Anthropicは昨日、2026年9月1日にClaude Fable 5.1をリリースしました。私は発表記事を読む代わりに、自分のスタックで一晩実行してみました。要点を短く言えば、Fable 5と同じ価格、キャッシュ読み取りを75%削減、誤った拒否が減少し、華やかさのないインフラ作業を3時間続けても一貫性を保つモデルです。
Fable 5は私が使った中で最高のモデルでしたが、同時に最も多く不満を集めたモデルでもありました。レガシーCRMで実施したリリース当日の再構築→や、輸出管理による一時停止と復帰→について書きました。ポイントリリースは、Anthropicによる不満リストへの回答です。したがって5.1に対する問いは絞られます。痛かった部分は修正されたのか、そして価格は変わったのか。
Claude Fable 5.1で変わったこと
Anthropicの発表によると、トークン単価は入力100万トークンあたり10ドル、出力100万トークンあたり50ドルで変わっていません。変わったのはキャッシュ読み取りです。100万トークンあたり0.25ドルとなり、75%値下げされました。Anthropicは、エージェントのループでは毎ターン同じコンテキストを再送するため、一般的なワークロードでは約25%、高度にエージェント的なワークロードでは最大約45%安くなると見積もっています。
2つ目の調整要素はeffortです。Anthropicによると、低または中程度のeffortに設定したFable 5.1は、はるかに低いコストでFable 5と同等以上の性能を発揮します。運用担当者にとっては、こちらのほうが大きな意味を持ちます。エージェントが1日に行う作業の大半は定型的であり、定型作業に`xhigh`の料金を支払うことが、Fable 5の請求額が膨らむ主な理由でした。
セーフガードも変更されました。サイバーセキュリティのセーフガードは、セッションあたりの誤検知によるブロックが60%減少しました。生物学のセーフガードは、無害な生物学・医学関連の質問に対して発動する頻度が85%減少しました。また、Fable 5.1は防御目的のソフトウェア脆弱性を特定できるようになりましたが、エクスプロイトの作成は行いません。Mythos 5.1はセーフガードを減らした同じモデルで、現時点では米国の一部組織に限定されています。Life Sciences Verification Programはこれを中心に構築されており、Cyber Verification Programは現在もOpusおよびSonnetクラスのモデルで運用され、「近い将来」にMythosクラスのモデルを追加する予定です。
私が重視するのは、行動面に関する説明です。Anthropicは、5.1が質の低い成果につながる近道を避け、根本原因の分析を改善し、長い複数ステップのタスクでも一貫性を維持すると主張しています。代表例として挙げられているのがMillenniumです。これは約100万回に1回の実行で発生し、何年も原因不明だったクラッシュです。Fable 5.1はベンダーライブラリを分解し、コアダンプと照合して、バグをそのライブラリ内まで追跡しました。
利用可能になるのは即時です。APIでは`claude-fable-5-1`、claude.ai、Amazon Bedrock、Google CloudのAgent Platform、Microsoft Foundryで利用できます。
Fable 5、Opus 5、GPT-5.6 Solに対するFable 5.1のベンチマーク
Anthropic独自の表です。ベンダーによる報告なので、独立したリーダーボードが追いつくまでは、差は方向性を示すものとして見てください。
| ベンチマーク | Fable 5.1 | Fable 5 | Opus 5 | GPT-5.6 Sol |
|---|---|---|---|---|
| --- | --- | --- | --- | --- |
| Terminal-Bench 4.0（エージェント型コーディング） | 55.8% | 42.0% | 52.3% | 37.3% |
| Terminal-Bench-Science 0.1 | 52.6% | 24.7% | 29.0% | 22.4% |
| AutomationBench（ビジネスワークフロー） | 31.4% | 17.1% | 26.9% | 19.6% |
| CursorBench 3.2.0 | 73.4% | 70.5% | 70.0% | 67.2% |
| GDPval-AA v2（知識労働） | 1853 | 1723 | 1824 | 1711 |
