Claude Fable 5 vs Opus 4.8：本当に乗り換えるべきか？（Mythosクラス・ベンチマーク検証）

Claude Fable 5 vs Opus 4.8：本当に乗り換えるべきか？（Mythosクラス・ベンチマーク検証）

Anthropicは2026年6月9日、Claude Fable 5をリリースした。エージェント型コーディングのベンチマークであるSWE-Bench Proで80.3%を記録。Opus 4.8の69.2%、GPT-5.5の58.6%を大きく引き離した。これは誤差の範囲ではない。しかも意外な点がある。Fable 5は新しい「Mythosクラス」モデルの一般公開版であり、セーフガードが施された半分だ。もう半分はClaude Mythos 5という、制限付きアクセスプログラムの背後に置かれたゲート付きの兄弟モデルである。本記事では、何が変わったのか、100万トークンあたり$10/$50という価格で実際のタスクコストはいくらになるのか、そして本当にOpus 4.8から乗り換えるべきかを検証する。

結論から先に

• Fable 5はSWE-Bench Proで80.3%を記録。Opus 4.8の69.2%、GPT-5.5の58.6%を上回る。
• 価格は100万トークンあたり入力$10／出力$50。Mythos Previewの半額以下。
• 高リスクのサイバー／バイオ／化学クエリ（全セッションの5%未満）ではOpus 4.8に自動フォールバック。
• 2026年6月22日までPro/Max/Team/Enterpriseプランで無料。6月23日から利用クレジットが適用される。

実際に何がリリースされたのか：Fable 5、Mythos 5、そして「Mythosクラス」

MythosクラスはAnthropicの新しい最上位能力ティアであり、2つのモデルとして提供される。Claude Fable 5は今日から呼び出せる、セーフガード付きの一般公開版だ。Claude Mythos 5は同じフロンティアモデルからセーフガードを取り除いたもので、ゲート付きアクセスの背後に置かれている。頭脳は同じ、リリース姿勢が2つある。

この分割こそが今回の核心だ。Anthropicのニュースルームでの発表によると、Mythos 5は実際の被害をもたらしうる攻撃的サイバースキルを含むフロンティア能力を完全に保持しているため、Anthropicはこれを全員に提供しない。Fable 5は同じモデルを分類器で包み、高リスクのリクエストを検出してOpus 4.8にこっそりルーティングする。

つまりFable 5を呼び出すと、危険でないものすべてにはMythosクラスの推論が返り、危険なごく一部にはより安全なフォールバックモデルが返る。CNBCはこれを「AnthropicがMythosに似たAIを一般公開した」と報じた。これは正確だが、見出しよりも正確な仕組みの方が重要だ。

Fable 5とMythos 5は、同じフロンティアモデルを2つに分けたものだ。1つは今日使えるもの、もう1つはAnthropicがゲート付きで保持しているもの。命名について1つだけ覚えるなら、これを覚えてほしい。Mythosクラスがティアであり、FableとMythosはそこへの2つの入り口だ。

Opus 4.xシリーズから何が変わったか

Anthropicが公開したすべてのコーディングおよび推論評価で、Fable 5はOpus 4.8を僅差ではなく2桁のマージンで上回った。SWE-Bench Proは69.2%から80.3%へ飛躍。FrontierCode Diamondは13.4から29.3へ。価格も下がり、新しい推論努力ダイヤルでスケールする。これはOpus 4.xシリーズに対する真のフロンティアステップであり、ポイントリリースではない。

上記の13ベンチマークの一覧が全体像だ。ここでは、実際のチームが比較する3モデルとの主要なサブセットを示す。

ここでの比較対象はClaude Opus 4.8だ。Fable 5がフロンティアで置き換えるモデルであり、同時に高リスククエリでFable 5がフォールバックするモデルでもある。過去2回のリリースでOpus 4.xシリーズを追ってきたなら、パターンは漸進的な改善だった。Fable 5はそのパターンを破る。

この表を鵜呑みにする前に2つ注意がある。第一に、これらはAnthropic自身が公開した評価であり、独立したテストではない。第二に、推論努力ダイヤルがあるため、1つのベンチマーク数値の裏にはコストカーブが隠れている。これについては価格セクションで詳述する。計算が変わるからだ。

