AnthropicのClaude Fable 5はなぜ「安全すぎる」と批判されるのか？

Anthropicは2026年6月9日、一般向けの最も強力なAIモデルとして「Claude Fable 5」をリリースしたが、この発表はサイバーセキュリティ業界からの強い反発を招いている。同社はMythosクラスの技術を「責任ある形で公開」したと位置づける一方、セキュリティ専門家たちは、組み込まれた安全ガードレールがあまりに強力すぎて、合法的な研究や防御目的の作業さえ事実上不可能になっていると主張しているからだ 。

批判の的となっているのは、「安全機能の存在」そのものではない。問題は、その実装方法にある。すなわち、ユーザーに一切知らせず、広範囲にフィルターをかけ、より性能の劣るAIに裏で切り替える、という手法だ。以下に、この騒動の詳細とその背後にあるテクノロジーをまとめた。

「広すぎるフィルター」が研究の足を引っ張る

研究者たちが訴える最大の問題は、Fable 5のコンテンツ判定機能が極めて過敏である点だ。IBM X-Forceの著名なセキュリティ研究者、ヴァレンティナ・“チョンピー”・パルミオッティ氏はTechCrunchに対し、このモデルは「サイバーセキュリティにわずかでも関係しそうなリクエストは何でも拒否する。ブログの記事を読ませるような無害なタスクでさえも」と語っている 。つまり、危険な質問だけでなく、基礎的なサイバーセキュリティ概念の理解を求めるような問い合わせまでが引っかかってしまうのだ。

この過剰な判定は、AIの実用性を著しく損なっている。クエリが検知されると、ユーザーには古いAIによって弱められた回答が返されるが、その切り替えは明示的には知らされない 。さらに、この動作の開示方法も批判に拍車をかけた。問題の挙動は319ページに及ぶシステムカードの奥深くにしか記されておらず、Anthropicが特定のユーザーに対して密かにモデルの能力を引き下げる「秘密のサボタージュ」を行っているという非難を生んだのである 。

制限はサイバーセキュリティにとどまらない。生物学や化学、そしてとりわけ重要なのが、AIモデルの「蒸留（ディスティレーション）」に関連するクエリも標的となっている。この最後の点は別の批判の波を呼び、一部の開発者からは、Anthropicが他社のAI開発者がFable 5の出力を学習に利用するのを防ぐための反競争的行為の口実として「安全性」を利用しているという非難が上がっている 。

サイレントスイッチ：ガードレールシステムの仕組み

AnthropicがFable 5に搭載した安全システムは、単に応答を拒否するだけのメカニズムではない。これは、「静かに失敗させる」よう設計されたルーティングシステムなのだ 。その構造は以下の3段階で機能する。

1. モデル前段の分類器（Classifier）： 主要なFable 5モデルの手前に配置された「分類器」と呼ばれる独立したAIシステムが、ユーザーの入力文をリアルタイムで監視する。監視対象となるのは、サイバーセキュリティ、生物学、化学、モデル蒸留という4つの高リスク領域に関連するキーワードやパターンだ 。
2. 無言のフォールバック・ルーティング： 分類器が反応すると、応答をブロックするわけではない。代わりに、シームレスかつ静かに、そのクエリを古くて性能の劣るモデル「Claude Opus 4.8」に再ルーティングし、そちらに回答を生成させる 。
3. ユーザーへの通知なし： 批判の声が集まる重大な設計上の欠陥は、ユーザーインターフェースがこのモデルの切り替えを明確に表示しない点だ。ユーザーは回答の質が突然低下した時に初めて、Fable 5が理由もわからず低性能になっているかのように感じる 。

Anthropicによれば、こうした分類器が作動するのは、全ユーザーセッションの平均で5％未満だという 。同社はこの「過剰検知」問題を公式に認めている。広報担当者はBusiness Insiderに対し、この安全対策は「安全、中立、または無害なリクエストにフラグを立てる可能性がある」と述べつつ、基礎能力がこれほど強力なモデルを公開するためには必要なトレードオフだと正当化した 。

「保守的な調整」をAnthropicはどう正当化するか

Anthropicの立場は、この保守的なガードレールはバグではなく、意図的で責任ある選択だというものだ。同社は、このMythosクラスのモデルはソフトウェアの脆弱性を発見し悪用するなどのタスクに非常に長けており、制限なく公開すれば壊滅的な悪用のリスクが許容できないレベルに達すると主張している 。

彼らの見解では、ガードレールは設計上の妥協点である。つまり、最先端の推論やコーディング、文章作成モデルへの一般アクセスを提供しつつ、最も危険な潜在能力にはサンドボックスをはめる方法であり、過剰検知は強力なモデルを「安全かつ迅速に」リリースするための一時的なコストとして、今後分類器を改良していくことを約束しているのだ 。

新たな業界標準：「1つのモデル、2つの階層」

Claude Fable 5のリリースは、単独で語ることはできない。これは、最先端AIモデルの世界で新たな業界標準となりつつある「二層展開戦略」の片割れなのだ 。

Claude Fable 5 対 Claude Mythos 5

Fable 5が発表されたその日に、Anthropicは「Claude Mythos 5」も発表している。両モデルは全く同一のアーキテクチャと重みを共有しており、いわば「同じ頭脳」を持つ。唯一の違いは安全性の設定だ。Mythos 5では機密性の高い領域での分類器が取り除かれ、完全で制限のない能力を発揮できる 。

しかし、Mythos 5は一般向けではない。Project Glasswingと呼ばれるイニシアチブのもと、政府機関や重要インフラ事業者など、審査を経た少数のパートナーだけがアクセスを許される 。この米国政府支援のプログラムは、AWS、Google、Microsoftといったテクノロジー大手を含む12の創設パートナーとともに始動し、「サイバーディフェンダー」がAIを使ってソフトウェアの脆弱性を大規模に発見し修正することを目的としている 。Mythos 5のリリースに伴い、アクセス権は約40の組織に拡大された 。

以下の表は、この根本的な分裂を示している。

モデル	利用可能性	安全設定	ユーザー体験
Claude Fable 5	一般公開 (API および Claude.ai 経由)	厳格な分類器が有効。機密性の高いクエリは無言で Claude Opus 4.8 にルーティング 。	サイバー/バイオ/化学の話題で性能が低下し、利用者はその切り替えを認識できない 。
Claude Mythos 5	制限付き (Project Glasswing パートナーのみ)	分類器が解除され、Mythosクラスの全能力が利用可能 。	妨げられることのないアクセス。ただし、事前審査された数十の組織に限られる 。

能力別階層型AIデプロイメント

AnthropicのFable/Mythos分割は、「能力別階層型AIデプロイメント（Capability-Tiered AI Deployment）」とも呼ぶべきものの最も明確な例だ。この新しいモデルでは、単一の最先端AIはもはや単一の製品ではない。その完全な能力は「当然の権利」ではなく「特権」であり、安全性ガードレールこそが製品の差別化を生み出すメカニズムとなっている 。

このパターンはAnthropicに限ったことではない。OpenAIを含む他の主要AI企業も、最も先進的なモデルについて国家安全保障や研究パートナー向けにアクセスを制限したバージョンを提供するという同様のアプローチを採用している 。Fable/Mythosの同時発表は、最も強力なAI能力が技術そのものではなく審査状況によって門戸を閉ざされる未来を決定づけた形だ。安全プロトコルがアクセス制御メカニズムを兼ねるというこのアプローチは、すでに中央集権化、公平性、そして「公共の」AI安全性の真の意味について、より広範な議論の火蓋を切っている。