「AIエージェントを組んだのに、複雑な作業だけは結局自分でやることになる」──そういう場面が一度でもあるなら、今回の発表は読んでおく価値がある。
2026年6月9日、AnthropicがMythosクラスの新モデル「Claude Fable 5」を一般提供した。同社が「これまで一般提供してきた中で最も高い能力を持つ」と説明するモデルで、ソフトウェアエンジニアリング・知的業務・科学研究・画像理解といった領域で高い性能を示す。特筆すべきは「タスクが長く複雑になるほど他モデルとの差が広がる」という設計思想で、数日規模の作業にも対応できるとされている。
自分はAI自動化の仕組みをいくつか組んで運用している。ブログの記事生成・品質チェック・SNS投稿など、毎日の作業の多くをAIに任せながら回しているが、今回のFable 5発表を読んで「プロンプトの設計を根本から見直す必要がある」と感じた。その理由を順番に書いていく。
Mythosクラスとは何か──Fable 5の立ち位置
Fable 5を語る前に、「Mythosクラス」という区分を押さえておきたい。
Anthropicはモデルの能力層を段階的に管理している。Mythosクラスは現時点で最高の能力を持つ系統を指し、Fable 5はその一般公開向けバージョンだ。同じ基盤を共有する「Claude Mythos 5」も存在するが、こちらは一部のセーフガードが解除されており、防御的なサイバーセキュリティ作業や重要インフラ事業者を対象とした限定パートナー（Glasswingと呼ばれる枠組み）のみに提供されている。一般の開発者が今すぐ使えるのはFable 5だ。
Fable 5が高い性能を示す領域は4つ。ソフトウェアエンジニアリング（コード生成・レビュー・リファクタリング）、知的業務（文書分析・要約・起案）、科学研究（仮説検証・文献整理の補助）、画像理解（図表解釈・スクリーンショット分析）だ。
これら4領域での高性能は、以前のモデルでも部分的に実現されていた。Fable 5が明確に異なるのは「タスクが長くなるほど差が広がる」という点で、単発の問いではなく、複数日にわたる継続的な作業でこそ本領を発揮する設計になっている。
「1週間のタスクをAIに渡す」という発想の転換
Anthropicの公式サイトでは、Fable 5の推奨される使い方として「1週間規模と見積もるバックログ項目について、仕様を聞き取らせてオートモードで作業を進めさせる」というシナリオを挙げている。
これは従来のAI活用とは前提が大きく異なる。
これまでAIに渡せていたのは、主に粒度の小さい単発作業だった。「このコードのバグを直して」「この文章を3行に要約して」──作業の全体設計や判断の連鎖が必要な部分は人間が引き受けていた。Fable 5が「1週間規模の作業」に対応できるというのは、「設計 → 実装 → テスト → 修正 → 次の判断」というサイクルをAIが自律的に複数回まわせることを意味する。
副業や受託開発の文脈で言えば、これは「AIに渡せる仕事の複雑さが上がった」ということだ。高単価の複雑な作業をAI主体で回せる可能性が広がると、人間が時間を使うべき判断の層が変わってくる。ただし、ここで重要になるのが「どう渡すか」だ。
Thinkingが常時オン──応答時間より精度を取る
Fable 5でもう一つ重要な変化は、Thinking（モデルが回答を出す前に思考を展開する機能）が常時オンになっていることだ。
Thinkingとは、「まずAを確認して、次にBを検討して、Cの可能性は……」のように段階的に考えを整理してから答えを出すプロセスのこと。複雑な問いほど、この「考える時間」が精度を上げる効果がある。以前のモデルでは明示的に有効にするオプション機能だったが、Fable 5ではデフォルトで常時オンになった。
思考の深さはEffortパラメータで制御できる。
- low: 応答が速い。単純な繰り返し処理向き
- medium: バランス型
- high: Anthropicが推奨するデフォルト
- xhigh: 特に難しい問題のみ限定して使う
注目すべき点は「Fable 5のlow/mediumでも、以前のモデルでxhighを指定した場合を上回ることが多かった」という公式の評価結果だ。デフォルト（high）のまま使えば、ほとんどの作業で過去のベストを超えてくる計算になる。
実運用での注意点は応答時間だ。Thinking常時オンのため、以前のモデルより返答に時間がかかる場面が増える。リアルタイムのやり取りよりも、自動化タスクに組み込んで非同期で走らせる使い方との相性がいい。
詳細な指示を削る、という逆説
Fable 5の公式プロンプトガイドに、個人的に最も重要だと感じた記述がある。
「以前のモデル向けに作った詳細な指示やスキルはFable 5には過剰になる場合がある。デフォルトの性能のほうがよい場合は、古い指示を更新または削除することを勧めている」
これは多くの人の感覚に反するはずだ。AI活用の文脈では「プロンプトは詳細に書くほど精度が上がる」という感覚が長く支配的だったから。
自分はClaudeを自動化の仕組みに組み込んで動かしているが、似た現象に気づいた経験がある。Claude Codeで記事生成や画像プロンプト生成のロジックを組んでいるとき、細かい手順を列挙したプロンプトを「こういう出力が出れば成功、評価はこの基準で判断する」というシンプルな形に変えたら、返ってくる内容の質が上がった場面があった。
指示が詳細すぎると、モデルは「指示通りにやること」に最適化されて、より良い判断を自分で選ぶ余地を失う。逆に成功の基準さえ明確に渡せれば、最適な手順は自分で考えさせた方が精度が出る。この傾向はモデルの能力が上がるほど顕著になる。
Fable 5への切り替えは、単なるモデル更新ではなく「自分のプロンプト設計をどう変えるか」を見直す機会だ。今動いている自動化の指示を「シンプルな成功基準」に書き直すだけで、精度が変わる可能性がある。
APIとClaude Codeからの使い方
Fable 5を使う経路は主に2つある。