| Humanity's Last Exam（ツールなし） | 60.9% | 57.8% | 56.6% | – |
| OSWorld 2.0（strict） | 41.7% | 36.1% | 39.6% | – |
2つの点が目立ちます。Terminal-Bench-Science、Terminal-Bench 4.0、AutomationBenchは長期的なエージェントテストで、最も大きく伸びました。科学ベンチマークは24.7%から52.6%へと2倍以上になり、残り2つもそれぞれ約14ポイント上昇しています。そして、Fable 5が高価または頑固になったときに多くの人が戻ったOpus 5は、同じタスクで明確に後れを取っています。Cognitionは、リリース当日にDevinのOpus 5トラフィックをFable 5.1へ移行すると述べ、Fableクラスのモデルが自社にとって手頃になった理由としてキャッシュ料金を挙げました。
反対側からの注意点もあります。OpenAIのAgents' Last Examでは、GPT-5.6 Sol→がFable 5を13.1ポイント上回り、中程度の推論でも推定コストが約4分の1で11.4ポイントのリードを維持しました。Anthropicはこのベンチマークについて5.1の数値を公表していません。Solは現在もトークン単価が半分で、入力5ドル、出力30ドルです。そのため5.1の価格面での主張は、定価ではなくキャッシュ読み取りと低いeffortに基づいています。
5.1が解決するために作られた不満リスト
Fable 5への反発には一貫したパターンがありました。Webアプリの5時間利用上限。会話をひそかにOpus 4.8へ渡す安全性分類器。大量のトークン消費で、1日で110ドルを使ったという広く共有された報告もありました。長いタスクの途中での怠慢、冗長さ、速度低下、難しいプロンプトで初回トークンまで1分を超えること。「30mphのリミッターが付いたFerrari」という表現が定着しました。Opus 5にも独自の不満があり、AnthropicでClaude Codeに携わるThariqはXで、それが「本当にスパイクの激しいモデル」であり、修正が「私たちにとって最優先事項」だと同意しました。
8月最終週のグレースケール展開中、新しいチェックポイントに振り分けられたテスターは、長い連鎖的な推論の改善、タスク途中で前提条件を忘れなくなったこと、ツール利用とステップ計画の改善を報告しました。一部のテスターは、法務作業で10〜20%良い結果になったと見積もっています。厳しくなった点が1つあります。著作権のある素材を含む画像の生成を拒否するようになりました。
これは公式の説明とも一致します。誤った拒否の減少、怠慢の軽減、完了したタスクあたりのコスト低下です。コンシューマーアプリの利用上限については、まだ対応されたという情報を見ていません。
ビルダーが変更する必要があること
APIを直接呼び出す場合、Anthropicの移行ガイドによると、Fable 5.1にはFable 5にはなかったいくつかの注意点があります。
Claude Codeではこれらを処理してくれるため、どれも問題になりませんでした。ただし、ツール呼び出しを強制する自作のエージェントループを使っている人には問題になるでしょう。
自分のスタックでFable 5.1を一晩実行した結果
ベンチマークは、他人の問題に対するモデルの性能を測ります。昨夜の私の問題は、運用担当者の夜を埋めるような作業でした。壊れたツール、2つのデータベース移行、2回のデプロイ、そしてSpotifyに接続されたことのないウィジェットです。Claude CodeのFable 5.1はそのすべてを実行し、私は進行中にレビューしました。
壊れたツール。 私のサイトのMCPサーバーには`search_console`ツールがあり、数週間にわたってUnauthorizedを返していました。原因は2層深くにありました。ツール呼び出しを処理していたプロセスは、リポジトリのMCP設定で定義されたものではありませんでした。Claude Desktopが、正しいキーを受け取っていないシェルスクリプト経由で2つ目のプロセスを起動していたのです。そして本番環境では、48ファイルに及ぶ作業ツリーに新しい認証ルールが存在していたにもかかわらず、コミットされていなかったため、古い認証ルールが動いていました。プロセステーブルには、キーがあるべき場所に展開されていないプレースホルダーが表示され、モデルは推測を拒否しました。ツール呼び出し中に私のドメインへのTCP接続をサンプリングして、呼び出しを処理していたプロセスを見つけ、その後、リポジトリ設定が起動したプロセスにNodeのインスペクターを接続し、プレースホルダーが実在することを確認しました。修正は2つのファイルにNodeフラグを1つ追加するだけでした。
