Claude Fable 5 の再展開

Anthropic は、米国政府による輸出規制が解除されたことを受け、Claude Fable 5 を 2026年7月1日から全世界のユーザー向けに再展開する。6月12日、米国政府は新モデル（Claude Fable 5 および Claude Mythos 5）に輸出規制を適用し、外国人のアクセスを制限するよう要求。国籍のリアルタイム確認が不可能だったため、Anthropic は両モデルのアクセスを一時停止。6月30日に規制が解除され、Fable 5 は Claude プラットフォーム、Claude.ai、Claude Code、Claude Cowork で利用可能となる。Pro、Max、Team、一部のEnterpriseプランでは、7月7日まで週間利用枠の50%まで無料で利用可能（以降はクレジット制）。Mythos 5 も6月26日に米国政府の承認を得て、一部の米国組織向けにアクセスが再開。Anthropic は Glasswing プログラムのパートナーへの拡大に向け、政府と調整を継続する。

タイムラインとセーフガードの更新 Anthropic は6月9日に Fable 5 と Mythos 5 をリリース。両モデルは同一の基盤モデルを共有するが、Fable 5 は強力なセーフガードを備え、Mythos 5 は防御的サイバーセキュリティ用途に限り少数の信頼できる Glasswing パートナーに提供。6月12日の輸出規制は、Amazon の研究者が Fable 5 のセーフガードを迂回する手法（ソフトウェア脆弱性の特定と悪用コードの生成を促す）を報告したことを受けて発動。Anthropic は政府や Amazon と協力し、報告内容を検証。多くの低能力モデルでも同様の脆弱性を特定でき、すべてのテストモデルが悪用コードを生成可能だった。この手法は Mythos 級の独自機能を露呈するものではなく、通常の防御的サイバーセキュリティ業務に過ぎなかった。Anthropic は改良型セーフティ分類器を訓練し、報告された迂回手法を99%以上ブロック。米国商務省の CAISI 研究者もその有効性を確認した。新分類器は良性リクエストの誤検知を増やす可能性があるが、継続的に改善する。

サイバーセキュリティセーフガードへのアプローチ Claude Mythos 5 はソフトウェア脆弱性の発見・悪用において他モデルや人間の専門家を凌ぐ能力を持つ。一方、Claude Fable 5 は強力なセーフガードにより独自の攻撃能力を提供しない。Fable 5 は多層防御を採用：危険なリクエストを拒否する訓練、悪用パターンの事後分析、分類器によるリアルタイム検出。分類器は潜在的に有害なタスクを検出しブロックする。Fable 5 では安全マージンを拡大し、多くの良性リクエストをブロックする代わりに有害リクエストの見逃しを低減。このマージンはジェイルブレイク対策にも有効で、ほとんどの突破は安全マージン内に留まり、核心的な有害行動には至らない。深刻なジェイルブレイクは限定的な有害行動を引き出すが、普遍的なジェイルブレイクは未発見。Anthropic は主要な突破を優先的に発見・修正する。

業界共通フレームワーク 現在、AI業界にはジェイルブレイクの重大性を客観的に評価する共通基準がなく、開発者や政府に不確実性をもたらしている。Anthropic は Amazon、Microsoft、Google などの Glasswing パートナーと協力し、ジェイルブレイクの重大性を評価するコンセンサスフレームワークを策定中。これにより、安全なモデルリリースと高度な機能の活用が可能になる。また、米国政府との事前テスト、情報共有、研究協力を強化している。