開発者にとって重要なベンチマーク

実用上の重みを持つのは4つの数値だ。SWE-Bench Pro 80.3%、FrontierCode Diamond 29.3、Terminal-Bench 2.1 88.0%、GPQA-AA 1932 Elo。これらを合わせると、実際のリポジトリ作業、最難関の合成コーディング問題、エージェント型シェルタスク、大学院レベルの推論をカバーする。あなたのワークロードがこれらいずれかに触れるなら、このセクションがその数値があなたの仕事に対応するかどうかを教えてくれる。

本記事冒頭のヒーローチャートがその証拠だ。SWE-Bench Proで80.3 vs 69.2 vs 58.6、FrontierCodeで29.3 vs 13.4 vs 5.7。では、これらは実際に何を測っているのか。

• SWE-Bench Proは、モデルが実際のリポジトリに実際のプルリクエストを送れるかをテストする。クローン、理解、パッチ、テスト通過だ。SWE-Bench Proはモデルが実際のリポジトリに実際のプルリクエストを送れるかを測り、Fable 5は10件中8件を成功させる。「実際の仕事ができるか」に最も近い代理指標だ。
• Terminal-Bench 2.1はエージェント型シェルタスクをスコア化する。コマンド実行、出力の読み取り、エラーからの回復だ。ターミナルで動作するAIコーディングエージェントを構築しているなら、88.0%は重要だ。
• FrontierCode Diamondはコーディング問題の最難関ティアで、ほとんどのモデルが一桁しか取れない問題群だ。29.3は絶対値としては低いが、Opus 4.8の13.4の2倍以上。
• GPQA-AAは大学院レベルの科学推論で、Eloレーティングとしてスコア化される。1932はコードを超えた強力な多段階推論を示す。

私たちのClaude Codeワークフローにおいて、Opus 4.xシリーズを通じて繰り返しぶつかった天井は長期ホライズンのエージェント型タスクだった。複数ファイルにまたがる変更の途中でモデルが文脈を見失うのだ。Fable 5のTerminal-BenchとSWE-Bench Proの数値は、その天井が動いたことを示唆している。あなたのリポジトリで動いたかどうかだけが唯一意味のあるテストだが、公開された数値は気にするに値する種類の数値だ。

実際のテストケース：Fable 5ができて従来モデルにできなかったこと

Anthropicは、Fable 5が扱えるようになった問題の種類を示す3つの具体例を公開した。数ヶ月かかっていたStripeのコードベース移行を1日に短縮、ビジョンだけでビデオゲームを完成、そして自己検証による3倍のパフォーマンス向上だ。それぞれが、従来モデルが届かなかった能力を指している。3つともAnthropic提供の情報であり、彼らの発表を引用しているのであって、私たち自身のテストではない。

それぞれが何を証明しているか。

1. StripeのRuby移行。 Anthropicの報告によると、Fable 5はRubyコードベースの移行を約2ヶ月から約1日に短縮した。StripeはRubyの移行を2ヶ月から1日に圧縮した。これこそがこのモデルを変える問題の規模だ。これはかつて、コードベース全体を頭に叩き込んだ人間のチームが必要だった長期ホライズンのリファクタリングの類である。

2. ビジョンだけでPokémon FireRedをクリア。 Anthropicによると、Fable 5はビジョンのみでPokémon FireRedをクリアした。従来モデルはゲーム状態をテキストとして送り込む複雑なカスタムハーネスが必要だった。これは空間的・視覚的推論の飛躍だ。モデルは画面を読み取り、足場なしで行動する。

3. Slay the Spireで3倍。 最大推論努力において、AnthropicはFable 5が自身の手を自己検証し、永続メモリによって3倍のパフォーマンス向上を達成したと述べている。要点はゲームではない。モデルが長期の計画ホライズンにわたって自分の作業をチェックし、そこから改善できることだ。

これらのいずれも、あなたのワークロードについて鵜呑みにすべきものではない。しかし、上記の表のベンチマーク飛躍にきれいに対応している。長期ホライズンのコーディング（SWE-Bench Pro）、空間推論（ビジョン）、自己検証（推論努力ダイヤル）だ。定性的な成果と定量的な成果は同じ物語を語っている。

