見出し画像

Claude Fable 5とMythosをめぐる混乱：Anthropicの「強すぎるAI」は何を示したのか

Fushiki

2026年6月13日

AIの歴史において「強力すぎて公開できない」モデルが登場するとしたら、それはどんな状況を生むのか。AnthropicのMythosとFable 5をめぐる一連の出来事は、その問いを現実のものとして突きつけている。

今年6月、同社が公開した新モデル「Claude Fable 5」をめぐって立て続けに騒動が起きた。ジェイルブレイク疑惑、研究者への不可視の性能制限（批判者が"secret sabotage"と呼んだ）、そしてAnthropicの謝罪と撤回——。それぞれの出来事を単体で追うと局所的な炎上に見えるが、つなげて読むと、AI産業が現在直面している本質的な矛盾が浮かび上がってくる。

本稿では、時系列と一次ソースに即して事実を整理し、この騒動が示す意味を考える。

まず「Mythos」とは何か

Fable 5を理解するには、その前提となる「Claude Mythos」を知る必要がある。

AnthropicがMythosを社外に初めて公開したのは2026年4月のことだ。正確には、ごく限られたパートナー企業のみに提供する「プレビュー版」として。その理由は単純かつ深刻だった——このモデルは、主要OSやWebブラウザに存在するゼロデイ脆弱性を自律的に発見し、条件によっては悪用にもつなげ得るとAnthropicが判断したからだ。

Mythosの能力は具体的だ。Anthropic自身と約50社のパートナーが使用した結果、世界で最も重要なソフトウェア群において1万件以上の高・重大深刻度の脆弱性が発見された。その中には、OpenBSDに27年間潜んでいた脆弱性も含まれている。単なる「優秀なコーディングAI」ではなく、デバッガを起動し、コンテナを展開し、コードを実行しながら仮説と検証を繰り返す、攻撃にも防御にも転用可能な自律的サイバーエージェントとして機能し得る。

この能力に危機感を抱いたのは、Anthropicだけではなかった。

2026年4月、米財務長官スコット・ベッセントとFRB議長ジェローム・パウエルは、シティグループ、モルガン・スタンレー、バンク・オブ・アメリカ、ウェルズ・ファーゴ、ゴールドマン・サックスなどの大手銀行CEOを緊急召集した。会合では、Mythosが金融システムにもたらし得るサイバーセキュリティ上のリスクが協議されたと報じられている。Bloomberg、CNBC、Financial Times、NBC Newsなど複数媒体が報じており、会合が行われたこと自体は複数報道で確認できる。

Anthropicの対応は二段構えだった。一方では「Project Glasswing」という防衛的な枠組みを立ち上げ、AWS、Apple、NVIDIA、Google、Microsoft、Ciscoなどの主要企業・組織にMythosへのアクセスを提供し、重要インフラのセキュリティ強化に活用させる。Anthropicはこのプロジェクトに1億ドルの利用クレジットを拠出すると発表した。もう一方では、Mythosを一般公開しないという判断を下した。

Fable 5とは：同じ頭脳、異なる安全装置

2026年6月9日、AnthropicはMythosの一般向けリリース版として「Claude Fable 5」を公開した。

技術的な構成は重要だ。Fable 5とMythos 5の基盤モデルは同一である。両者を分けているのは、能力の差ではなく、安全性のための「分類器（classifier）」の層だ。Fable 5はサイバーセキュリティ、生物・化学分野の高リスク領域、そしてAIモデルの蒸留（distillation）という領域について、厳格な制限が追加された状態で提供されている。

リリースに際してAnthropicは約300ページ（Fortune等は319ページと報じた）に及ぶシステムカードを公開した。この文書の分量自体が、このリリースの複雑さを物語っている。

二つの炎上：ジェイルブレイク疑惑と不可視の性能制限

Fable 5公開から数日のうちに、二つの問題が立て続けに表面化した。

ジェイルブレイク疑惑

AIレッドチーミング界隈で知られる「Pliny the Liberator」は、Fable 5の安全分類器を突破したと主張した。Unicodeや同形異字（ホモグリフ）・キリル文字による置換でキーワード検知を回避し、長いコンテキストをまたいで有害な意図を密輸するといった手法を用いたとされ、スクリーンショットとともにシステムプロンプト（約12万文字とされる）をパブリックリポジトリに公開したと述べた。

