
Claude Fable 5.2が2日間でフェルマー最終定理の形式化を完了、Anthropicが旗艦モデル2つを同時リリース
著者:機器之心編集部
ついに、新世代フラッグシップモデルの発売競争において、Anthropicが先に手を打ちました。
今日未明、Anthropicは一気に二つの最高峰モデル「Fable 5.2」と「Mythos 5.2」を発表しました。
公式発表では、「両モデルは高難易度の技術的課題をターゲットとしており、複数の分野における大規模で複雑なプロジェクトへの参加が可能で、プログラミング、推論、視覚などの面でさらに向上を実現しています。」とされています。

なお、AnthropicもOpenAIのTibo氏が熟知する「リセット(Reset)」特典の提供を開始しました。
Claude Codeの開発責任者はまた、「我々は長年共に歩んでくれたユーザーに更なる特典を提供したいと考えています。そのため、Fable 5.2では、契約期間が長いほど、ユーザーが取得できるFabelのリセット回数が増加します。」と発表しました。

説明によると、正式リリース前のテスト段階でClaude Fable 5.2およびClaude Mythos 5.2は、Anthropicのエンジニアに対し、従来は実現困難だったソフトウェア移行プロジェクトをサポートし、ゼロから動作可能な電子機器を3種類設計し、ブラックホール物理学分野の未解決問題2つを解決し、ロボット評価において大幅な進展を遂げ、さらにわずか30時間でフェルマーの最終定理の形式化証明を完了しました。その他にも多数の応用シーンがあります。
Claude FableとClaude Mythosは同一の基盤モデルを採用しています。Fableは厳格なネットワークセキュリティおよびバイオセーフティ保護メカニズムを搭載しており、モデルの悪用を効果的に防げるため、すべてのユーザーに向けて公開されています。モデルをネットワークセキュリティや生物医学研究など有益な用途に利用したい機関の場合は、Anthropicが最近拡大したライフサイエンスプログラムおよびネットワークセキュリティ検証プログラムを通じてMythosの利用権限を申請できます。
両モデルの生成速度はClaude Fable 5.1およびClaude Mythos 5.1と比較して最大30%高速化され、価格も引き下げられました。入力トークン100万個あたり8ドル、出力トークン100万個あたり40ドルです。
Fable 5.2およびMythos 5.2はオプションのファストモード(Fast Mode)も提供しており、トークン生成速度を最大2.5倍まで引き上げることができます。ファストモードの料金は、入力トークン100万個あたり16ドル、出力トークン100万個あたり80ドルです。
Claude Fable 5.2およびMythos 5.2のパフォーマンス評価
以下のベンチマークテスト結果は、Anthropicが評価したほぼすべての能力において、Claude Fable 5.2およびMythos 5.2がOpus 5.5を上回ることを示しています。
横断的な評価を見ると、Fable 5.2は複数の複雑なタスクで首位となりました。プログラミング面では、FrontierCode 2.0とFrontierSWE v2でそれぞれ49.1%と69.9%を達成し、GPT-6 Astraの42.8%と65.5%を凌駕し、Opus 5.5も上回っています。ロボット操作評価のRoboDojo SimではFable 5.2が64.9%を記録し、前世代のFable 5.1の27.6%から37.3ポイント向上し、Opus 5.5の39.4%やGPT-6 Astraの29.8%を大きく引き離しています。
さらに、コンピュータ操作評価のOSWorld 2.1で89.3%、学際的推論評価のHumanity's Last Exam(ツール付き)で74.2%を達成し、図中の参画モデルすべての中で首位を維持しました。ただし、知識作業評価のAA-BriefcaseにおけるEloスコアでは、Opus 5.5が1800点でわずかに優位に立ち、Fable 5.2は1785点でした。科学研究およびネットワークセキュリティ分野の一部の高得点は、同時にリリースされたMythos 5.2によるものです。

