同社によると、最新モデルはソフトウェアの脆弱性発見や複雑なエンジニアリング作業の遂行能力が向上しました。一方でアナリストは、この進歩が防御側だけでなく攻撃者にも恩恵をもたらしかねないと警告しています。
Anthropicは「Claude Fable 5.2」と「Mythos 5.2」を発表しました。複雑なソフトウェアエンジニアリング作業の処理能力が大幅に向上したとしており、APIの価格も従来バージョンから20%引き下げています。
Fable 5.2とMythos 5.2は同じ基盤モデルを共有していますが、安全対策が異なります。Fableは広く利用できる一方、Mythosへの直接アクセスは、悪用の可能性を抑えるため、審査を通過したサイバーセキュリティ組織やライフサイエンス組織に限定されています。
両モデルの価格は、入力トークン100万個あたり8ドル、出力トークン100万個あたり40ドルです。従来はそれぞれ10ドルと50ドルでした。Anthropicによると、新バージョンは旧モデルより最大30%高速に出力を生成できます。
同社はコーディング性能が大きく伸びたと報告しています。Fable 5.2は、最高水準に近い「Xhigh」の負荷設定でFrontierCode 2.0ベンチマークのスコア49.1%を記録しました。Fable 5.1は32.4%でした。このベンチマークは、オープンソースプロジェクトのメンテナーが、AIの生成したコード変更を受け入れるかどうかを評価するものです。
性能とコストが企業を引きつける可能性
OmdiaのチーフアナリストであるLian Jye Su氏は、モデルの性能向上と価格低下によって、長時間稼働するAIエージェントがソフトウェア移行や科学研究で現実的な選択肢になりうると述べています。タスク完了率が上がれば、導入コストをさらに抑えられるとも指摘しました。
Anthropicによると、Fable 5.2を「High effort」設定で使った場合のコーディングベンチマークのスコアは、Opus 5.5を最高設定で使った場合と同等でした。それでいて、タスク1件あたりのコストは約半分です。この比較からは、負荷の高い一部の作業ではFableのほうが経済的になりうると考えられます。ただし、削減効果はワークロードや負荷設定によって変わります。
Greyhound ResearchのチーフアナリストであるSanchit Vir Gogia氏（プロフィール）は、「Anthropicが下げたのはトークンの価格であって、思考の価格ではない」と語ります。同氏はCIOに対し、AIの処理負荷を予算上の検討事項として扱い、正常に完了したタスクを基準にコストを測るよう促しました。
Anthropicは、ほとんどのコーディングや知識労働にはOpus 5.5を推奨しています。FableとMythosは、より負荷の高い作業向けという位置づけです。
残る信頼性の課題
社内実験では、Anthropicのエンジニアがプロトタイプのオペレーティングシステムの構築をFable 5.2に任せました。モデルは8日間にわたり1,000以上のサブエージェントを調整し、ノートPCで起動できるソフトウェアを作り上げました。
Su氏は、こうした改善によって企業は高度に自律したソフトウェア開発に近づいたものの、広く導入するには運用上の根強い制約への対処が必要だと述べました。
「人間の監督がなければ、信頼性は依然として課題です」とSu氏は語ります。
企業のツールや社内チームをまたいで複数のAIエージェントを連携させることも、引き続き難しいといいます。組織はエージェントの活動を監視し、適切に隔離された環境でこれらのシステムを運用する必要があります。重要な変更には人間による承認を求め続け、監査に対応できるだけの可視性をエージェントの挙動について確保すべきだとしています。
Pareekh ConsultingのCEOであるPareekh Jain氏は、複雑なレガシーシステムの存在や業務要件を満たす必要性から、企業がAIエージェントに任せられるソフトウェア開発の範囲には限りがあると指摘しています。
脆弱性発見の高速化が呼ぶ懸念
Anthropicによると、Mythos 5.2は社内の「CVE Rediscovery」評価で脆弱性の89.6%を特定しました。Mythos 5.1は78.3%でした。
このテストは、すでに公開されている1,829件の脆弱性を対象に実施されました。修正前のソフトウェアのスナップショットから、モデルが自力で欠陥を再発見できるかを評価するものです。同社は、Mythos 5.2は脆弱性の再現や修正の開発でも優れていたと説明しています。
AnthropicはMythos 5.2への直接アクセスを、同社の審査プログラムを通じて制限しています。ただし同社によると、Claude Enterpriseの顧客は、これらのプログラムに参加しなくても「Claude Security」を通じてモデルの脆弱性検出機能を利用できます。
Su氏は「Mythos 5.2は、管理された企業環境において、バランスを防御側に傾けます」と述べています。
一方、Jain氏は、AIを活用した脆弱性発見の進歩は、攻撃者がソフトウェアの弱点をより素早く見つける助けにもなりうると警告しました。「攻撃者と防御側の間で、AIを使った競争が生まれます」と同氏は語ります。
データ保持がコンプライアンス上の疑問を生む
Anthropicによると、ゼロデータ保持の対象となる顧客は、その取り決めのもとでFable 5.2とMythos 5.2を引き続き利用できます。それ以外の顧客については、安全性の監視のために30日間のデータ保持が適用されます。
同社は「Enterprise Frontier Safeguards」も新たに導入しました。現在はプライベートベータ段階で、顧客のインフラ内に保存されたプロンプトと応答に対して、自動の安全性監視を実行できます。
Gogia氏は、規制対象の企業にとっては、データ保持の要件がAPI価格引き下げのメリットを上回る可能性があると述べました。調達部門に対しては、機密性の高いワークロードでモデルを使う前に、ゼロデータ保持の取り決めを書面で確認するよう促しています。
この記事はもともとInfoWorldに掲載されたものです。
