Initial impressions of Claude Fable 5｜Claude Fable 5 の初回インプレッション | AIニュース最前線

私は本日の [Claude Fable 5](https://www.anthropic.com/news/claude-fable-5-mythos-5) リリースの早期アクセス権を持っていませんでしたが、過去約 5.5 時間かけて実際に試してきました。私の最初の印象としては、これはある意味で*怪物*のようなものです。動作は遅く、コストも高いですが、これまでに投げかけたあらゆるタスクを喜んで処理してくれています。現在の最先端モデルにおいて頻繁に起こることですが、課題はそのモデルが「できない」タスクを見つけることです。 まず、主要な特徴を確認しましょう。 Anthropic は、[Claude Fable 5](https://www.anthropic.com/news/claude-fable-5-mythos-5) が Claude Mythos 5 と同等のパフォーマンスを提供すると主張していますが、有害な用途を防ぐために非常に厳格なガードレール（安全装置）が設けられている点が異なります。これらのガードレールは頻繁に作動するため、Claude API にはユーザーがこれらに触れたことを知らせる新しいメカニズムが追加され、さらに何かを拒否された場合に自動的に別のモデルにフォールバックするよう要求できる [新しいオプション](https://platform.claude.com/docs/en/build-with-claude/refusals-and-fallback) も用意されています。 Claude Mythos 5 も本日リリースされており、[Anthropic は](https://platform.claude.com/docs/en/about-claude/models/introducing-claude-fable-5-and-claude-mythos-5)「Claude Fable 5 の機能を備えつつ、安全性分類器は含まれていない」と述べています。 これらのモデルは、100 万トークンのコンテキストウィンドウ（文脈の長さ）、最大 128,000 トークンの出力トークン数、そして知識のカットオフ日が 2026 年 1 月となっています。 Claude Opus 4.5/4.6/4.7/4.8 の価格の倍に設定されています：入力トークン 100 万あたり 10 ドル、出力トークン 100 万あたり 50 ドルです。長いコンテキスト（文脈）を使用した場合でも、価格の上昇はありません。 それ以外のこととして、[アップグレードガイド](https://platform.claude.com/docs/en/about-claude/models/introducing-claude-fable-5-and-claude-mythos-5) は、[Opus 4.8 向けの同様のガイド](https://platform.claude.com/docs/en/about-claude/models/whats-new-claude-4-8) と比較して、大幅に簡素化されています。 ## 大規模モデルの匂い Fable を説明する最良の方法は、それが「大きい」と感じられることです。速度やコストだけでなく、その知識量においてもです。 以下は、Fable の知識を Opus 4.8 と比較するために私が使用したプロンプトの例です（タイプミスが含まれています）： ** Simon Willion のオープンソースプロジェクトをすべてリストアップしてください。最新のものから順に、各プロジェクトの初回リリース日のおおよその日付も記載してください。 ** Opus 4.8 の回答は [このように始まりました](https://gist.github.com/simonw/e77abf645156ade8c5c610f524226dcb#response-1)： Simon Willison のすべてのオープンソースプロジェクトの信頼性があり、包括的かつ日付が検証されたリストを持っていません。不正確な日付や捏造されたエントリを提供するリスクを避けるため、正直にお伝えします。 私が比較的自信を持って言えることは以下の通りです： Simon Willison によるよく知られたプロジェクト：** - LLM（〜2023 年）— 大規模言語モデルと対話するためのコマンドラインツールおよび Python ライブラリ。 - Datasette（〜2017 年）— データの探索と公開のためのツールで、おそらく彼の最近のプロジェクトの中で最も注目されているものです。 - sqlite-utils（2018-2019 年）— SQLite データベースを操作するための Python ライブラリおよび CLI ツールで、Datasette と併用されることが多いです。 - Django（2005 年）— アドリアン・ホロヴァティと共に Django ウェブフレームワークの共同創作者の一人であり、当初はローレンス・ジャーナル＝ワールド新聞社で開発されました。 また、彼は**Datasette プラグイン**の大規模なエコシステムと、多くの小型ユーティリティ（shot-scraper や、データインポート用の各種 *-to-slice ツールなど、名前に特徴があるものが多い）も維持しています。 これは悪くありません。同じプロンプトに対する Fable 5 の応答の冒頭を以下に示します（両モデルとも検索機能なしで実行されています）: ** おそらくあなたは Simon Willison をおっしゃっているのでしょう** — 非常に活発なオープンソース開発者であり、Django の共同創作者、Datasette の生みの親です。 