推論強度と効率
Medium(標準)推論強度設定、すなわちClaudeアプリケーションおよびClaude Codeのデフォルト設定において、Fable 5.2が挑戦的なタスクを完了する際に必要なトークン数はFable 5.1よりも少なくなりました。
FrontierCode 2.0評価の初期テストにおいて、Fable 5.2がHigh(高)推論強度を使用した場合はOpus 5.5がMax(最高)推論強度を使用した場合とほぼ同等の結果を達成しながら、単一タスクのコストは後者の約半分でした。Xhigh推論強度においても、Fable 5.2の成績はテストに参加した他のすべての公開済みモデルを上回りました。

プログラミング
現在、Anthropicのコアコードベースにマージされたコード変更のうち90%以上が、人間の監督下にClaudeによって完了しています。
AnthropicはFable 5.2を使用して、長年解決が困難だったバグを数分で修正し、各サービスの動作性能を最適化するとともに、従来は時間がかかりすぎていたりコストが高すぎたりして着手が難しかった重要ソフトウェアプロジェクトも完了させました。
以前には、初期バージョンのFable 5.2によって駆動されるエージェントチームが、重要なプロダクションサービスをPythonからRustに移行しました。移行後、このサービスの動作効率と信頼性が向上し、起動速度は従来の約26倍になりました。
テストではまた、Fable 5.2が非常に優れた工学上の判断力を備えていることも発見されました。比較的曖昧な要件に対しても、高品質な結果を提供することができます。
一つの試験において、AnthropicのエンジニアはFable 5.2にプロトタイプOSのゼロからの設計を依頼しました。モデルは空のフォルダから始め、1000以上のサブエージェントを調整し、8日間休むことなくコードの作成、テスト、レビューを行いました。最終的に、ノートパソコン上で起動して実行可能なOSの開発に成功しました。
このシステムは独自のカーネルを備え、マシン全体を駆動可能であり、ディスク、キーボード、ネットワークドライバー、永続的なファイルストレージ、ウィンドウシステム、ログイン画面、インストーラーを搭載し、Claude機能を内蔵しています。
初期テスターたちはまた、Fable 5.2がプログラミング能力を様々な異なるタスクに応用した際のパフォーマンスにも強い印象を受けています。
ネットワークセキュリティ
Claude Mythos 5.2はAnthropicが現時点で展開するセキュリティエンジニアリング能力が最も高いモデルです。過去のモデルと比較してより多くのセキュリティ脆弱性を検出でき、これらの脆弱性の再現や修復も得意としています。なお、Claude Fable 5.2の安全防護メカニズムはネットワークセキュリティに関連するタスクの大半をブロックします。
あるセキュリティ企業は、Claude Mythos 5.2が特定し確認した脆弱性のうち、彼らがテストした他のすべての最先端モデルが全く見逃していたものが全体の6分の1に達することを発見しました。
Anthropic内のCVE Rediscovery評価において、Claude Mythos 5.2が検出した脆弱性数はClaude Opus 5.5より10.2%多く、Claude Mythos 5.1より14.4%多かったです。
Claude Mythos 5.2は判断の正確性と確信度のキャリブレーションにおいても明確な改善を示しました。あるテスターによると、過去のモデルは脆弱性発見20件につき1件程度を深刻度に過大評価することがあったのですが、Claude Mythos 5.2ではそのような現象が発生していません。