移行。 Supabase MCPコネクターはDDLに対してpermission deniedを返しました。Supabase CLIは私の`.env.local`でエラーになりました。Vercel env pullは接続文字列の代わりに`[SENSITIVE]`プレースホルダーを返し、モデルは一時的にそれらのプレースホルダーをenvファイルに書き込みましたが、すぐに気づいて元に戻しました。シンボリックリンクされたディレクトリからのリンク済みプロジェクトの実行では、プロジェクトrefを見つけられませんでした。4つの行き止まりがありましたが、それでも移行を完了しました。以前のモデルが最初に失敗した方法でループするのを見たことがありますが、今回はアプローチを変え続けました。
デプロイ。 70ファイル、2つの移行、3つの新しいVercel変数、ビルド、プッシュ、本番デプロイ、そしてデプロイ状態と影響を受けるエンドポイントの検証です。レガシーキーが所有者専用ルートで正しく401を返すという、ネガティブケースも含まれます。
ウィジェット。 Spotifyの再生中表示フッターウィジェットはツリー内に存在していましたが、OAuthの手順は一度も実行されておらず、SpotifyダッシュボードにはリダイレクトURIすら登録されていませんでした。Fable 5.1はOAuthの設定を案内し、ローカルでルートをテストし、その後、この機能に対して18エージェントによる敵対的レビューを実行しました。異なる観点を持つ3人のレビュアーが調査し、各指摘を、それを反証する役割の別エージェントに渡しました。15件の指摘が入り、5件が残りました。残ったものは本物でした。アーティストテキストのコントラストが2.04:1で、要件の4.5:1を満たしていなかったこと、アラビア語ルートでピル型UIを壊す物理的なパディング、fetchのタイムアウト不足、キャッシュされない500として表面化する未捕捉の上流エラー、そして6か月で期限切れになり、ひそかに消えるリフレッシュトークンです。5つすべてを修正し、ブラウザーでコントラストとRTLのパディングを測定してデプロイしました。私は意図的に本番環境からリフレッシュトークンを除外したため、ウィジェットは本番では非表示のままです。尋ねると、次のセッションが何が稼働中か把握できるよう、状態をログに記録しました。レビューに9分、18エージェントで約165万トークンを使いました。
ただし、問題もありました。その晩、ツール出力に秘密情報を2回表示しました。1回はSpotifyのクライアントシークレット、もう1回は短期間有効なアクセストークンです。変数が設定されているか確認する際のシェル展開ミスが原因でした。どちらも検知して私に伝え、シークレットをローテーションするよう指示しました。また、どのプロセスがMCP呼び出しを処理しているのかという問題に、最終的に2行の修正へたどり着くまで、ほぼ1時間を費やしました。その1時間は、互いに矛盾する証拠を受け入れることを拒んだ結果です。これは私が望む行動ですが、それでも1時間は1時間です。
どのモデルと比較すべきか
まずFable 5と比較してください。ポイントリリースは修理なので、修理が実際に機能したかがテストになります。昨夜について言えば、セッション後半に怠慢はなく、3時間、2回のデプロイ、18エージェントによるレビューを通して流れを維持しました。拒否については数えておらず、一晩だけではサンプルになりません。コスト削減も測定していません。Anthropicのキャッシュ料金とeffort設定に基づくもので、どちらも追跡していなかったからです。
次にGPT-5.6 Solと比較してください。Solは定価が半分で、OpenAI独自のベンチマークでは長期的なエージェント性能のスコアを依然として保持しています。ワークロードが大量で、多少の誤りを許容できるなら、Solのほうが安価な選択肢です。1つの間違った近道で1日を失うような作業なら、私はFable 5.1に任せます。
まだGeminiとは比較しないでください。Googleのフラッグシップは依然としてGemini 3.1 Proで、新しい数値はありません。また、9月前半に登場すると噂されているOpenAIのAstraにも注目してください。登場すれば、この記事を更新します。
このブログの方針に沿って開示すると、Fable 5.1はこの記事が説明している同じセッション内で、その日の情報源と自身のツールログをもとに下書きを作成しました。私はすべての主張と数値を確認しました。