新規ページ、2026 年 11 月 11 日
Anthropic は 2026 年 11 月 9 日に Claude Fable 5.2 と Claude Mythos 5.2 をリリースしました。本ページの数値はすべて 11 月 11 日にローンチ記事と Artificial Analysis のリーダーボードから読み直しており、各表の下に出所と日付を明記しています。
Fable 5.2 と Opus 5.5 の詳細比較ベンダー値 + 独立値 · 2026 年 11 月 11 日確認
Claude Fable 5.2 ベンチマーク
表は 2 つ、出所も 2 つ。1 つ目は Anthropic が 2026 年 11 月 9 日に出した公式のローンチ表で、5 モデルを同じハーネスで測ったもの。2 つ目は Artificial Analysis の独立インデックスを 2026 年 11 月 11 日に読んだものです。どちらも自分の業務での勝敗までは決めてくれません。限界は注意点の節に書きました。
結論から
Anthropic の表では、Fable 5.2 は Opus 5.5 に対して 12 行中 11 行で上回ります。FrontierSWE v2 が 69.9% 対 62.3%（+7.6）、Remote Labor Index が 41.3% 対 21.3%（+20.0）、前世代との比較では FrontierCode 2.0 が 32.4% から 49.1% へ（+16.7）。ただし全勝ではありません。AA-Briefcase Elo は Opus 5.5 が 1800 対 1785 で維持し、AutomationBench は Gemini 4 Carbon の 53.9% が Fable 5.2 の 51.4% を上回ります。最初の独立値である Artificial Analysis のインデックスでは、max effort で Fable 5.2 が 65 で首位（Opus 5.5 は 59、Gemini 4 Carbon は 60）。ただしインデックス 1 タスクあたり $26.54 に対し、Opus 5.5 は $10.04 です。
Anthropic のローンチ表（原文どおり）
Anthropic の 2026 年 11 月 9 日の発表にある 12 行をそのまま引用。5 モデルを同一ハーネスで測り、セルに effort 表記がある場合を除いて各モデルの利用可能な最大 effort・セーフガード有効の値です。ベンダー自己測定であり、ハーネスも課題も実行も Anthropic 自身によるものです。
| Claude Fable 5.2 | Claude Fable 5.1 | Claude Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon | |
|---|---|---|---|---|---|
| FrontierCode 2.0（エージェント型コーディング） | 49.1% (xhigh) | 32.4% (xhigh) | 45.5% | 42.8% | 41.1% (medium) |
| FrontierSWE v2（エージェント型コーディング） | 69.9% | 56.3% | 62.3% | 65.5% | 61.2% |
| AutomationBench（業務ワークフロー） | 51.4% | 31.4% | 42.5% | 41.4% | 53.9% |
| Terminal-Bench-Science 0.1（エージェント型リサーチ） | 74.6% | 52.6% | 58.7% | 68.1% | 64.8% |
| WANDR 緩和スコア（エージェント型検索） | 82.1% | 68.7% | 72.3% | — | — |
| OSWorld 2.1 オフライン部分セット（コンピュータ操作） | 89.3% | 83.5% | 87.2% | 79.5% | 81.5% |
| RoboDojo Sim（ロボティクス） | 64.9% | 27.6% | 39.4% | 29.8% | — |
| AA-Briefcase v1.1（ナレッジワーク、ルーブリック） | 66.1% | 61.5% | 61.2% | 52.0% | 61.8% |
| AA-Briefcase v1.1（Elo） | 1785 | 1669 | 1800 | 1569 | 1611 |
| Remote Labor Index（ナレッジワーク） | 41.3% (high) | 17.9% | 21.3% | 20.8% | — |
| Humanity’s Last Exam（ツール使用） | 74.2% | 65.6% | 67.7% | 57.2% | — |
| Chartography（ツールなし、グラフ認識） | 73.4% | 44.8% | 64.4% | 71.0% | 72.5% |
出所：Anthropic「Introducing Claude Fable 5.2 and Claude Mythos 5.2」2026 年 11 月 9 日。元の表から CyScenarioBench、CVE Rediscovery、de novo binder design の 3 行は意図的に外しています。これらは Mythos 5.2 と「セーフガードなし」の Opus 5.5 を比べた値で、Fable 5.2 のスコアではないためです。effort 表記は原文どおり（FrontierCode 2.0 の Fable 5.2 / Fable 5.1 は xhigh、Remote Labor Index の Fable 5.2 は high、FrontierCode 2.0 の Gemini 4 Carbon は medium）。ダッシュはベンダーが数値を公表していないことを示します。
Artificial Analysis（2026 年 11 月 11 日時点）
リリース 2 日後に公開されていた最初の独立評価です。Intelligence Index v5.0.1 は 9 つの評価（AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2 難問サブセット、Terminal-Bench-Science 0.1）を合成したもの。スコアは AA のページに表示される整数です。
| Intelligence Index v5.0.1 | インデックス 1 タスクあたりコスト | AA-Briefcase Elo | |
|---|---|---|---|
| Claude Fable 5.2（max effort） | 65 | $26.54 | 1785 |
| Claude Fable 5.2（xhigh） | 62 | $14.83 | 1738 |