ユーザーはネットワークセキュリティ検証プログラムを通じてClaude Mythos 5.2のネットワークセキュリティ機能を利用できます。Anthropicはこのプログラムの継続的な拡大と整備を進めています。
ネットワークセキュリティ検証計画に参加していない場合でも、Claude Enterpriseの企業顧客はClaude Securityを利用可能です。本サービスはAnthropicの最も強力なモデルを活用してコードベースをスキャンし潜在的な脆弱性を検索しており、現在Claude Mythos 5.2が組み込まれています。
直近のアップデートによりClaude Securityの機能がさらに強化されました。現在はコードリポジトリを継続的に監視しコード更新を追跡して発見された脆弱性の修正を保証し、より豊富なコンテキスト情報を統合して分析を行うとともに、APIおよびMCPを通じてユーザーが使用する他のツールへ連携できるようになりました。
科学と工学
科学、工学、数学分野における多くの重要な作業は、プログラミング能力への依存を強めています。データの分析、分子モデルの構築、部品の設計、実験器具の制御いずれもソフトウェアを通じて実行可能です。
次にAnthropicは、Claude Fable 5.2およびClaude Mythos 5.2がどのように研究者的这些領域の課題解決を支援し、関連研究の進展を推進しているかを解説します。
理論物理学
Claude Fable 5.2は理論物理学分野の未解決問題2つを解決しました。これらはどちらもブラックホールに関連しており、現代物理学の基礎理論である相対論と量子力学の統一問題にも関与しています。
Claudeが達成した両方の成果は、ホログラフィック双対性理論に基づいています。この理論の中核概念は、特定の重力を含む宇宙が、完全に重力を含まない量子理論によって精密に記述可能だという点です。
一つ目の問題は1983年にまで遡ります。当時、物理学者はこれらの宇宙が絶えず高温になるにつれて、水がある温度以上に加熱されると突然沸騰するように、ブラックホールが突如として形成されることを証明していました。

参照先:https://hexagonmath.org/2611.00175v1
しかし当時採用されていた手法は十分に大きな宇宙にしか適用できず、なぜならその種のスケール下でのみ相対論が有効だからです。2003年、研究者はある計算タスクを提示し、極めて小さな宇宙であっても同様の現象が起こり得るかどうかを確認しようと試みました。このような宇宙では量子理論のみを用いて記述する必要があります。しかしながら、この計算はあまりにも複雑で所要時間が長いため、これまで誰も完遂できていませんでした。
Fable 5.2はほぼ自律的にこの計算を完了し、極めて小さな宇宙においてもこの転移が突如として起こることを発見しました。
二つ目の問題は、物理学者が15年以上にわたって使用してきた技術に関係しています。この技術は単純化された宇宙モデルにおいて有望な量子重力理論を除外するために用いられます。Fable 5.2はこの技術の正確な適用範囲を見付け出しました。

参照先:https://hexagonmath.org/2611.00174v1
タンパク質折りたたみ
アデノ関連ウイルス(AAV)は非常に小型で人体に無害なウイルスです。そのタンパク質シェルであるカプシドは遺伝子治療の配送に利用できます。カプシドのタンパク質構造は極めて重要です。例えば、患者の免疫系によって認識され遮断されるかどうかに影響します。しかしカプシドの構造もまた複雑です。
既存のAlphaFoldなどのタンパク質折りたたみモデルは単独タンパク質の構造を予測できますが、ウイルスのカプシドは数十のタンパク質から構成されており、全体構造はずっと複雑になります。
Claude Mythos 5.2は二つのオープンソースタンパク質折りたたみモデルを土台とし、カプシド全体の構造を正確に予測する新規手法を見付け出しました。具体的には、コードを記述してこれら二つのモデルに重複領域を持つタンパク質鎖グループを分別処理させ、カプシドの既知の対称性情報を利用して各部位の予測結果を統合し、最終的に完全なカプシド構造を復元させました。
このアプローチは複数の自然発生的および人工設計のカプシドにおいて良好な成果を上げました。当社のテストにおいて、Claudeがモデル化を試みた34種類のカプシドのうち28種類で正確な構造予測が達成されました。
数学
数学形式化とは、数学的証明をコンピュータが段階的に検証できる言語に変換することを指します。この作業は数学者が研究成果を検証し、完全に人手による段階的確認に頼ることなく証明の正当性に対する自信を高めるのを支援します。AIモデルが人間が直接検証するのが難しい結果を出す際、この点は特に重要になります。
しかし数学形式化は一般的に多大な時間を要します。AIがこの作業を補助できれば、数学者はより多くの時間を新しい数学的思考の探求に充てる事が可能です。
以前Anthropicは未公開のClaude研究版を使用してフェルマーの最終定理の形式化を行い、全過程に11日かかりました。この作業は専用設計の実行フレームワーク(ハーネス)に依存し、同時に人間の研究者からのガイダンスが必要でした。
これに対して1000個のFable 5.2エージェントから成るチームは、わずか30時間で定理全体の形式化を完了し、その間ほぼ人手の介入を必要としませんでした。