重要な注意点として upfront に申し上げます：完全なリストを作成することは現実的ではありません。Simon Willison はその活動の多さで有名であり、彼が公開したリポジトリは**数百**に及びます（Datasette だけでも 100 以上のプラグインがあり、多くは彼自身によって作成されています）。また、私の知識にはカットオフ日があるため、最新の作品については見落とす可能性があります。以下に彼の**注目すべき**プロジェクトを、概ねの初回リリース日付とともに、最も新しいものから順に記載します： ## 注目すべきプロジェクト（おおよその日付） - files-to-prompt (2024 年 4 月) – LLM 向けに複数のファイルを単一のプロンプトに結合するツール - datasette-extract (2024 年) – LLM を用いて構造化データを抽出するためのプラグイン - LLM (2023 年 5 月～6 月) – 大規模言語モデルとの対話を行うための CLI ツールおよび Python ライブラリ。さらに、llm-gpt4all、llm-mistral、llm-claude など多数のプラグインを含む広範なエコシステムを有する (2023 年以降) - symbex (2023 年 6 月) – Python コード内からシンボルを検索するツール - ttok および strip-tags (2023 年 5 月) – LLM パイプライン向けのトークン数カウントおよび HTML クリーンアップを行う CLI ツール - datasette-lite (2022 年 5 月) – WebAssembly/Pyodide を介してブラウザ上で完全に動作する Datasette - shot-scraper (2022 年 3 月) – Playwright を用いたウェブサイトの自動スクリーンショット取得ツール - s3-credentials (2021 年 11 月) – スコープ限定された AWS S3 認証情報を生成するための CLI ツール - django-sql-dashboard (2021 年) – Django 向けの SQL レポーティングダッシュボード - Dogsheep シリーズ (2019 年) – 個人分析ツール：twitter-to-sqlite、github-to-sqlite、healthkit-to-sqlite、dogsheep-beta など - sqlite-utils (2018 年) – SQLite データベースの操作を行うための CLI ツールおよび Python ライブラリ - Datasette (2017 年 11 月) – 彼の主力プロジェクト。データの探索と公開のためのツール - csvs-to-sqlite (2017 年) – CSV ファイルを SQLite データベースへ変換するツール - その他初期のツール群 (約 2007～2010 年) – soupselect、json-head、geocoders など - Django (開発期間：2003～2005 年、オープンソース化：2005 年 7 月) – アドリアン・ホロヴァティと共にローレンス・ジャーナル・ワールド社で共同開発 (参考までに[GPT-5.5](https://gist.github.com/simonw/8d05ce836d44bd8543055c9614f7c478)も試しましたが、Fable よりもさらに多くのプロジェクトをリストアップしていました！) 過去に私は、モデルがどれだけ*知っているか*には関心がないと述べてきました。重要なのは、テキストやコードを実用的な方法で操作できること、そして必要な情報を重みに埋め込むのではなく、検索ツールを通じて積極的に参照できることです。 しかし、このような知識はモデルの規模に対する合理的な代理指標となり得ます。より多くのパラメータ数に、世界に関する詳細をより多く詰め込むことができるからです。 *より多くのことを知っていること*が、私たちがモデルに課すタスクにおいてその性能向上につながるのでしょうか？確かに、現代のライブラリやパターンについて深い知識を持つコーディングモデルであれば、コーディングタスクをより効果的に処理できることは想像に難くありません。 Fable は本当に Opus よりも大きいのでしょうか？Anthropic からはモデルサイズに関する公式発表はありません。つまり、私たちが頼れるのは推測材料のみですが、その速度、価格設定、そして私が行った知識テストの結果から、これは大規模なモデルであると考えられます。おそらくどのベンダーからもこれまでで最大級の規模かもしれません。 ## Claude.ai での Fable の利用 Anthropic は Fable 5 を、[Claude.ai](https://claude.ai/) チャットインターフェース、Web 版の Claude Code、CLI 版の Claude Code、そして Claude Cowork など、すべてのプラットフォームで利用可能にしました。このモデルはサブスクリプションプラン（現在は月額$100 の Max プランを利用中）において「6月22日まで」利用可能です。それ以降は追加課金となります。 Claude.ai はしばしば過小評価されています。2025 年 9 月以来、すべてのチャットではコードを実行するための完全なコンテナ環境にアクセスできるようになり、追加パッケージのインストールや GitHub から直接リポジトリをクローンする機能も備わっています。 