| Claude Fable 5.2（high、API 既定） | 62 | $9.08 | 1677 |
| Claude Fable 5.2（medium） | 56 | $3.80 | 1622 |
| Claude Fable 5.2（low） | 54 | $3.10 | 1563 |
| Claude Opus 5.5（max） | 59 | $10.04 | 1801 |
| Gemini 4 Carbon（high） | 60 | $7.76 | 1611 |
| GPT-6 Astra（max） | 57 | $6.24 | 1569 |
| Claude Sonnet 5.5（max） | 55 | $10.02 | 1816 |
出所：Artificial Analysis のモデルリーダーボード（artificialanalysis.ai/leaderboards/models）、2026 年 11 月 11 日閲覧。1 タスクあたりコストは、AA 自身のトークン消費と定価から算出した加重平均で、AA のハーネス上での出費を測ったものであり、あなたの請求額ではありません。Elo は AA-Briefcase v1.1 で、Anthropic が引用しているのと同じ指標です。AA は小数付きで公表し、本ページは整数に丸めているため、Opus 5.5 はここでは 1801、上の Anthropic の表では 1800 になります。出所は 2 つですが、丸めれば同じ数字です。
数字が実際に語っていること
2 つの表を並べても崩れない 3 つの読み方。
Opus 5.5 への優位は本物だが、むらがある
差が大きいのは長い時間軸の作業です。Remote Labor Index で +20.0、Terminal-Bench-Science で +15.9、FrontierSWE v2 で +7.6。コンピュータ操作では +2.1（OSWorld 2.1）まで縮み、ナレッジワークの Elo では逆転されて 15 ポイント差をつけられています。独立系では AA の総合インデックスで max effort の差が 6 ポイント（65 対 59）。方向は Anthropic の表と一致しますが、測っているハーネスは別物です。表が如実に示す注意点も一つあります。Sonnet 5.5 は AA-Briefcase Elo で 1816 と首位ながら、総合インデックスは 10 ポイント低い。単一のルーブリック Elo は順位表ではありません。
スコアを動かすのはモデルより effort 設定
Fable 5.2 は AA のインデックスで effort により 54〜65、実に 11 ポイントの幅があります。一方 API の既定は high です。high なら 62 で 1 タスク $9.08、max なら 65 で $26.54。Opus 5.5 の max は 59 で $10.04。予算が固定なら、モデルを乗り換える前に effort を振ってみる価値があります。
Fable 5.1 に対しては値上げではなく値下げ
FrontierCode 2.0 は Fable 5.1 の 32.4% から 49.1% へ（+16.7）、FrontierSWE v2 は 56.3% から 69.9% へ。そのうえ定価は 20% 下がって 100 万トークンあたり $8/$40 になりました。Anthropic は出力が最大 30% 高速化し、セーフガードによるブロックが 5.1 より約 55% 減ったとも述べています。なお AA のインデックスでは世代比較ができません。Fable 5.1 は deprecated 扱いで、現行のインデックススコアを持っていないためです。
この 2 つの表が教えてくれない 5 つのこと
本ページの数値を引用する前に読んでください。
1 つ目の表はベンダー自己測定
ハーネスを設計し、課題を選び、モデルを走らせたのは Anthropic です。だから数値が嘘というわけではありませんが、ベンダーの表が答えるのは「自社評価でこのモデルが何をできるか」であって、「自分の業務で代替案に勝てるか」ではありません。1 つ目の表のどの行も、セル単位で第三者に再現されたものはありません。
比べてよいのは同じ表の中だけ
FrontierCode 2.0 は両方の表に出てきますが、数値は一致しません。Anthropic は 49.1%、AA の FrontierCode-AA 2.0 は max effort で 48.8%。同じ系統の課題でも、足場（スキャフォールディング）と採点が違えば別物です。同様に、Anthropic の Humanity’s Last Exam 74.2% と AA の HLE-Diamond 80.2% は別々のテストであって、矛盾ではありません。
派手な数字のいくつかは Fable ではなく Mythos
CyScenarioBench 76.3%、CVE Rediscovery 89.6%、de novo binder design 85.1 は Claude Mythos 5.2 の値です。同じ基盤モデルからサイバー・生物分野のセーフガードを外した版で、審査を通った組織にしか提供されません。Fable 5.2 のセーフガードはそうした課題の多くをブロックするため、Fable 5.2 のスコアとして引用するのは誤りです。
アリーナの Elo はまだない
2026 年 11 月 11 日時点で、Fable 5.2 の人間選好 Elo は読めませんでした。LMArena のリーダーボードは bot チェックのある arena.ai へリダイレクトされ、公開されている SWE-bench リーダーボードにも Fable 5.2 の項目はありません。現時点で使える独立系のデータは Artificial Analysis のインデックスだけです。アリーナや SWE-bench の数値は、実際に読めたページに掲載された時点で追加します。
1 タスクあたりコストは自分のコストではない
AA の $26.54 は、AA のトークン消費と定価を max effort で計算したものです。課題の性質、キャッシュヒット率、バッチ割引、effort 設定で何倍も変わります。キャッシュが効いてバッチを使い、high effort で回す workload なら 1 桁安くなることもあります。
本ページの数値はすべて 2026-11-11 に読み直したものです。価格はモデルレジストリから取得し、ベンチマークスコアは公表値のまま引用して再計算していません。
スコアの隣に価格を置いて判断する
ベンチマークの優位は、それが節約してくれる分だけの価値しかありません。比較ページに仕様とコストの全体像、計算ツールでは自分のトークン量で試算できます。