
Claude Fable 5は公開3日で止まった|何が起きたのかをエンジニア視点で整理する
過去最高クラスと言われたモデルが、公開3日で止まった
2026年6月9日、Anthropicが新モデル Claude Fable 5 を一般公開しました。コーディングのベンチマークで過去最高クラスの数字を出し、SNSも一気に盛り上がりました。
ところが、その3日後の6月12日、アクセスが停止されました。米政府の指令を受けての措置です。「過去最高クラス」と「公開停止」が同じ週に起きた。こんな展開は記憶にありません。
先に正直に書いておくと、私は停止前にFable 5をがっつり触れたわけではありません。なのでこの記事は、性能の体験談ではなく、公開情報とベンチマークをもとにした事実整理です。停止の是非のような政治的な話には踏み込みません。代わりに、エンジニアとして押さえるべき4点——(1)実力 (2)Mythos 5との設計 (3)停止で何が起きたか (4)私たちは何を備えるべきか——を整理します。
1. Fable 5の実力──ベンチマークの数字
まず実力から。Fable 5は「Mythosクラス」という、従来のOpusクラスの上に置かれた新しい階層の、初の一般公開モデルです(APIのモデルIDは `claude-fable-5`、価格は入力$10/出力$50(百万トークンあたり)でOpus 4.8の約2倍)。
数字が分かりやすいのはコーディングです。
SWE-Bench Pro:80.3%(Claude Opus 4.8は69.2%、GPT-5.5は58.6%)
SWE-Bench Verified:95.0%
FrontierCode Diamond:29.3%(Opus 4.8は13.4%なので、ざっと2倍以上)
実例として、Anthropicは決済基盤の Stripe が50万行のRubyコードベースで「2ヶ月かかる想定の作業を1日で終えた」事例を挙げています。空間推論や科学図表の読み取りでもOpus比で2〜3倍といった数字が出ていますが、一部は公式がグラフ提示のみで数値を明記していないので、ここでは断定しません。
総じて、特にコードまわりで一段抜けた、というのが事実ベースの評価です。
2. Mythos 5との違い:同一モデルで「安全制限の有無」だけが違う
今回いちばん面白いのは設計思想です。Fable 5には双子のような Mythos 5 というモデルがあります。
両者は 同一の基盤モデル(同じウェイト) です。違うのは中身ではなく、かぶせてある安全制限(セーフガード)だけ。
一般公開のFable 5には、3領域の制限がかかっています。
サイバーセキュリティ:攻撃的なタスクは、より制限の強いOpus 4.8に処理を切り替える
生物・化学:遺伝子治療用ウイルス設計のようなデュアルユース領域を制限する
蒸留防止:モデルの能力を抜き取ろうとするプロンプトをリダイレクトする
ここがポイントなのですが、この制限が実際にトリガーされるのは 全セッションの5%未満。つまり残りの95%以上では、制限版のFable 5も、制限解除版のMythos 5と実質同じ性能で動きます。
そのMythos 5は、サイバーセキュリティの制限を外した版で、政府連携プログラム(Project Glasswing)のパートナーや、選ばれた生命科学の研究者だけに限定提供されました。「能力」と「制限」を分離して、相手によって出し分ける。この設計が、次の停止の話に直結します。
3. 米政府の指令でアクセス停止──事実の時系列
では何が起きたのか。憶測を避け、確認できた事実だけを時系列で並べます。

指令は「外国籍者へのアクセスを止めよ」というものでしたが、誰が外国籍かを正確に判別するのは難しいため、Anthropicは 全ユーザーを対象にいったん止める判断をしました。なお、停止されたのはFable 5/Mythos 5だけで、Opus 4.8などの他モデルは影響を受けていません。
政府が挙げた理由は、「特定のコードベースを読み込ませて、そこにある脆弱性を検出させる」というジェイルブレイク手法の存在を、国家安全保障上の懸念と見たことです。
これに対してAnthropicは、指令には従いつつも 異議を表明しています。公式声明の骨子は、「報告された手法は範囲が狭く、GPT-5.5など他の公開モデルでも到達できる既知の水準にすぎない」「このロジックを業界全体に当てはめれば、新しいフロンティアモデルのデプロイはすべて止まってしまう」というもの。透明で制度的なプロセスを求め、復旧を目指すとしています。執筆時点(6/27)では全面復旧の公式発表は確認できず、状況は流動的です。
私はこの停止の是非を判定する立場にありません。ただ、エンジニアとしてここから学べることは、はっきりあります。
4. エンジニアとして今何を考えるか:モデル依存リスクと備え
今回の出来事が突きつけたのは、商用モデルは、性能とは別の理由——地政学や規制——で突然止まりうるという現実です。
私たちはつい、クラウドAPIの可用性を空気のように前提にします。でも稼働率99.8%でも月に3時間超は落ちる計算ですし、そこに今回のような「政治的判断による停止」が乗ってくる。可用性の前提が一段崩れたわけです。
では何を備えるか。特別な話ではなく、地味な設計の習慣です(以下は一般的なベストプラクティス)。
抽象化レイヤを挟む:LiteLLMやPortkeyのような層でモデル名をコード本体から切り離し、configで差し替えられるようにする。フォールバック先も定義しておく。
マルチモデル前提にする:タスク種別ごとにAnthropic/OpenAI/Google/オープンウェイトを使い分ける構成にしておく。
ローカルLLMを併用する:日常ワークロードの一部を手元の軽量モデルで回し、複雑な推論だけクラウドに流す。
プロンプト回帰テストを持つ:モデルを差し替えると、出力形式やトーンが静かに変わります。「テストが通った=大丈夫」は成立しません。差し替え前に流す回帰セットを用意しておく。
注意したいのは、過度な抽象化や後付けは逆に火傷することです。フレームワークに依存しすぎると、それ自体がボトルネックになる。そして停止が起きてから慌てて抽象化しようとすると、機能フリーズに陥ります。やるなら平時に、必要な分だけ。
結び:強いほど、止まりうる
Fable 5はベンチマークの数字を一段押し上げました。と同時に、強いモデルほど規制や地政学の対象になり、止まりうるという現実も見せました。性能の話だけ追いかけていると、この足元はすくわれます。
エンジニアにできる実務的な打ち手は、結局ひとつです。特定モデルを前提にした作りをやめ、差し替えられる設計を平時から持っておくこと。それさえあれば、次に何が止まっても、慌てずに迂回できます。
状況は流動的なので、続報は X(@horizon_IT00)でも追っていきます。
関連記事
私のことが気になった方は、自己紹介もあわせてどうぞ。
生成AIの活用術の全記事をマガジンにまとめています。
生成AI関連の全記事はマガジンにまとめています。
今後も生成AIについてや生成AIの活用術についても発信しています。ご興味ある方はフォローお願いします🙇🏻