Claude Fable5 の Opus 4.8 セーフガード・フォールバックの仕組み

Claude Fable5 で最も特異な設計判断は、能力に関するものではありません。「答えるべきでない質問」をされたときの挙動です。Fable5 は拒否する代わりに、セッションを静かに Claude Opus 4.8 へルーティングし、そのまま回答します。

仕組み

Fable5 には、Anthropic が Mythos 級の能力を広く公開するにはリスクが高すぎると判断した領域 — 主にサイバーセキュリティと生物学 — に焦点を当てた厳格な安全分類器が搭載されています。リクエストが分類器に引っかかると、次のことが起こります。

1. リクエストは拒否されません。
2. 代わりに Claude Opus 4.8 がレスポンスを生成します。
3. Anthropic によれば、これは平均して会話の5%未満で発生します。

本当に制限された用途のためには、別のリリースが存在します。Claude Mythos 5 は同じ基盤モデルからセーフガードを外したもので、Project Glasswing を通じて審査済みのサイバー防御者とインフラ事業者のみが利用できます。

ベンチマークにとって何を意味するか

公開スコアは注意して読む必要があります。ExploitBench のようなサイバーセキュリティ・生物学系の評価では、Fable5 の結果は Opus 4.8 に近い水準に落ち着いています — 実際に回答しているのが Opus であることが多いからです。これらの領域で見出しを飾るトップスコアは Mythos 5 のものであり、ほとんどの人はアクセスできません。一方、コーディング、ナレッジワーク、ビジョン系のベンチマークについては、公開されている Fable5 の数値が本物です。

あなたのプロダクトにとって何を意味するか

• 一貫性: アプリケーションがセキュリティリサーチ、マルウェア解析、バイオテックに触れる場合、レスポンスの一部が別の（より弱い）モデルから返ってきます — しかも API レスポンスには何のフラグも付きません。
• 課金: 実際に応答したモデルに対して課金されます。出力が生成される前に届いた拒否はまったく課金されず、続く Opus 4.8 のターンは Opus の料金になります。途中での拒否の場合は、ストリーム済みの部分が Fable5 の料金、残りが Opus の料金です。いずれにせよ、あなたのドメインでフォールバックが頻発するなら Opus 4.8 に直接ルーティングする方が得策です。同じ答えが得られて、分類器を経由する往復分を払わずに済みます。
• データ保持: Fable5 と Mythos 5 はどちらも、安全性モニタリングのための30日間保持ポリシーが適用されます。ゼロデータ保持契約は適用されません。

率直なまとめ

このフォールバックは妥当なエンジニアリング上の妥協です。制限のないフロンティア能力を出荷することなく、Fable5 を広く利用可能に保てます。しかし、その存在を知っているチームが報われる仕組みでもあります。実際のワークロードでテストし、センシティブなトピックでの品質の急落を監視し、ドメイン別ベンチマークを額面通りに受け取らないようにしましょう。

出典: Anthropic の発表およびモデルドキュメント（2026年6月9日）。詳細は FAQ をご覧ください。追記：この分類器アーキテクチャこそ、6月のジェイルブレイク騒動で試されたものです。