Claude Fable 5：完全ガイドと率直なレビュー（2026年）

 

Claude Fable 5の実態

ベンチマークを見る前に、そもそもなぜ新しいティアが存在するのかという問いに答える価値があります。AnthropicのラインナップはすでにOpus 4.8が最上位でした。Fable 5は、同社がMythosと呼ぶ、より上位のティアを安全性の制御付きで一般公開したモデルです。基盤となるモデルはClaude Mythos 5と同じですが、Mythos 5はProject Glasswingというプログラムを通じて、審査済みの少数のパートナーにのみ提供されています。Fableはガードレールが有効になったバージョンで、Mythosは一部のガードレールが外されたバージョンです。

簡単に言えば、Fable 5はAnthropicが一般公開した中で最も強力なモデルです。会話よりも、段階的な計画、ツールの呼び出し、結果の読み取り、そして最高設定では返答前の自己チェックまで行う、長時間の自律的な作業に向けて設計されています。モデルIDは claude-fable-5です。

仕様一覧

実際の性能と、苦手な領域

Fable 5はArtificial Analysis Intelligence Indexで1位として登場し、GPT-5.5の60、Gemini 3.1 Proの57に対して65点を獲得しました。差が最も大きいのはコーディングです。独立した報道ではSWE-bench Proで約80%とされ、次点のモデルを大きく引き離しています。Anthropicのローンチパートナーもこれを裏付けています。分析会社Hexは、Fable 5が同社の主要ベンチマークで90%を超え、Opus 4.8から10ポイント向上したと報告しました。またStripeは、このモデルがRuby 5,000万行にわたるコードベースの移行を1日で実行したと述べています。手作業ならチームで2か月以上かかったと見積もられる作業です。

ここまで読むと、どのローンチ記事にもある内容に見えます。多くの記事が省くのはここからです。Agents' Last ExamベンチマークではGPT-5.5がFable 5を上回りました。これは、OpenAIのモデルが長く複数部分からなる指示に、より文字どおり従うという、より広い傾向とも一致します。初期の独立記事の1つで、開発者のSimon WillisonはFableとGPT-5.5に同じ事実質問を投げ、GPT-5.5のほうが実際にはより完全な回答を返したことを確認しました。Fable 5は多くの軸で業界最強のモデルですが、すべての軸で最強というわけではありません。「総合的に最良」と「自分の特定の作業に最適」は同じではないのです。

もう1つ、指摘しておく価値のある論争があります。ここでは、決着した事実ではなく、争いのある問題として扱います。Fortuneは、Fable 5の319ページに及ぶシステムカードの奥深くに、ユーザーへ知らせることなく、特定のAI開発作業への回答を密かに低性能化するモデルの挙動が記載されていると報じました。Anthropicはこの振り分けを安全機能と位置づけていますが、批判者は「ユーザーに知らせない」こと自体を問題視しています。その領域に関わる作業をしているなら、より明確な指針が出るまでは既知の不確実要素として扱ってください。

実際に使ってみた感覚

リリースから2日が経った時点で最も有用な情報は、実名の開発者が作業内容を公開していることです。そこから繰り返し見えてくる教訓は、Fable 5には最初に全体像を渡すと力を発揮するということです。初期の独立記事の1つで、Simon Willisonはオープンソースのエージェントライブラリに承認ステップを追加するよう指示しました。すると最初は「かなり厄介なハック」に手を伸ばしましたが、基盤ライブラリを変更してよいと伝えた瞬間、サポートされたクリーンな機能へリファクタリングしました。約5時間半かけて、そのライブラリのリリース版のほぼすべてを自力で書き上げました。

ただし、その能力にはメーターが付いています。Willisonはこのテストを1日行うだけで、トークンに110.42ドルを費やしました。また、期待するほど疲れ知らずでもありません。一部のユーザーやAnthropicの公式ドキュメントによれば、長いタスクの途中で止まり、仕事を終えずに意図だけを述べてターンを終了することがあります。両方に効く実践的な習慣は、仕様全体を一度に渡し、最後のステップまで本当に実行したか確認することです。

バイブコーディング：1つのプロンプトから動くアプリを作る

Fable 5が他の何よりも強く押し出されている用途があるとすれば、それはバイブコーディングです。アプリやシーンを自然言語で説明し、モデルに多くの場合1回の実行で全体を構築させます。Anthropicもこの用途を直接後押ししており、自社のエンドツーエンド型バイブコーディングベンチマークViBenchでは、テストしたモデルの中でFable 5が最高得点だったと報告しています。