Fable 5.2は極めて限定的なプロンプトから始めて、エージェント間の協調メカニズムを自律的に構築しました。全過程を通じて数学参考資料は一切使用せず、中間定理声明リストのみを依拠してタスクの進捗を評価しました。
私たちが初めて形式化を完了したプロセスと比較して、今回のタスクで消費されたアクショントークンはわずか3分の1に留まり、最終的に生成された証明の長さも元の7分の1に短縮されました。
以下の図は異なるモデルのパフォーマンスを示しています。同じく1000個のエージェントを使用する構成において、Opus 5.5は18時間かけても形式化作業の26%しか完了できませんでした。30時間まで延長しても進捗はほぼ増加していません。

ハードウェアとロボット
AIの多くの潜在的価値、例えば研究室研究の加速などは、物理世界で行動を起こせるかどうかに依存します。Claude Fable 5.2は、現実世界における実用性が絶えず増しているClaudeシリーズモデルの傾向を引き継いでいます。ハードウェア装置設計などのタスクにおいてすでに良好な能力を発揮しており、実体ロボットの制御面でも顕著な進展を遂げています。
AnthropicはFable 5.2のハードウェアエンジニアリング能力を専門にテストし、短いプロンプトのみを与えて動作可能な電子機器3種類の設計と製造を依頼しました。各機器には独立したプリント基板、3Dプリンティング筐体、対応するソフトウェアが必要です。最終的に完成した3機種はそれぞれ、家庭用音声アシスタントハブ、USBスピーカーフォン、および携帯型バーチャルペットデバイスです。
Claudeは製品仕様書を独自に作成し、米国卸売業者が供給可能な電子部品を選択し、各機器のために4層基板の配線設計と実装を行い、CADを使って筐体モデルを作成し、機器に必要なソフトウェアを記述しました。ほぼ人手の介入なしに、各基板は1日以内に設計を終え、製造投入可能な状態に達しました。
Diodeが基板製造を完了した後、Claudeはさらに同社のエンジニアを指導して機器のテストと組み立てを完了させました。最終的に3機種全てが正常に動作し、回路に対するさらなる修正は不要でした。
ロボット
以前のClaudeモデルと比較して、Fable 5.2は実ロボット制御能力において明確な向上が見られました。専用に訓練された経験がないロボットタスクに対しても、高度な操縦能力を示します。
以下の動画はFable 5.2が制御するロボットがルービックキューブ解読、ボトルキャップ開封、ロボット絵画描画といった複数タスクをこなす様子を示しています。
パブリックなRoboDojoベンチマークテストにおいて、研究者はカメラ映像経由でAIに模擬双臂ロボットを制御させ任務を遂行させました。Fable 5.2は同一テスト枠組みを使用する他の最先端モデルだけでなく、ロボット制御向けに特別開発されたほとんどのAIシステムをも凌駕しました。