価格とタスクあたりコストの現実

Fable 5の価格は100万入力トークンあたり$10、100万出力トークンあたり$50だ。Anthropicはこれを「Claude Mythos Previewの半額以下」と位置づけている。また、トークンあたりではOpus 4.8の約2倍でもある。両方とも事実だ。落とし穴は、トークン単価が正しい単位ではないということ。実際に支払うのは完成したタスクに対してであり、そこでFable 5の計算が面白くなる。

推論努力はリクエストごとに設定するダイヤルだ。低い努力は内部推論トークンが少なく、安くて速い回答を意味する。最大努力はモデルがより長く考え、より多くの出力トークンを消費し、より高いスコアを出すことを意味する。上記のチャートは、努力が低から最大へスケールするにつれてFable 5がFrontierCodeで約11%から約31%へ上昇する様子を示している。一方、Opus 4.8は約13%で頭打ちになり、GPT-5.5は5〜6%付近で横ばいだ。つまりタスクあたりコストは1つの数値ではなく、その上で点を選ぶカーブである。

公開された$10/$50の価格から具体的な例を計算してみよう。これはAnthropicが公表したレートからの算術であり、ベンチマーク結果ではない。

高努力で50,000入力トークンと15,000出力トークンのエージェント型呼び出しを1回行う場合。

Input:  50,000 / 1,000,000 × $10 = $0.50
Output: 15,000 / 1,000,000 × $50 = $0.75
Per call:                          $1.25

実際のエージェント型タスクは、このような呼び出しを多数連鎖させる。リポジトリの読み取り、計画、編集、テスト実行、修正、繰り返しだ。この形でループが12回実行されるとすると、完成タスクあたり約$15になる。より重いコンテキストで最大推論努力の場合、Anthropic自身のコストカーブでは難しいFrontierCodeタスクはタスクあたり$20の範囲に近づく。同じタスクをGPT-5.5で実行すればトークンあたりの支払いは少なくなる。しかし、どの努力レベルでもタスクを完了できなければ、完成タスクあたりのコストは無限大だ。Fable 5はGPT-5.5よりトークンあたりコストが高いが、完成タスクあたりのコストでは勝る。GPT-5.5にできない作業を完了するからだ。

最小限の呼び出し例を示す。Anthropicの発表ではモデルIDとしてclaude-fable-5が示されている。日付付きエイリアスは異なる場合があるため、本番投入前にAnthropic APIドキュメントで正確なバージョン付き文字列を確認してほしい。

import anthropic

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-fable-5",          # verify exact dated id in API docs
    max_tokens=4096,
    thinking={"type": "enabled", "budget_tokens": 8000},  # reasoning effort
    messages=[
        {"role": "user", "content": "Migrate this module from Ruby 2.7 to 3.3 and run the tests."}
    ],
)

print(message.content)

経済的な主張を1行で言えば、GPT-5.5よりトークンあたり多く支払うが、GPT-5.5がどんな価格でも完了できないタスクを完了できるということだ。リスクの低い大量処理では、その計算はより安いモデルに有利に働く。難しいエージェント型コーディングでは、Fable 5に有利だ。

セーフガードの分離：FableがOpus 4.8にフォールバックする理由

Fable 5はすべてのリクエストに分類器を実行する。高リスククエリ（攻撃的サイバー、バイオ、化学、またはモデル蒸留の試み）を検出すると、完全なMythosクラス能力で回答する代わりにOpus 4.8にフォールバックする。Anthropicによると、このフォールバックは全セッションの5%未満で発火するため、ほとんどのユーザーはこれをトリガーしない。要点は、日常的な作業には影響を与えずに、危険な能力をゲートの背後に留めることだ。

より重要な数値は攻撃成功率だ。自動攻撃者がモデルをジェイルブレイクして本来すべきでないことを実行させる頻度である。低いほど良い。Anthropicのレッドチーム結果は、リリースごとの急激な低下を示している。Opus 4.6の83.2%から、Opus 4.7の72.7%、Opus 4.8の56.6%、そして**Fable 5の5.4%**へ。自動レッドチーミング下で、Fable 5に対する攻撃が成功したのはわずか5.4%であり、Opus 4.8の56.6%から大幅に低下した。