先週、信頼できない Python コード用のサンドボックスとして動作させるために、[wasmtime](https://wasmtime.dev/) を使用して WebAssembly 上で MicroPython のカスタムビルドを実行する Python ライブラリ [micropython-wasm](https://simonwillison.net/2026/Jun/6/micropypython-in-a-sandbox/) をリリースしました。 Fable がこれをフルバージョンの Python で実行できるようにアップグレードできるかどうか試してみることにしました。まず、以下のプロンプトから始めました： GitHub から simonw/micropython-wasm をクローンし、MicroPython ではなくフルバージョンの Python を使用する方法を調査してください Fable はこれに Brett Cannon の [cpython-wasi-build](https://github.com/brettcannon/cpython-wasi-build/releases) ビルドを利用できることを特定しましたが、環境制限のため自身でダウンロードすることはできませんでした。 そこで、そのページから 2 つの zip ファイルを入手し、Claude にアップロードしました： Brett Cannon のビルド（python-3.zip、_build-python-3.zip を添付ファイルとして） そしてこれで完了です。数分間処理が続いた後、全体が正常に動作するようになりました。 応答の一部には以下が含まれていました： ファイルシステム表面を縮小するために、クリーナーな単一 zip-stdlib アプローチを試しましたが、CPython の getpath ブートストラップは、より詳細なプレフィックス調整を行わない限り、zip 内部からエンコーディングを見つけられません。ディレクトリ事前オープンアプローチは信頼性があるため、PoC ではそれを使用しています。zip パスの問題は解決可能ですが、_PYTHONHOME/frozen-getpath の作業が必要です。 そこで私はこう言いました: 単一 zip-stdlib の問題にもう少し取り組んでみる そして少し後で： Python ラッパーと WASM ファイル、標準ライブラリ全体を含む Wheel が欲しい。そうすれば、uv run --with パス-to-whl python -c "デモコード" で実行できる。 …すると、[この 13.9MB の cpython_wasm-0.1.0-py3-none-any.whl](https://static.simonwillison.net/static/cors-allow/2026/cpython_wasm-0.1.0-py3-none-any.whl) ファイルが生成されました。この Wheel URL と uv を使って、サンドボックス内で Python コードを実行できます。例は以下の通りです： uv run --with https://static.simonwillison.net/static/cors-allow/2026/cpython_wasm-0.1.0-py3-none-any.whl \ cpython-wasm -c 'print(45 ** 56)' [完全なチャット記録](https://claude.ai/share/a73b8b8b-8ebc-4fef-9e5c-7438e5e7ae35)はこちらです。 これは非常に強力なスタートでした。 ## Datasette Agent と LLM に Claude Code を用いて機能を追加する Fable の日だと気づく前に、今日のストレッチゴールは [Datasette Agent](https://agent.datasette.io/) に新機能を追加することでした。そのエージェントソフトウェア内でのツール呼び出しに、実行途中の一時停止機能と、ユーザーからの直接承認を要求する能力を持たせたいと考えていました。 これは新しいモデルに投げつけるのにふさわしく肉厚なタスクだと感じました。 その日の間、Fable はその問題を解決しただけでなく、ツール呼び出しにおける高度な一時停止・再開メカニズムをサポートするために、基盤となる LLM ライブラリ内の 4 つの問題を特定し、実装しました。 最初は少し厄介なハックを使ってすべてを動作させましたが、LLM 自体への修正も対象範囲に含まれると伝えるや否や、すぐにそのハックを解きほぐし、代わりに LLM のサポート機能へと転換させる作業に取りかかりました。 私のストレッチゴールは [LLM 0.32a3](https://llm.datasette.io/en/latest/changelog.html#a3-2026-06-09) となり、これはほぼ完全に Fable によって書かれました。以下がリリースノートです： [Datasette Agent](https://github.com/datasette/datasette-agent) の人間をループに組み込んだ ask_user() 機能のニーズに応えるため、ツール呼び出しの動作について以下の改善を行いました： - ツール実装は、現在の呼び出しに対する llm.ToolCall オブジェクトを受け渡すために、llm_tool_call という名前のパラメータを宣言することができます。これにより、現在の llm_tool_call.tool_call_id にアクセスできるようになります。詳しくは「ツール内部からのツール呼び出しへのアクセス」をご覧ください。#1480 - すべてのツール呼び出しには、一意の tool_call_id が保証されます。