI lead just before its IPO – The Decoder