ただし、これはPliny本人による主張であり、スクリーンショット等を根拠とする二次報道が中心だ。Anthropicは反論を出しており、リリース前に1,000時間以上の内部レッドチームテストと外部の敵対的テストを実施したが普遍的なジェイルブレイクは発見されなかったとしている。現時点で「普遍的ジェイルブレイク」として独立検証された事実とは言いにくく、引き続き確認が必要な状況だ。

不可視の性能制限と「秘密の妨害」批判、そして撤回

より大きな波紋を呼んだのがこちらだ。

約300ページのシステムカードには、モデル蒸留やフロンティアLLM開発に関わると判定されたリクエストについて、ユーザーに明示せず回答の有用性を下げる介入を行う旨が記載されていた。

つまり、当初の設計では、該当リクエストに対して明示的な拒否や警告を出すのではなく、ユーザーに通知しないまま回答の有用性を下げる仕組みになっていた。

この仕組みの何が問題か。第一に、他の高リスク制限との非対称性だ。サイバーセキュリティや生物・化学分野に関するFable 5の制限は、ユーザーにその旨を明示する設計になっている。しかしモデル蒸留・フロンティアLLM開発に関する制限だけは、当初は通知なしに適用された。第二に、報道によれば、Anthropic自社のスタッフには当該領域でもフルの能力が提供されていたという点だ。AI2のNathan Lambert氏や米国革新財団のDean Ball氏ら研究者は、これを「秘密の妨害（secret sabotage）」と呼んだ。批判者からは「競合モデルの開発者や外部研究者を、本人に知らせないまま不利にする設計に見える」との反発が出た。批判はオープンソースコミュニティにとどまらず、Anthropicと協調関係にあるAI安全性の専門家にまで広がった。

数日後、Anthropicは撤回した。広報担当者は次のように述べた。

「私たちはトレードオフの判断を誤りました。バランスをうまく取れなかったことを謝罪します。」（"We made the wrong tradeoff, and we apologize for not getting the balance right."）

同社は、モデル蒸留・フロンティアLLM開発に関する制限についても、サイバーセキュリティや生物・化学分野と同様にユーザーへの明示的な通知を行う形に変更すると発表した。

この騒動が示すもの

三つの問題を並べると、共通の構造が見える。

強力な能力をどう管理するか、Anthropicはまだ答えを持ちきれていない。

Mythosは明らかに「公開するには強力すぎる」という判断を生んだ。その判断は合理的かもしれない。ゼロデイ脆弱性を自律的に発見・悪用できるモデルが誰でも使えるようになれば、社会的なリスクは現実的に高まる。

しかし、Fable 5に施された「通知なしの性能制限」は、その管理手法として正しくなかった。透明性を欠いた制限は、たとえ意図が安全対策であっても、ユーザーとの信頼関係を損なう。Anthropicはそれを自ら認めて謝罪した。

ジェイルブレイク疑惑については、現時点では独立検証が完了しておらず、Anthropicもリリース前の検証では普遍的なジェイルブレイクは確認されなかったと説明している。真偽は引き続き確認が必要だが、この疑惑が示す構造的な問いは残る——どれほど慎重に設計された安全分類器も、回避の試みは繰り返されるという現実だ。

まとめにかえて

「強すぎるAI」という問題は、SF的な比喩ではなくなった。

Mythosが発見した27年物の脆弱性、財務長官とFRB議長が関与した銀行CEOとの会合、約300ページに及ぶシステムカード——これらは2026年のAI産業が「能力の爆発」と「管理の限界」の間で揺れていることを示している。

Fable 5をめぐる一連の騒動は、そのミクロな断面だ。技術的に優れたモデルを出すことと、それを責任ある形で社会に届けることは、別の問題として扱われ続けてきた。しかし今、その乖離がこれほど鮮明に、数日のうちに可視化された。

Anthropicが謝罪と撤回を選んだことは評価できる。問題は、次の「秘密の判断」をどう防ぐか、だ。

主要参照ソース

補助参照

本稿は公開情報および一次ソースに基づいて作成しています。記載の事実はリンク先ソースで確認できます。（2026年6月13日現在）



※ 以下のリンクはAmazonアソシエイトプログラムを利用しており、リンク経由でご購入いただいた場合、筆者に紹介料が支払われる仕組みになっております。価格は変動する場合がございますため、最新情報はAmazon商品ページにてご確認ください。


いいなと思ったら応援しよう！

Fushiki よろしければ応援お願いします！ いただいたチップはなんやかんやと活動費に使わせていただきます！