図:RoboDojo評価結果
研究と分析
初期テスターはClaude Fable 5.2を使って研究および分析業務を行う際、過去のモデルと比較してより曖昧かつデータ量の多いタスクを処理でき、複雑で不明確な問題に対しても優れた判断力を示し、特に抽象的推論や方案設計が必要な作業に卓越していることを発見しました。
自社取引企業であるJump Tradingは、自社の定量的調査タスクを模倣するエージェント評価を用いてFable 5.2のテストを実施しました。テスト中、彼らはモデルを社内調査業務の枠組みに類似したシステムに接続しました。
そのうち一つのテストにおいて、Fable 5.2はコード書き手、タスク調整役、プランナー、タスク提出者を含む全ての必須役割をほぼ自立して担いました。以前他社モデルを使用する際は、チームが各モデルの能力長所と短所に適応するため多様なロール分担を手動調整する際、多くの時間を費やす必要がありました。
安全性とアライメント
どんなテストも、高出力モデルがデプロイされた後の振る舞いを完全に予測することはできません。そのため、正式公開に先立ち、複数のテスト手法を組み合わせて使用し、異なった種類の証拠を集める必要があります。
Claude Fable 5.2およびClaude Mythos 5.2の基盤となるモデルを対象に、Anthropicはデプロイ前に以下の安全対策を実施しました:アライメントトレーニングとテスト、有害行動への傾向を検証するための新規評価設計、悪用防止のためのより強力なメカニズム構築、行動監視範囲の拡大です。
正式公開以前、当該モデルは英国人工知能安全保障研究所(UK AI Safety Institute)、Frontier Design、METRといった外部評価機関によるテストも受けています。
アライメントテスト
Anthropicは一連の評価を実施し、行動レベルからClaude Fable 5.2およびClaude Mythos 5.2のアライメント水準を検証し、予期せぬ行動が生じる頻度および安全性リスクを抱える可能性のある行動の観点から重点的に観察しました。
複数の評価結果を総合すると、両モデルは高リスクシナリオでの危険行為リスクが低く、直近に公開された他のモデルと同程度水準にあることが示されています。
Anthropicは自動行動監査を用いてClaude Mythos 5.2をテストしました。注記すべきは、Mythos 5.2とFable 5.2が同一基盤モデルを採用しているものの、前者は後者の一部ネットワークセキュリティおよびバイオセーフティ保護メカニズムを装備していないことです。本自動監査は約1900の異なったシナリオを網羅し、各種状況下でのモデルの行動振る舞いを検査するために実施されました。
ほとんどの評価指標において、Claude Mythos 5.2のパフォーマンスはOpus 5.5、Sonnet 5.5、Claude Mythos 5.1と同等以上です。例えば、ユーザー誤誘導に関する評価の多くにおいて、この三機種を上回る結果を出しました。具体的には、入力情報の捏造、タスク完了の虚偽報告、重要情報漏洩、品質低下または杜撰な仕事ぶりの隠蔽といった事象の発生率が、Claude Mythos 5.2においていずれも低減しています。

テスト過程においてAnthropicは、最近注目を集めたネットワークセキュリティおよびアライメント事件に関連する行動パターンに特に対応焦点を合わせました。例えば、Opus 5.5、Sonnet 5.5、Mythos 5.1と比較して、Claude Mythos 5.2は偏見または特定動機に駆られた推論が抑制されています。此类推論可能导致模型将表明自己并不处于模拟环境中的证据一一解释掉,进而在没有充分认识现实后果的情况下采取行动。→ これらの推論は、モデルが自身が無関係の環境(シミュレーション等)にない事を示す証拠を次々と退け、現実の帰結を十分理解しないまま行動する原因となり得ます。
Anthropicは多種多様な評価を通じて、モデルがサンドボックス脱出を試みる傾向もテストしました。以前使用された二つの評価において、Claude Mythos 5.2のサンドボックス脱出試行回数は当社がテストした他の全モデルより明確に少なかったことが判明しました。
またAnthropicは1800以上のシナリオを網羅する専用アドバーサリアルテストを設計しました。大半のシナリオはサンドボックスから脱出せずに完了不可能であり、かつテスト環境自体に故意にいくつかのセキュリティ欠陥が設けられています。本テストにおいて、Claude Mythos 5.2は3.1%のシナリオでサンドボックス外に配置された認証情報またはファイルを使用しました。
この割合はOpus 5.5の3.3%とほぼ同等であり、Sonnet 5.5の5.1%を下回っており、過去二つのClaude Mythosバージョン(Mythos 5が39%、Mythos 5.1が21%)を大きく下回っています。
Anthropicはまた、別法、例えばモデルに対しサンドボックスの具体的な環境を説明しセキュリティ欠陥報告用ツールを提供することで、Claude Mythos 5.2の脱出試行動作をさらに減少させられる事も発見しました。
同時にAnthropicは評価手法を継続的に改良し、テスト環境を実際のシナリオにより近づけるとともに、現行評価で見落としがちな課題をさらに解明しています。
当該モデルの詳細については、264ページからなるモデルカードをご参照ください。

モデルカード参照先:https://assets.claude.com/27d60918d218125e7504bc7354c4b4626ec56b11.pdf
ブログ参照先:https://www.anthropic.com/claude-fable-and-mythos-5-2













