Claude Fable 5.2とOpus 5.5の使い分け

AnthropicのClaude Fable 5.2とMythos 5.2の発表要点と、私がAPIで同じ課題を比べた結果をまとめます。普段はOpus 5.5で重い仕事だけFableという使い分けとeffortの選び方まで。
AnthropicがClaude Fable 5.2とMythos 5.2を発表しました。公開されたベンチマークはほぼ全項目でOpus 5.5を上回り、API価格も入力$8/出力$40へ下がっています。この記事では発表の要点と、私が実際にAPIへ同じ課題を投げて比べた結果を並べ、日常の仕事と重い仕事をどう振り分けるかまで書きます。
先に結論を書きます。普段の開発や調査はOpus 5.5で足りて、何時間もかかる難しい仕事だけFable 5.2に回す。これが今の私の使い分けです。ベンチマークの順位と実務での費用対効果は別の話でした。
Claude Fable 5.2とMythos 5.2の違い
FableとMythosは中身が同じモデルです。分けているのは出し方で、Mythosはサイバーと生命科学の領域に向けた審査制、一般に開かれているのがFableです。研究用途を審査の内側に置き、日常の利用はFableで受けるという整理になっています。
使い始める前に押さえる点は次の4つです。
- APIのモデルIDは claude-fable-5-2
- ProとTeamの標準シートは週の上限の最大50%までFableを使える
- 出力はFable 5.1比で最大30%高速
- API価格は入力$8/出力$40へ値下げ
週の上限の50%という条件は地味ですが運用に直結します。チーム全員がいつでもFableを回し続ける前提は置けません。どの作業をFableに預けるかを先に決めてから配る必要があります。
公式ベンチマークの読み方
同社が示した数字のうち目を引いたものを並べます。
- コーディングのFrontierCode 2.0で49.1%(Opus 5.5は45.5%)
- PC操作のOSWorld 2.1で89.3%
- Humanity’s Last Exam(ツールあり)で74.2%
- グラフ読み取りは5.1の44.8%から73.4%へ
ほぼ全項目でトップという並びですが全勝ではありません。業務フローを扱うAutomationBenchではGemini 4 Carbonの53.9%が上に来ています。そして数値はすべて同社の測定です。自社の仕事に当てはまるかどうかは自分の課題で確かめるしかありません。
伸び方が大きいのはグラフ読み取りです。44.8%から73.4%は、資料の図やダッシュボードを読ませる使い方の成功率が変わる水準です。社内資料の読み取りを試して諦めた経験がある人は、ここだけでも再検証する価値があります。
effortはMaxが正解ではなくなった
今回いちばん実務に効くのはeffort別のグラフでした。High設定のFable 5.2がMax設定のOpus 5.5とほぼ同じスコアで、1タスクのコストは約半分です。最高点はXhighの49.1%で、そこからMaxへ上げるとグラフ上の点はわずかに下がり、費用は約3倍に跳ねます。
つまり「とりあえずMax」は正解ではありません。既定のMediumで始めて、詰まったらHighへ。Maxは費用の跳ね方を理解した上で例外的に使う。この順番で設計するほうが総額は下がります。
私がAPIで同じ課題を投げて比べた結果
発表の数字だけでは判断できないので、同じ課題をAPIへ投げて比べました。コーディング、計算問題、Claude Codeでの表計算エンジン実装など4種類です。
- どの設定も全問正解で、差は費用と時間だけ
- Opus 5.5 Mediumの費用はFable 5.2 Mediumの6〜8割
- Opus 5.5 Maxは同じ正解に最大13倍の費用と200秒超
- Claude Codeでの実装はOpusが約50秒でFableが約70秒
正答に差が出なかったのが結論です。単発から中規模の課題では、Opus 5.5のほうが安く速い場面すらありました。同社自身もFableが本領を出すのは長時間の難しい仕事だとしています。私の比較はその手前の領域なので、この結果は矛盾していません。