プロバイダーが ID を提供しない場合、tc_プレフィックス付きの合成 ULID が生成されます。#1481 - ツールは llm.PauseChain 例外を発生させることで、ツールチェーンをきれいに一時停止できます。これは人間の承認待ちなどの用途に有用です。この例外は .tool_call と .tool_results（完了した兄弟の結果）が付与された状態で呼び出し元に伝播し、プレースホルダー結果を用いたモデル呼び出しは行われません。詳しくは「ツール内部からのチェーンの一時停止」をご覧ください。#1482 - 並列実行時の失敗セマンティクス：非同期の兄弟ツール呼び出しは、一時停止やフック例外が伝播する前に必ず完了まで実行されます。#1482 - チェーンは、未解決のツール呼び出しで終わる messages=履歴から再開できるようになりました。最初のモデル呼び出しの前に通常の before_call/after_call メカニズムを通じて呼び出しが実行され、すでに結果を持っているものはスキップされます。execute_tool_calls() メソッドも、レスポンスによって要求された呼び出しに代わって明示的な ToolCall オブジェクトのリストを実行するための新しいオプション引数 tool_calls_list= を受け付けます。詳しくは「保留中のツール呼び出しでチェーンを再開する」をご覧ください。#1482 - 同期エグゼキューターと一致するように、tools= に存在しないツールへの呼び出しを非同期ツールエグゼキューターが静かにドロップしていたバグを修正しました。これらは現在、Error: tool "..." does not exist という結果を返します。#1483 Fable がこれのためにまとめた API デザイン、テスト、コード、ドキュメントの質には本当に感銘を受けました。今日は数時間費やしましたが、数日分の作業に匹敵する内容です。 ## どれくらい使ったか 私は最近、異なるすべてのコーディングエージェント全体でのローカル LLM の使用状況を追跡するために [AgentsView](https://agentsview.io) を使い始めました。そのツールにカスタムの Fable 価格設定を追加したことを今日 [TIL](https://til.simonwillison.net/llms/agentsview-custom-model-price) で公開しましたが、これは非常に近い将来には不要になるだろうと予想しています。 価格を設定した後、使用状況を探るためにローカルホストの Web サーバーを起動するためにこのコマンドを実行しました: uvx agentsview serve 今日、さまざまなプロジェクトにおける Fable の使用状況の内訳を示すトレemap がこちらです: ![image](https://static.simonwillison.net/static/2026/agentsview-fable-full-day.jpg) 今日はトークンで 110.42 ドル分を使用しましたが、すべては私の月額 100 ドルのサブスクリプションに含まれる範囲内です。 ## そしてペリカンたちも Fable のすべての思考努力レベルに対して、「自転車を漕ぐペリカンの SVG を生成して」というプロンプトを実行しました。 各もののトークンコストを含めた [結果はこちら](https://tools.simonwillison.net/markdown-svg-renderer#url=https%3A%2F%2Fgist.github.com%2Fsimonw%2F94fde31c34a0400c1d29f57e6a708e6b) です: ![image](https://static.simonwillison.net/static/2026/fable-low.jpg) low: [1,929 out, 9.67c](https://www.llm-prices.com/#it=25&ot=1929&sel=claude-fable-5) ![image](https://static.simonwillison.net/static/2026/fable-medium.jpg) medium: [2,290 out, 11.475c](https://www.llm-prices.com/#it=25&ot=2290&sel=claude-fable-5) ![image](https://static.simonwillison.net/static/2026/fable-high.jpg) high: [2,057 out, 10.31c](https://www.llm-prices.com/#it=25&ot=2057&sel=claude-fable-5) ![image](https://static.simonwillison.net/static/2026/fable-xhigh.jpg) xhigh: [5,992 out, 29.985c](https://www.llm-prices.com/#it=25&ot=5992&sel=claude-fable-5) ![image](https://static.simonwillison.net/static/2026/fable-max.jpg) max: [14,430 out, 72.175c](https://www.llm-prices.com/#it=25&ot=14430&sel=claude-fable-5) It's interesting th

Claude Fable 5 の初回インプレッション

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト