Anthropic、科学タスク性能向上の「Claude Fable 5.1」と「Mythos 5.1」をリリース

Anthropic は、2026 年 6 月に Fable 5 シリーズをリリースしてから約 3 ヶ月後となる今回、Claude Fable 5.1 と Claude Mythos 5.1 を発表しました。両モデルは同じ基盤モデルを採用していますが、適用されるセーフティガードの層が異なります。

Fable 5.1 は一般公開され、claude-fable-5-1 という名前で利用可能です。一方、Mythos 5.1 は審査を通った組織限定で提供されます。どちらも 100 万トークンのコンテキストウィンドウと最大 128K トークンの出力に対応し、アダプティブ・シンキング（思考の適応機能）は常時オンになっています。

最も注目すべき性能指標として、Terminal-Bench-Science 0.1 で Fable 5.1 は 52.6% のスコアを記録しました。これは、Fable 5 の 24.7% や Opus 5 の 29.0% を大きく上回る結果です。

商業面での大きな変更点は、キャッシュリード（読み取り）コストが 75% 削減されたことです。従来は 100 万トークンあたり 1 ドルでしたが、現在は 0.25 ドルに引き下げられました。Anthropic によると、一般的なワークロードでは約 25% のコスト減となり、エージェント（自律型タスク実行）を多用するケースでは最大 45% の削減効果が見込めます。

一方、基本の入力・出力料金は据え置かれ、それぞれ 100 万トークンあたり 10 ドルと 50 ドルのままです。

実用化は可能でしょうか？

はい、Claude Fable 5.1 は Claude API、Amazon Bedrock、AWS の Claude Platform、Google Cloud、Microsoft Foundry で一般利用可能です。ただし、Claude Mythos 5.1 は「Project Glasswing」に参加する審査済みの米国組織に限定されており、誰でも使えるわけではありません。

ベンチマークの詳細について

エージェントによる科学調査を評価するベンチマーク「Terminal-Bench-Science 0.1」では、Fable 5.1 が 52.6% を記録しました。これに対し、Opus 5 は 29.0%、Fable 5 は 24.7%、GPT-5.6 Sol は 22.4% です。

Anthropic によると、各モデルの標準誤差は 3.5〜4.5 ポイント程度です。そのため、順位付けよりもスコアの幅（マージン）に注意して評価する必要があります。

Terminal-Bench 4.0 では、Fable 5.1 が 55.8%、Mythos 5.1 が 60.9% のスコアを記録しました。同じモデル同士でこれほど差がつくのは、セキュリティ対策によるコスト増が原因です。このように明確に理由を説明した事例は珍しく、誠実な発表と言えます。

その他の主要ベンチマークの結果も以下の通りです。CursorBench 3.2.0 は 73.4%、ツールなしの Humanity's Last Exam は 60.9%（ツールありでは 65.0%）、AutomationBench は 31.4%、OSWorld 2.0 の厳格評価は 41.7%、GDPval-AA v2 は 1853 です。

コスト削減の背景

基本の入出力料金は据え置かれています。キャッシュ読み取りのコストは大幅に低下し、百万トークンあたり 1.00 ドルから 0.25 ドルへ下がりました。これは、他の Claude モデルが 0.1 であるのに対し、Fable/Mythos では基本入力料金の 0.025 倍に相当します。一般的なワークロードではコストが約 25% 削減され、コンテキストを大量に扱うエージェント系タスクでは最大 45% の削減が見込まれます。バッチ処理の料金は、百万トークンあたりそれぞれ 5 ドルと 25 ドルです。

開発者が直面する 3 つの重要な変更点

ツール使用の強制が廃止されました：tool_choice に any を設定したり、ツール呼び出しを行ったりすると 400 エラーが発生します。代わりに、厳格なツール使用を伴う auto モードか、構造化出力を利用してください。

思考ブロックはモデル固有のものになりました：Fable 5.1 は過去のモデルの思考内容を読み取ることができますが、過去のモデルが Fable 5.1 の思考内容を参照することはできません。ルーターやフォールバックの設定で下位モデルへ切り替えると、推論機能が失われます。

以前の会話履歴への編集により、思考ブロックが無効化されます：会話中にターンごとのリマインダーを注入・削除したり、システムやツールの配列を途中から再構築したりするとエラーが発生します。この制限は、2026 年 8 月 31 日以降に作成されたアカウントに対して適用されます。回避策としては、ターン固有のシステムメッセージを使用するか、サーバー側でコンテキストを編集する方法があります。

追加機能として、メッセージごとのコスト計算、ターン限定のシステムメッセージ、そして「thinking.display: "updates"」がヘッダー設定を介してベータ版として利用可能になりました。コンテンツの出自証明は必須となり、すべての出力には統計的なテキスト透かしが埋め込まれ、ファイルには C2PA 認証情報が付与されます。

Anthropic はまた、性能低下の実態も報告しています。並列ツール呼び出しの変動が大きくなったため、エージェントループでは Fable 5 のようにバッチ処理で複数の呼び出しを行わず、ターンごとに一度だけ呼び出すケースが増えています。また、低コスト設定ではモデルの叙述が減り、記憶から直接回答する頻度が高まっています。さらに、特定の箇所のみを修正するのではなく、ファイル全体を書き換える傾向が強まっています。

セキュリティ対策と科学技術への貢献

サイバーセキュリティ対策は、脆弱性の発見自体は許可しつつ、悪用ツールの開発は禁止する方針に改められました。これにより、Claude Code でのセッションあたりの介入回数が約 60% 削減されました。生物学関連の安全フィルターも、問題のないリクエストに対して発動する頻度が 85% 減少しています。ただし、ペネトレーションテストやエクスプロイト生成、バイナリベースの脆弱性スキャンについては、引き続き Opus モデルへ誘導されます。

研究面では、Mythos 5.1 が 12 の標的に対して約 50% のヒット率でタンパク質結合体を設計しました（通常は 10〜15%）。Fable 5.1 は、解像度 2〜3km の金星の高度マップを作成。さらに、カスタム GPU カーネルにより、7 つのオープンソースゲノミクスモデルの処理速度を最大 2.5 倍に向上させました。

主なポイント

• Fable 5.1 と Mythos 5.1 はどちらも 2 層の安全フィルターを備えた同一モデルですが、一般公開されているのは Fable のみです。
• Terminal-Bench-Science 0.1 で 52.6% を達成。これは Fable 5 の 24.7% と比較して約 2 倍のスコアです。
• キャッシュ読み込みコストが 75% 削減され、100 万回あたり $0.25 に低下しました（基本料金は変更なし）。

会話履歴を編集するエージェントにとって、3 つの重要な API 変更が適用されます。

30 日間のデータ保持ポリシーが適用されます。ゼロデータ保持を希望される場合は、別途明示的な承認が必要です。

詳細な技術情報は「Technical Details」をご覧ください。また、Twitter でフォローしていただくと幸いです。さらに、15 万人以上の ML エンジニアが集まる SubReddit に参加したり、ニュースレターに登録したりすることも忘れずにお願いします。Telegram をご利用の方もいますか？今なら Telegram でも当コミュニティに参加できます。

本記事は MarkTechPost で公開された「Anthropic Releases Claude Fable 5.1 and Claude Mythos 5.1: 52.6% on Terminal-Bench-Science and 75% Cheaper Cache Reads」の翻訳です。