なぜこれが重要か。ツールアクセス（シェル、ファイルシステム、ネットワーク）を持つエージェントをデプロイする場合、ジェイルブレイクは不適切なチャット返信ではなく、攻撃者が誘導した実際のコマンドをモデルが実行することだ。攻撃成功率5.4%は、Opus 4.8より武器化が約10倍難しいことを意味する。IT Proの報道がまさにこの理由でフォールバックの仕組みをトップに持ってきた。これはフロンティアモデルを一般に提供できるほど安全にする機能だからだ。

トレードオフはレイテンシだ。ワークロードが正当にセキュリティツールに触れる場合、フォールバックがタスク途中で発火してモデルが切り替わる可能性がある。これを見越して計画する必要がある。

Claude Mythos 5とデュアルユースの問題

Claude Mythos 5はゲート付きの兄弟モデルであり、セーフガードフォールバックのない同じモデルだ。Fable 5がブロックする攻撃的サイバー能力を保持しており、まさにそれがAnthropicがこれを一般公開しない理由である。アクセスはProject Glasswingを通じて行われる。完全な能力を必要とする防御者と研究者のための審査済みプログラムだ。同じモデル、2つのリリース姿勢。1つはオープン、もう1つはゲート付き。

このチャートはゲーティングを可視化している。攻撃的サイバー評価（Firefox、OSS-Fuzz、CyberGym、CyScenarioBench）で、Mythos 5は88.4、24.0、83.8、38.7を記録。Fable 5は4つすべてで一律0.0を返す。攻撃的サイバー評価で、Mythos 5が最大88.4を記録するのに対し、Fable 5は一律0.0を返す。セーフガードの分離が可視化された形だ。

そのゼロは能力のギャップではない。毎回フォールバックが発火し、Mythosクラスモデルが回答する前にリクエストをブロックしているのだ。TechCrunchはそのタイミングに注目した。AnthropicはAIがオープンにリリースするには危険すぎると警告した数日後にこれをリリースした。Fable/Mythosの分離はその警告に対するポリシー上の回答だ。能力は公開し、危険はゲートする。

ほとんどの開発者にとって、Mythos 5は無関係だ。Project Glasswingの資格を得ることはなく、その必要もない。重要なのは、呼び出しているモデルが設計上、狭い範囲のタスクで意図的に制限されていると知ることだ。

これは何を意味するか：乗り換えるべきか？

難しいエージェント型コーディング、長期ホライズンの多段階タスク、ビジョンまたは空間推論にはFable 5に乗り換えよう。タスクを完了させることがトークンあたりの小銭を節約するより重要な場面すべてだ。コスト重視の大量処理、またはそもそもフォールバックをトリガーするものにはOpus 4.8に留まろう。これがフレームワークの全体だ。残りは、あなたのワークロードをその正しい側に当てはめるだけである。

Fable 5が勝つ場面：

• Opus 4.8が停滞する難しいエージェント型コーディング。SWE-Bench Proの差は本物だ
• 自己検証が報われる長期ホライズンタスク（複数ファイルのリファクタリング、移行）
• ビジョンおよび空間推論のワークロード
• 1つの完成タスクがトークンプレミアム以上の価値を持つあらゆる作業

Opus 4.8がまだ勝つ場面：

• トークン単価が支配的な大量・コスト重視の作業
• サイバー／バイオ／化学のワークロード。Fable 5はどうせOpus 4.8にフォールバックするので、直接呼び出すべき
• タスク途中のモデル切り替えを許容できないレイテンシ重視のフロー

利用可能性について。Fable 5は2026年6月22日までPro/Max/Team/Enterpriseプランで無料で、6月23日から利用クレジットが適用される。API、AWS Bedrock、GitHub Copilot（GitHub changelog参照）、Harveyで一般提供されている。つまり、課金を変更することなく、今日エディタで乗り換えをテストできる。