逆に言えば、すでにOpus 5.5で回っている業務フローを新モデルへ総入れ替えする理由は今のところ見つかりませんでした。乗り換えの判断材料は「正答率が上がるか」ではなく「何時間も自律で走らせる仕事があるか」です。
長時間の自律作業で出た差
長い仕事でどれだけ違うかは、発表の3つの事例に出ています。
数学では1,000体のFable 5.2エージェントがフェルマーの最終定理の証明を30時間で完全に形式化しました。コンピュータが1ステップずつ正しさを確認できる形へ書き直したということです。同じ構成のOpus 5.5は18時間で26%、30時間でも27%で止まっています。1回だけの実行とはいえ差の出方は明確です。
ロボット制御も大きく伸びました。シミュレーションのRoboDojoで64.9%。Opus 5.5の39.4%とGPT-6 Astraの29.8%を上回り、ロボット専用に作られたAIの多くより上です。学習していない作業でも双腕ロボットを動かせるとされています。言語モデルがそのままロボットを動かす流れがここにも来ました。
生命科学ではMythos 5.2が、遺伝子治療で薬を運ぶ殻であるカプシドの構造全体を予測する新しい方法を見つけました。挑戦した34個のうち28個を正確にモデル化し、研究者がカプシドをより速く安く設計できる可能性があるとされています。審査制のMythosが置かれているのはこうした用途のためです。
3つに共通するのは、人が張り付かずに長く走り続ける仕事だという点です。数十秒で終わる依頼では差が見えず、数時間から数十時間の自律作業で差が出る。使い分けの線はここに引けます。
日本の企業はこの発表をどう受け止めるか
日本の現場で起きやすいのは、発表のベンチマークを見て最上位モデルと最上位effortへ一気に寄せる動きです。今回の数字はその判断を否定しています。Xhighより上のMaxで点が下がり費用が約3倍になる以上、設定を上げることが品質保証にはなりません。
私が見ている範囲では、日本の企業で進めるときに効くのは次の3つです。
- 自社の課題で比べる。同じ課題を複数モデルと複数effortへ投げ、正答率と費用と時間を並べる
- 既定をMediumに置く。上げるのは詰まったときだけという運用ルールにする
- 週の上限の50%という条件を前提に、Fableへ預ける仕事を先に決める
海外のAI企業が日本へ伝える側なら、強調の順番を変えたほうが届きます。総合スコアの一位より「どの設定が一番安く済むか」「既存の運用から何を変えなくていいか」のほうが現場の担当者には響きます。社内で予算を通す人が読む資料は、性能の最大値より総額の見通しを求めるからです。全勝ではない点や数値が自社測定である点を先に出す姿勢も、長い目で見れば信頼につながります。
自社でどう活かすか
やることは単純です。既定をMediumに戻してMaxを常用から外す。そして何時間も自律で走らせたい仕事を社内から1つ探し、それだけをFable 5.2に預けて記録を取る。重い仕事が見つからない組織なら、今回の発表で変える点は価格とグラフ読み取りの精度くらいです。
モデルが増えるほど選ぶ力が成果を分けます。順位表を読む時間より、自社の課題で測る時間を増やすほうが早く効きます。
よくある質問
Claude Fable 5.2とOpus 5.5はどう使い分けますか
普段の開発や調査はOpus 5.5で足ります。私が同じ課題をAPIへ投げた範囲ではどの設定も全問正解で、差は費用と時間だけでした。何時間もかかる難しい仕事だけFable 5.2に回すのが現時点の使い分けです。
Fable 5.2のeffortはどこから始めればいいですか
既定のMediumから始めて、詰まったらHighへ上げる形が良さそうです。High設定はMax設定のOpus 5.5とほぼ同スコアで1タスクのコストは約半分、最高点はXhighの49.1%で、Maxにするとグラフ上の点は少し下がり費用は約3倍に跳ねます。
FableとMythosは何が違うのですか
中身は同じモデルです。Mythosはサイバーと生命科学に向けた審査制で、一般に開かれているのがFableです。APIのモデルIDは claude-fable-5-2 で、ProとTeamの標準シートは週の上限の最大50%までFableを使えます。
Xの投稿をもとに作成元の投稿 ↗