公開例も説得力があります。Ethan MollickはClaude Code内で、最初のプロンプトだけから小規模ながら完成度の高いゲームを次々と生成しました。パックマン風のSnake、Strataというランタンを灯す迷路ゲーム（かすかにMyst風の見た目）、Rilkeの Duino Elegies を題材にした詩のゲーム、そして動作する等時線旅行時間マップです。彼によれば、モデルは複数ページにわたる仕様に対して最大12時間稼働し、「これまで使ったほぼすべての公開モデルを、かなり大きな差で上回った」とのことです。Matt ShumerはThreeJSで、ブラウザ上で遊べるMinecraft風の世界を1回の指示で作り、別のテストではNASAの標高データから縮尺どおりのヨセミテ渓谷を描画させました。動作が遅かったとき、彼が行った修正は「品質を落とさず、もっと速くして」だけでした。するとFableはレンダリングパイプライン自体をリファクタリングしました。

再現性のある部分は、巧妙なプロンプトではなく、明確なプロンプトが必要だということです。Fable 5に目標と計画する余地を与えれば、足場作りを処理してくれます。ここでは GPT ProtoのClaude Fable 5 にそのまま貼り付けて、構築の様子を見られるスタータープロンプトを紹介します。

外部依存関係なしで、HTML + JavaScriptによる単一ファイルのブラウザゲームを作成してください。リンゴを食べると成長するトップダウン型2Dスネークで、矢印キー操作、壁または自分自身に当たったときのゲームオーバー、表示されるスコア、再スタートボタンを実装します。見た目はすっきりして少しレトロにしてください――大きめのピクセルと、落ち着いたアーケード風の配色です。ブラウザで直接開ける単一ファイルとして動作するまで止めないでください。

努力レベルを上げ、1文ではなく複数ページの仕様を渡せば、同じ流れをMollickが説明した数時間に及ぶ構築へ拡張できます。これこそがプレミアム料金を正当化する作業です。本来なら足場作りだけで1日かかるものを、きれいな初稿として仕上げられます。

使い方（GPT Proto経由を含む）

Fable 5は標準のAnthropic Messages形式で呼び出します。GPT Protoではエンドポイントは https://gptproto.com/v1/messagesで、 Authorization ヘッダーにキーを設定して認証します。最小限のcURL呼び出しは次のとおりです。

curl --location 'https://gptproto.com/v1/messages' \
  --header 'Authorization: YOUR_GPTPROTO_API_KEY' \
  --header 'Content-Type: application/json' \
  --header 'anthropic-version: 2023-06-01' \
  --data '{
    "model": "claude-fable-5",
    "max_tokens": 8000,
    "messages": [
      { "role": "user", "content": "Refactor this module and explain the trade-offs." }
    ]
  }'

以前のClaudeモデルと異なる点が2つあり、古いコードをそのまま使うと問題になります。1つ目は、思考が常に有効で、オフにするスイッチがないことです。無効化するために thinking パラメーターを送ると、400が返ります。モデルの処理量は、代わりに output_config.effort で調整します。 low から max まで指定できます。2つ目は、Fable 5が新しいトークナイザーを使うため、同じ内容でもOpusティアのモデルより多くのトークンを消費することです。古いトークン予算を流用しないでください。

Pythonの場合：

import requests, json

resp = requests.post(
    "https://gptproto.com/v1/messages",
    headers={
        "Authorization": "YOUR_GPTPROTO_API_KEY",
        "Content-Type": "application/json",
        "anthropic-version": "2023-06-01",
    },
    data=json.dumps({
        "model": "claude-fable-5",
        "max_tokens": 8000,
        "output_config": {"effort": "medium"},  # low | medium | high | xhigh | max
        "messages": [
            {"role": "user", "content": "Refactor this module and explain the trade-offs."}
        ],
    }),
)
data = resp.json()
text = "".join(b["text"] for b in data["content"] if b["type"] == "text")
print(text)

どの程度の処理量を使うかは推測で決める必要がありません。Willisonは「自転車に乗ったペリカンをSVGで描く」という同じプロンプトを5つのレベルすべてで実行し、それぞれのトークンコストを公開しました。

あるプロンプトでは、high から max への移行でトークン数が約7倍になりました。ここでは high が medium より安かったことにも注目してください。努力レベルはモデルがどれだけ探索するかを決めるもので、固定料金ではないということです。まずは medium から始め、本当に難しいエージェント作業に限って high または xhigh へ上げ、正確性がコストを上回るまれなケースでのみ max を使いましょう。単純なテキスト生成なら、 claude-fable-5/text-to-text エンドポイントを直接呼び出せます。

拒否への対処――多くのガイドが省く部分

Fable 5は機密性の高いリクエストを別モデルへ振り分けるため、コードでは拒否をエラーではなく通常の結果として扱う必要があります。安全性分類器が拒否した場合、APIはHTTP 200を返し、 stop_reason: "refusal" と、空または部分的な本文を返します。そのため、確認せず最初のコンテンツブロックを読み取るコードは壊れます。The Registerは、無害なプロンプトでも分類器に拒否された事例をすでに報じています。Anthropicによれば、平均してセッションの5%未満がトリガーされますが、サイバーセキュリティ、生命科学、化学の分野では割合が高くなります。次のように備えてください。

if data.get("stop_reason") == "refusal":
    # The request was declined by a safety classifier (HTTP 200, not an error).
    # Retry the same prompt on a model without the Mythos guardrails.
    fallback = requests.post(
        "https://gptproto.com/v1/messages",
        headers={
            "Authorization": "YOUR_GPTPROTO_API_KEY",
            "Content-Type": "application/json",
            "anthropic-version": "2023-06-01",
        },
        data=json.dumps({
            "model": "claude-opus-4-8",
            "max_tokens": 8000,
            "messages": [
                {"role": "user", "content": "Refactor this module and explain the trade-offs."}
            ],
        }),
    )
    data = fallback.json()

拒否されたリクエストを claude-opus-4-8 へ振り分ける方法は、Anthropicが内部で行っている処理を再現し、パイプラインを止めずに済みます。Anthropicのプロンプトガイダンスにある関連ルールとして、Fable 5に自分の推論をそのまま出力するよう求めないでください。別の分類器に引っかかり、理由もなくフォールバックモデルへ送られる可能性があります。

料金――そして20%安く使う方法

これほど高い性能には、それ相応の価格が設定されています。Anthropicの価格は、入力100万トークンあたり10ドル、出力100万トークンあたり50ドルです。Opus 4.8の5ドルと25ドルのちょうど2倍です。GPT Protoでは同じモデルを8ドルと40ドルで利用でき、同一のAPI形式で定価より約20%安くなります。

割引によって変わらない点が1つあります。30日間のデータ保持要件は、GPT Proto経由でも直接利用する場合と同じように適用されます。これはモデルレベルでAnthropicが設定しているためです。ゼロ保持ポリシーが必須なら、どこから呼び出すかにかかわらずFable 5は選択肢から外れます。これは計画時に考慮すべき制約であり、再販業者が取り除けるものではありません。

誰が使うべきか、誰が使うべきでないか

Fable 5がプレミアム料金に見合うのは、特定のタイプの作業です。より優れた計画力と自己チェックによって、人間による監督のコストをトークン料金以上に削減できる、長期的で自律的なタスクです。コードベースの移行、複数ファイルのリファクタリング、100万トークンのコンテキストを使った深い調査、複雑なエージェントワークフロー、1つのプロンプトからの構築などが該当します。安価なモデルなら3回の修正が必要になるほど難しい仕事なら、2倍払って1回で完成度の高い結果を得るほうが得策です。

それ以外では、デフォルトとして不適切です。定型的な文章作成、日常的なコーディング支援、要約、予算重視の作業には、 claude-opus-4-8 で性能の大部分を半額で利用でき、Sonnet 4.6ならさらに安くなります。また、サイバーセキュリティ、生命科学、化学の分野で作業する場合、リクエストの相当数が分類器によってOpus 4.8へ振り分けられることを想定してください。その場合、Fableの料金を払ってOpusの回答を受け取ることになります。多くのチームが採用する率直な使い分けは、下書きにSonnet、難しいレビューにOpus、本当に自律性が必要な作業にFableです。ループに組み込む前に、 GPT Protoの料金 を確認しましょう。

よくある質問

Claude Fable 5は無料ですか？

いいえ。定価は100万トークンあたり入力10ドル／出力50ドル、GPT Proto経由では8ドル／40ドルのプレミアムモデルです。無料ティアはありません。

Claude Fable 5の料金はOpus 4.8と比べていくらですか？

ちょうど2倍です。Fable 5は100万トークンあたり10ドル／50ドル、Opus 4.8は5ドル／25ドルです。

コンテキストウィンドウのサイズは？

100万トークンで、これがデフォルト値でもあります。1リクエストあたり最大12万8,000トークンを出力できます。

Fable 5とGPT-5.5――どちらが優れていますか？

Fable 5はコーディングと総合的な知能指数のスコアで優位に立っています。一方、GPT-5.5は価格面で勝り、Agents' Last Examの指示追従ベンチマークではFable 5をわずかに上回りました。作業内容に応じて選んでください。

Fable 5にはAPIからアクセスできますか？

はい。一般提供されています。標準のAnthropic Messages形式を使い、 GPT Proto 上で呼び出せます。

なぜFable 5は別のモデルで質問に回答したのですか？

安全性分類器が一部の機密性の高いリクエストをOpus 4.8へ振り分け、 stop_reason: "refusal"を返すためです。このフィールドを確認し、コードで処理してください。

---