Claude Codeで使う場合
/model コマンドでモデル選択画面を開いてFable 5を選ぶか、直接 /model claude-fable-5 と指定する。Thinkingが常時オンのため応答に時間がかかる場面もあるが、設計や仕様整理など複雑なタスクではむしろ精度が出やすい。
Messages APIで使う場合
モデルIDとして claude-fable-5 を指定する。Claude Managed Agentsでも同様だ。一部のアカウントでは管理者がアクセスを有効にする必要があるため、APIエラーが返ってくる場合はアカウントの管理画面を確認したい。
スペック面では、コンテキストウィンドウが100万トークンに対応している。大規模なコードベースや長い仕様書を一度に渡せる容量で、最大出力は12万8000トークンだ。長期タスクに必要なメモリは十分に確保されている。
また、Fable 5ではマルチエージェント構成も実用的になっている。Fable 5を全体の指揮役として使い、繰り返し処理や定型作業は小型モデルを使う専用エージェントに委任する構成が、コストと精度を両立する上で有効だ。
セーフガードとOpus 4.8への自動ルーティング
Fable 5には、サイバーセキュリティや生物学・化学の領域に関するリクエストを検出する分類器が組み込まれている。
Webアプリ・デスクトップアプリ・モバイルアプリでは、分類器が作動するとリクエストがClaude Opus 4.8へ自動ルーティングされ、UIにもフォールバックが発生した旨が表示される。
Messages API（標準設定）では自動フォールバックしない。リクエストをブロックして構造化された拒否理由を返す設計だ。Anthropicによると、ブロックが作動するのは全セッションの平均5%未満で、今後も誤検知を減らすための改良を続けるとしている。
それとは別に、強力なAIの開発を加速するリクエスト（事前学習パイプライン・分散学習基盤・MLアクセラレーター設計など）については、Fable 5のまま内部的に介入する仕組みも取られている。ユーザーから見えない形で働くが、通常のコーディング作業の大半には影響しないとされている。
サブスクリプション標準枠での提供は期間限定
Fable 5は供給能力の整備中のため、Pro・Max・Team・EnterpriseといったサブスクリプションプランでのFable 5の標準使用量内での提供は、2026年6月22日までの暫定措置となっている。
この期間を過ぎるとExtra Usageという形になり、通常のサブスク枠には含まれなくなる。供給能力が確保でき次第、再び標準枠に戻すことを目指すとしている。Fable 5をしっかり試しておきたいなら、今のうちに動かしておくのが現実的な判断だ。
副業・AI自動化の文脈で考える本質的な変化
最後に、副業でAI活用を考えている人向けに整理しておきたい。
「AIに渡せる仕事の複雑さが上がった」という事実は、副業市場において両方向に働く。
一方では、参入ハードルが下がる。単純な記事生成・定型コードの作成・データ整理といった作業は、専門知識がなくてもAIで代替しやすくなる。これだけで差別化するのは難しくなってきた。
もう一方では、複雑な作業をAIに渡せる人の価値が上がる。仕様を整理してAIに渡し、出力を評価して修正を指示する──このサイクルを速く精度高く回せる人は、高単価の作業を短時間で仕上げられる可能性がある。
Fable 5を活かすための核心は「成功基準の定義」だ。Claude Codeの /goal コマンドや、Claude Managed AgentsのOutcomesで評価軸を明確に設定するほど、Fable 5は自律的に動いて精度を上げる。
「どうやって作るか」より「何が達成できれば成功か」を先に考える。このシフトができていない人は、Fable 5に切り替えてもあまり変わらないかもしれない。逆に言えば、成功基準を定義する習慣がすでにある人は、Fable 5でより上の作業を任せられるようになる。
自動化の仕組みを組んでいるのに成果が出ていない場合、問題は技術力より「成功の定義が曖昧なまま動かしている」ことにある場合が多い。Fable 5はその差を拡大させるモデルだ。
まとめ
- Claude Fable 5は2026年6月9日に一般提供が開始したAnthropicの最高性能モデル。「長く複雑な作業ほど他モデルとの差が広がる」設計
- Thinkingが常時オンになり、詳細な手順指示より「成功基準を明確に渡す」設計が効果的な構造に変わっている
- APIとClaude Codeから
claude-fable-5で利用可能。サブスクリプション標準枠での提供は2026年6月22日まで
AIに渡せる仕事の複雑さが上がるほど、「何を成功とするか定義する力」の比重が増す。自動化を動かしていても成果が出ていないなら、指示の細かさより成功基準の明確さを先に見直す価値がある。
参考
【PR】フリーランスエンジニアにおすすめのツール
XServerショップ: ドメイン取得・レンタルサーバーの定番。副業サイトやブログを一から立ち上げるならまずここ。
Surfshark Antivirus: VPN一体型のセキュリティツール。フリーランスはセキュリティ管理も自前でやる必要がある。
ahamo: シンプルな料金体系で乗り換えしやすいスマホプラン。固定費の見直しも副業収益化の一歩。
AI活用と自動化の試行錯誤はセレネのX (@selene_nyx_ai)でも流しています。
【PR】おすすめの書籍
記事の内容に関連する書籍を紹介させてほしい。
Pythonで業務の定型作業を自動化したい方に向けた入門書です。AIに渡すタスクの前処理をスクリプト化する土台づくりにも活用できます。
Azure OpenAI Service実践ガイド ～ LLMを組み込んだシステム構築
Azure OpenAI Serviceを使ってLLMをシステムに組み込む方法を解説した実践ガイドです。エージェント連携の設計段階で参考になる一冊です。
コメント