著者について

Mert Batur GurbuzはTechsy.ioの共同創業者であり、チームはB2Bクライアント向けにAIエージェント、自動化システム、音声/SDRパイプラインを提供している。University of Birminghamで学び、Techsyチームが実際に本番環境で使用しているLLMツールスタックについて執筆している。LinkedInでつながろう。

共同創業者、Techsy.io · University of Birmingham

よくある質問

Claude Fable 5とは？

Claude Fable 5はAnthropic初の一般利用可能なMythosクラスモデルで、2026年6月9日にリリースされた。SWE-Bench Proで80.3%を記録し、高リスククエリでOpus 4.8にフォールバックするセーフガード分類器を実行する。価格は100万トークンあたり入力$10／出力$50。

Fable 5とMythos 5の違いは？

同じフロンティアモデルで、リリース姿勢が異なる。Fable 5は一般公開されセーフガード付き。危険なクエリではOpus 4.8にフォールバックする。Mythos 5はゲート付きの完全能力版で、審査済みの防御者と研究者向けAnthropicのProject Glasswingプログラムを通じてのみアクセス可能。

Claude Fable 5は実際にOpus 4.8より優れているか？

難しいエージェント型コーディング、ビジョン、空間推論ではイエス。Fable 5はSWE-Bench Proで80.3%を記録し、Opus 4.8の69.2%を上回る。しかし、コスト重視の大量処理ではOpus 4.8がまだ勝り、高リスクのサイバー／バイオ／化学トピックではFable 5はどうせOpus 4.8にフォールバックする。「優れている」かどうかはワークロード次第だ。

Claude Fable 5の価格は？

Claude Fable 5は100万入力トークンあたり$10、100万出力トークンあたり$50。Anthropicの位置づけは「Mythos Previewの半額以下」。トークンあたりではOpus 4.8の約2倍だが、価値の根拠は完成タスクあたりにある。Fable 5はより安いモデルにできない作業を完了するからだ。

「Mythosクラス」モデルとは？

MythosクラスはAnthropicの新しい最上位能力ティアで、Fable 5とMythos 5とともにリリースされた。コーディングおよび推論ベンチマークでOpus 4.xシリーズに対するフロンティアの飛躍を表す。Fable 5とMythos 5は同じMythosクラスモデルの2つのリリースバージョンだ。1つは一般公開・セーフガード付き、もう1つはゲート付き。

なぜFable 5はOpus 4.8にフォールバックするのか？

Fable 5は高リスクリクエスト（攻撃的サイバー、バイオ、化学、またはモデル蒸留）を検出する分類器を実行し、完全なMythosクラス能力で回答する代わりにOpus 4.8にルーティングする。これは全セッションの5%未満で発火する。敵対的攻撃の成功率を56.6%（Opus 4.8）から5.4%に削減した。

Claude Mythos 5にアクセスできるか？

おそらくできない。Mythos 5はProject Glasswingの背後にゲートされている。Fable 5がブロックする完全な攻撃的サイバー能力を必要とする防御者とセキュリティ研究者向けの、Anthropicの審査済みアクセスプログラムだ。ほとんどの開発者は資格を得られず、その必要もない。Fable 5が日常のエージェント型・コーディング作業をカバーするからだ。

Claude Fable 5はどこで使えるか？

Claude Fable 5はAnthropic API、AWS Bedrock、GitHub Copilot、Harveyで一般提供されている。2026年6月22日までPro、Max、Team、シートベースのEnterpriseプランで無料。6月23日から利用クレジットが適用される。今日、エディタまたはAPIでテストできる。

まとめ

Claude Fable 5はOpus 4.8に対する真のフロンティアステップだ。SWE-Bench Proで80.3% vs 69.2%、FrontierCodeスコアは2倍、攻撃成功率5.4%でツール付きデプロイがはるかに安全。難しいエージェント型コーディング、長期ホライズンタスク、ビジョン作業には乗り換えよう。コスト重視の大量処理や、そもそもフォールバックをトリガーするものにはOpus 4.8に留まろう。6月22日まで無料なので、コストがかかる前に乗り換えをテストできる。Techsyチームはまさにこのスタックで本番エージェントを構築しているので、支援が必要なら連絡してほしい。