Anthropic が一般公開した中で過去最強、という触れ込みのモデル「Claude Fable 5」が出た。Opus 4.8 が出てまだ半月ほどだけど、その上にもう一段。面白いのは性能そのものより、安全のための仕組み。危険な話題には、わざと一段弱いモデル(Opus 4.8)を代わりに答えさせる、という割り切った設計を採っている。前にこのブログで Anthropic の封じ込め設計や、米政府の AI 大統領令を取り上げたけど、今回はその「能力と安全のせめぎ合い」が、製品の構造そのものに刻み込まれている。発表の中身を整理する。
- Opus 4.8の上に来た、一般公開で最強のClaude
- 長く複雑な仕事ほど差が開く、という性能の形
- 危ない話題は、わざと弱いモデルに差し戻す
- 封印を外したMythos 5、守る側にだけ渡す
- 「一般公開用に安全化した」という言葉の重さ
Opus 4.8の上に来た、一般公開で最強のClaude
まず位置づけから。Claude Fable 5 は、Anthropic が「Mythos クラス」と呼ぶ高性能モデル系列を、一般利用向けに安全化したもの。同社いわく「これまで一般公開したどのモデルの能力をも上回る」。半月前に出た Opus 4.8 が、今回からは「次点(next-most-capable)」という位置に下がった。Mythos という名前自体は、以前から Anthropic のドキュメントに「Mythos Preview」として登場していて、研究段階の最上位クラスだった。それが Fable 5 として一般に降りてきた格好。
提供は素早く、Fable 5 は本日から全所で利用可能。ややこしいのが命名で、「Fable(寓話)」が一般公開版、後述する「Mythos 5」が安全装置を一部外した限定版、という役割分担になっている。同じ基盤モデルを、安全化の度合いで二段に分けて出す、という売り方。
長く複雑な仕事ほど差が開く、という性能の形
性能面は、Anthropic いわく「ほぼすべてのテスト済みベンチマークで最先端(state-of-the-art)」。とくにソフトウェア工学、知識労働、科学研究、そしてビジョン(画像理解)で卓越している、と。
ここで個人的に気になったのが、性能の「形」。Anthropic は「タスクが長く複雑になるほど、Fable 5 が他のモデルに対して広げるリードが大きくなる」と書いている。単発の質問でちょっと賢い、という話ではなく、腰を据えた長丁場の仕事ほど差が開く、という主張。前に再帰的自己改善の論考を取り上げたとき、「AI が一人でこなせるタスクの持続時間が 4 か月で倍」という話を書いたけど、Fable 5 はまさにその長尺タスクの方向で伸ばしてきたモデルに見える。腰の据わった作業を任せられる相手として、評価軸が「瞬発力」から「持久力」へ移っているのを感じる。
ただ、これらは全部 Anthropic 自身が出した数字。「ほぼすべてのベンチで最先端」という強い表現は、第三者の独立検証を待ってから受け取るのが筋。出題と採点を提供側が握る数字である以上、競合との優劣はそのまま鵜呑みにしない。
危ない話題は、わざと弱いモデルに差し戻す
今回いちばん新しいのが、安全の作り方。Anthropic は正直に「これだけ高性能なモデルを公開するのはリスクを伴う。安全装置がなければ、Fable 5 のサイバーセキュリティ分野などの能力は、深刻な被害をもたらす悪用に使われうる」と認めている。
その対策が、力技というか割り切りが効いている。特定の狭い範囲の話題については、Fable 5 ではなく、次点の Opus 4.8 が代わりに答える。つまり、危ない領域では意図的に一段弱いモデルに差し戻す。賢すぎる能力を、その話題に限ってオフにするイメージ。検知の対象は、サイバーセキュリティ、生物・化学、そして蒸留(distillation)。蒸留というのは、強いモデルの出力を使って別のモデルを訓練し、能力を抜き出す手法のことで、これを防ぐのは安全と同時に自社の技術の流出防止でもある。
運用面の数字も出ている。フォールバック(差し戻し)が起きるときはユーザーに必ず通知され、発生は平均でセッションの 5% 未満。誤検知(false positive)は今後も減らしていく、と。透明性を保つ姿勢は評価できる。一方で、正当なセキュリティ研究や生物学の調べ物をしている人が、この網に引っかかって勝手に弱いモデルに回される場面は当然出てくる。5% 未満とはいえ、自分の用途がたまたまその帯に入る人にとっては、無視できない制約になりうる。
封印を外したMythos 5、守る側にだけ渡す
では、その封印された能力を本当に必要とする人はどうするのか。ここで出てくるのが Claude Mythos 5。これは Fable 5 と同じ基盤モデルで、一部の領域で安全装置を外した版。
渡す相手は絞られている。少数のサイバー防御の専門家や、重要インフラの事業者向け。攻撃者が AI で攻めてくる時代に、守る側だけは制限なしの能力を使えるようにする、という発想。前に Anthropic の「AI 悪用サイバー攻撃を 1 年分マッピングした」分析を取り上げたとき、攻撃の自律化が進んでいる実データを見たけど、Mythos 5 はその守る側に最大火力を渡す一手だと読める。今後は trusted access(信頼できるアクセス)プログラムを通じて、防御的なサイバー業務と生物医学研究へ対象を広げる予定だという。
現時点では、Mythos 5 は Glasswing パートナーに限定。誰にでも開くものではなく、信頼できる相手を見極めてから渡す、という慎重な構え。能力を解き放つほど、誰に渡すかの管理が重くなる、という構図は、先日取り上げた米政府の AI 大統領令の「指定フロンティアモデル」の考え方とも地続き。
「一般公開用に安全化した」という言葉の重さ
最後に、この発表の含意を考えたい。「一般利用向けに安全化した」という言い回しは、裏を返せば、素のままの Fable 5(=Mythos 5)は、誰にでも開くには危険すぎると Anthropic 自身が判断したということ。能力が、安全装置をかけないと一般公開できない水準にまで来た、という告白でもある。これは、モデルの賢さの話以上に重い節目だと思う。
ここには考えどころがいくつもある。ひとつは、能力を絞った版が「普通」になること。私たちが日常的に触るのは、危ない帯をあらかじめ削った Fable 5。本来そのモデルが持つ全能力に触れられるのは、選ばれた一部だけ。誰が「信頼できる」と判断され、誰が判断するのか、という線引きの問題は残る。もうひとつは、能力が上がるほど、提供は「賢くする」だけでは終わらず、「どの話題を、誰に、どこまで開くか」の設計が本体になる、という流れ。封じ込め設計の記事でも、自己改善の論考でも、同じことを感じたけど、Fable 5 はそれを製品の出し方そのもので体現している。
エンジニアとして、まず触るなら Fable 5 を、長く複雑なタスクで試してみたい。Anthropic の主張どおり、腰を据えた作業で Opus 4.8 から体感が変わるのか。そこを自分の仕事で確かめるのが先決。そのうえで、もし自分の用途がサイバーや生物・化学の周辺なら、フォールバックに当たって弱いモデルに回される場面がないか、使いながら見極めておく。能力の天井が上がるのと同じ速さで、「ここから先は誰にでもは渡さない」という線が引かれ始めている。その線がどこに引かれ、自分がどちら側にいるのかを意識しておくことが、これからのモデル選びでは効いてくる気がしている。
