2026年9月1日、Anthropicは二つのモデルをリリースしました。一般提供のClaude Fable 5.1と、信頼済みアクセスプログラムを通じてのみ提供されるClaude Mythos 5.1です。同社はこれらを率直にコーディングと知識労働のための世界で最も高度なモデルと表現しています。

意外なのは、このリリースが能力だけの話ではないことです。Anthropicが顧客から聞いたという三つの不満、つまり価格、データ保持、そして過敏すぎるセーフガードに応えています。これらはまさに、デモではなく実際の業務でモデルを動かしている人にとって重要な点です。

数値：公表されたすべてのベンチマークで首位

以下は、前モデルのFable 5、そして競合のOpus 5およびGPT-5.6 Solと比較してAnthropicが公表した結果です。

  • エージェント型の科学研究（Terminal-Bench-Science）：52.6%。前モデルは24.7%、Opus 5は29.0%、GPT-5.6 Solは22.4%で、自身の以前のスコアの二倍を超えています。
  • エージェント型コーディング（Terminal-Bench 4.0）：55.8%。前モデルは42.0%、Opus 5は52.3%です。Mythos 5.1版は60.9%に達します。
  • 知識労働（GDPval-AA）：1853。前モデルは1723、Opus 5は1824です。
  • コンピューター操作（OSWorld 2.0）：部分的な指標で77.9%、厳格な指標で41.7%と、他を上回っています。
  • 分野横断的な推論（Humanity's Last Exam）：ツールなしで60.9%、ツールありで65.0%。
  • 業務ワークフロー（AutomationBench）：31.4%。前モデルは17.1%で、ほぼ二倍です。

公平を期して言えば、これらはベンダー自身による測定で、科学研究ベンチマークでは3.5から4.5ポイントの標準誤差が明記された上で公表されています。第三者による検証には数週間かかります。それでも、八つの異なるベンチマークで一貫して向上していることは、どれか一つでのリードよりも多くを物語っています。

経理担当者が気づく特長：値下げなしで安くなる

基本のトークン単価は変わっていません。それでもAnthropicによれば、キャッシュ読み取りの価格を75%引き下げたため、実際のコストは典型的なワークロードで約25%、ステップの多いエージェント型の作業では最大45%下がります。

この違いになじみのない方のために説明すると、モデルがすでに処理したコンテキスト、つまりプロジェクトのファイル、指示、それまでの会話を読み直すとき、これまでは比較的高い料金を払っていました。エージェント型の作業は一つのタスクの中で同じコンテキストを何十回も読み直すため、最も大きな恩恵を受けます。この割引の恩恵を受けるのは、モデルを本格的に使う人であって、ちょっとした質問をするだけの人ではありません。

Anthropicはエフォートレベルも追加しました。低・中・高の三段階です。同社によれば、低または中のエフォートのFable 5.1は、はるかに低いコストでFable 5と同等以上の性能を発揮します。デフォルトはClaude Codeでは高エフォート、Claude Coworkとclaude.aiでは中です。

データプライバシー：組織にとって重要な転換

AnthropicはEnterprise Frontier Safeguardsというシステムを発表しました。悪意ある利用を防ぎつつ、データ保持ゼロのポリシーと同等の完全なプライバシーを顧客に提供するものです。仕組みは、Anthropicではなく顧客が完全に管理するクラウドインフラにデータを保存するというものです。展開は段階的で、今秋から始まります。それまでは、対象となる顧客がデータ保持ゼロでモデルを利用できます。

この一点だけで、サウジアラビアの機微な分野に閉ざされていた扉が開きます。データ保護の義務により、データを保持する外部サービスにデータを送ることができない政府機関、金融機関、医療機関です。

より精密なセーフガード：正当な業務の拒否が減少

開発者にとって、危険そうに見えたという理由で正当な依頼をモデルに拒否されることほどもどかしいことはそうありません。Anthropicによれば、最新のセーフガードはサイバーセキュリティにおける誤検知を60%減らしています。Fable 5.1はソフトウェアの脆弱性の発見に使えるようになりましたが、その脆弱性を突くエクスプロイトの開発には使えません。これは維持する価値のある区別です。脆弱性を見つけるのは防御の仕事ですが、それを武器にするのは違います。

ベンチマークのスコア以上のものだと示すものは？

テストのパーセンテージではなく具体的な成果であるため、公表された三つの結果は紹介する価値があります。

  • 投資会社Millenniumでは、エンジニアも他のどのモデルも何年にもわたって説明できなかった社内システムのまれなクラッシュの原因を、このモデルが突き止めました。
  • NASAのマゼラン（Magellan）探査機が三十年以上前に撮影したレーダー画像から、金星の三分の一の新しい標高地図を作成するニューラルネットワークを学習させました。解像度は十〜二十キロメートルではなく二、三キロメートルに達し、高さの精度は最大25%向上しました。地図はクリエイティブ・コモンズ（Creative Commons）ライセンスで公開されています。
  • 計算生物学では、カスタムのGPUカーネルを作成し、七つのオープンソースモデルを出力を変えずに最大2.5倍高速化して、推定GPUコストを30〜60%削減しました。通常ならパフォーマンスエンジニアのチームが数週間かける作業が、数日で完了しました。

Origamiの見解

サウジアラビアの経営者にとって、本当のニュースはランキングではありません。一回のリリースで三つのことがそろったことです。より高い能力、まさにエージェント型の作業でのコスト低下、そしてデータを自社が管理するインフラに置いておけるプライバシーの選択肢です。能力だけならすでに手に入っていました。これらのモデルが実験段階から本番システムへ移るのを妨げていた二つの要因が、コストとプライバシーだったのです。

実践的なアドバイスとしては、モデルからではなくタスクから始めることです。中規模の企業が今日必要とする作業の大半は、中程度のエフォートで十分にこなせ、費用も抑えられます。まず最も低いレベルでタスクを試し、必要性を示せるときにだけレベルを上げてください。月々の請求書での差は、料金表から想像するよりも大きくなります。

結論

Fable 5.1は、Anthropicが公表したすべてのベンチマークで首位に立ち、エージェント型の科学研究では前モデルの二倍以上のスコアを出し、本格的な業務ではコストも下がります。さらに示唆的なのは、このリリースが能力だけでなく顧客の不満に応えたことです。これは市場が成熟しつつある兆しであり、競争の焦点は誰が最高スコアを取るかから、誰が実際の組織への導入を可能にするかへと移っています。

情報源

  • Anthropic：Claude Fable 5.1とClaude Mythos 5.1の公式発表。ベンチマーク表、価格・プライバシー・セーフガードに関する主張、科学的な事例の出典。
  • Anthropic：Terminal-Bench-Scienceの標準誤差に関する公表済みの注記と、公開リーダーボードの数値。
  • The Verge、Decrypt、The New Stack：2026年9月1日のリリースと価格に関する数値についての独立した報道。