Claude FableとMythos 5.1が同時発表、同じモデル異なる権限

TechCrunchの報道によると、Anthropicは火曜日、最先端モデルの双子版であるClaude Fable 5.1とClaude Mythos 5.1を発表した。基盤となるモデル自体は同一で、異なるのはガードレール（安全対策の制限）の水準だという。無制限版であるFable 5.1は、発表と同時に主要なクラウドプラットフォームおよびAnthropicのAPI経由で利用可能になった。

一方Mythos 5.1は、前世代のMythosと同じ方針を踏襲し、Anthropicに登録されたサイバーセキュリティまたはライフサイエンス研究分野のパートナーのみに提供され、一般には公開されない。この「同一モデル、異なる権限」という配布方式は、企業がまず検証済みの利用用途を証明して初めて、より深い機能の境界にアクセスできることを意味する。

共有される知能、階層化される権限

雷峰網(Leiphone)の技術分析によれば、今回の発表の本質的な変化はモデル自体の知能レベルではなく、Anthropicがモデルの能力と実行権限の範囲を完全に切り分けて管理するようになった点にある。Fableは一般的なコーディング、知識労働、日常的なエージェントタスクを担当し、Mythosは検証済みのサイバーセキュリティおよびライフサイエンスのシナリオを対象に、より深いツール呼び出しと専門化されたタスクへのアクセス権を持つ。つまり両バージョンの「頭脳」は同じでも、手が届く範囲は異なる。

TechCrunchによれば、新モデルはコマンドライン上のコーディング能力を測るTerminal-Bench 4.0や、汎用的な推論能力を測るHumanity's Last Examなど、複数のベンチマークで記録を更新した。Anthropicはまた、モデルが発表前に生成した未公開の科学的発見を3件公表しており、その中にはGPUカーネルの独自最適化や、既存の写真から組み立てた金星の高解像度地図が含まれる。

• Fable 5.1: 無制限版。発表と同時に主要クラウドプラットフォームとAnthropic API経由で利用可能
• Mythos 5.1: 前世代同様、登録済みのサイバーセキュリティおよびライフサイエンスのパートナーに限定
• コマンドラインコーディングのTerminal-Bench 4.0、汎用推論のHumanity's Last Examで記録を更新
• 高い機密性を持つサービス「Enterprise Frontier Safeguards」がこの秋にFableへ拡大され、顧客は自社インフラ上でデータを外に出さずにモデルを運用可能に

眠らず38時間、途中で判断を変える

雷峰網はフィンテック企業Rampが実施したテストを引用している。Fable 5.1は監督なしで38時間にわたって稼働し続けた。その間、進行中の実験でラベル付けの誤ったアーティファクトを自ら発見し、該当データを再処理、さらに6つの実験グループを並行して立ち上げ、得られる結果に応じて当初の計画を継続的に調整していった。

分析によれば、注目すべきは稼働時間そのものではなく、実験条件が変化した際に、モデルが最初の計画を機械的に踏襲するのではなく、すでに確立していた判断を自ら修正できた点だという。これは長時間稼働するエージェントが抱えるより深い問題を映し出している。時間の経過とともにコードは何度も変更され、データのバージョンも変わり、古い結論は新しい結果によって無効化されるにもかかわらず、それが会話履歴にはそのまま残り続ける——雷峰網はこれを「状態のドリフト」(state drift)と呼ぶ。記事は、単にコンテキストウィンドウを広げるだけでは不十分で、陳腐化した情報を明示的に無効化する仕組みが必要だとし、そうでなければ長時間稼働するエージェントは「古い履歴の山にしがみつき、自信満々にでたらめを話す」ことになりかねないと指摘する。

3つの科学的発見、共通する一つの構造

雷峰網はAnthropicが示した複数の研究タスク——タンパク質設計、金星の地形再構築、GPUカーネルの最適化——を分析し、それらが同じ構造を共有していると指摘する。Claudeは専門的な計算そのものを直接実行するのではなく、継続的なワークフローの中で複数の専門ツールを調整（オーケストレーション）する。これには非同期実行が必要になる。すなわちモデルは実験を投入し、ジョブIDを保持したまま他の並行タスクに移り、結果が戻ってきた時点で再び接続する。Rampが6つの実験を並行して立ち上げた事例は、この能力を直接示すものだ。

こうした作業方式は「来歴(provenance)」も必要とする。すべての中間結果は、それを生み出した正確なデータ、モデル、コード、パラメータのバージョンに紐づけられなければならず、そうしなければ互換性のない結果が混ざり合い、誤った結論を導いてしまう。

システムカード：リスクは「低い」が、わずかな後退も

TechCrunchによると、Anthropicのシステムカードは、AIによるAI研究開発の自動化——AIがAIを改良すること——に関するMythosのリスクを「低い」と評価している。これは一部で、人間による制御喪失を招きかねない要因の一つとみなされているテーマだ。一方、全般的な不適切な挙動については、Mythosは強化された能力ゆえか、Opusよりもやや起こしやすいという。

Mythos 5.1は、全体的な不整合な挙動に関してOpus 5と比べてわずかに後退しているが、Mythos 5やClaude Sonnet 5と比べると改善している。人間による悪用への協力や、検証されていない認可の主張の受け入れについてはOpus 5よりもやや起こしやすいものの、以前のモデルと比べて、明示的な制約を無視したり、入力を幻覚したり、タスクを完了したと偽って主張したりする可能性は低い。

TechCrunchは今回の発表における注目すべき変化として、ゼロデータ保持(zero data retention)のより広範な採用を挙げている。企業顧客は今後、Anthropicのモデルを自社インフラ上で、データを外部に出すことなく運用できるようになる。この高機密サービス「Enterprise Frontier Safeguards」は、これまでセキュリティ上の理由からFableでは利用できなかったが、この秋に展開される予定だ。Anthropicは、エージェントや人間による悪用の監視を引き続き行うとしつつも、その監視をどのように実施するかは顧客がコントロールできるようになるとしている。同社はまた、顧客データがこれまで不適切にアクセスされたことは一度もないと強調し、次のように述べている。「Anthropicは明示的な許可なく企業データで学習を行ったことはなく、今後も行わない」。

雷峰網はさらに、見落とされがちな評価上の落とし穴を指摘する。モデルレベルの結果とエージェントレベルの結果は、もはや同一視できないという。タスクの失敗は、モデル自体の誤った判断に起因することもあれば、無効化されないまま残った陳腐な状態、ツール呼び出しの失敗、権限システムのエラー、あるいは並行タスクのスケジューリングの問題に起因することもある。これは最終的な成功率だけでなく、実行の軌跡(trajectory)全体を分析する評価が必要であることを意味する。

自律型AIエージェントを本番環境に投入しつつある日本の開発者や企業にとって、モデルの知能と実行権限を切り分けるこの発想は、参考になる段階分けの一例と言える。より高性能なモデルが自動的に安全になるのを待つのではなく、あらかじめタスクのシナリオを段階分けしておくことができる——通常業務は権限の広いバージョンに任せ、セキュリティ検証やバイオ医薬研究といったリスクの高い場面は、権限は深いが監督もより厳格な、検証済みの専用チャネルへ回す、という具合だ。数十時間にわたって稼働し続けられるエージェントが一般化するにつれ、状態のドリフトや結果の来歴という課題は、長時間タスクのシステムを構築するあらゆるチームの前に、遅かれ早かれ突きつけられることになるだろう。