Claude Fable 5.2（クロード・フェイブル・ファイブ・ポイントツー）は、Anthropicが2026年11月9日に発表したフロンティアモデルで、ロボットアーム制御を含む技術領域で高い性能を発揮します。AI評価機関のArtificial Analysisが、このモデルがロボティクス評価「AA-Robotics v0.1」でスコア75を記録し首位に立ったと発表しました。
室谷代表取締役Claude Fable 5.2がAA-Robotics v0.1で首位、しかも誰も解けなかった「箱の計測」を初めて達成したという発表なんですよね。これは単なる順位変動じゃなくて、言語モデルが物理世界の空間推論をどこまで扱えるかという話で、かなり面白いんですよ。
テキトー教師DotAI 認定講師そうなんですよ。Artificial Analysisの公式スレッドでは、Fable 5.2が75、2位のGPT-6 Astraが69、3位のGPT-6.1 Solが65と発表されています。
しかも箱の計測タスクは、テープメジャーを据え置きのまま、映像だけから目盛りをスケールとして箱のサイズを推定した、と。これは単にスコアが高いという話じゃないんです。
しかも箱の計測タスクは、テープメジャーを据え置きのまま、映像だけから目盛りをスケールとして箱のサイズを推定した、と。これは単にスコアが高いという話じゃないんです。
室谷代表取締役まず前提を整理したいんですけど、AA-Robotics v0.1って2026年10月14日に公開された研究プレビューで、今回のFable 5.2の結果はその最新版という位置づけなんですよね。10月の初回結果ではGPT-6 Astraが69.4で首位だったのが、今回はFable 5.2が上に来たと。
テキトー教師DotAI 認定講師はい。初回結果はGPT-6 Astraが69.4、GPT-6.1 Solが64.6、Gemini 4 Argonが55.3、Claude Opus 5.5が48.8、Claude Fable 5.1が46.3でした。
そこにFable 5.2が75で入ってきた形です。数字だけ見ると4ポイント以上の差をつけたことになります。
そこにFable 5.2が75で入ってきた形です。数字だけ見ると4ポイント以上の差をつけたことになります。
Claude Fable 5.2とは？AA-Robotics v0.1首位の概要
Fable 5.2 と Mythos 5.2 の提供形態
Fable 5.2
- サイバーセキュリティと生物学のセーフガード付き
- 全ユーザーに提供
- AA-Robotics v0.1で75を記録し首位
- 箱の計測タスクを初めて達成
Mythos 5.2
- Fableと同じ基盤モデル
- 検証プログラム経由でアクセス
- Fableと同時発表
室谷代表取締役Claude Fable 5.2は、Anthropicが2026年11月9日に発表したモデルで、コーディング・推論・視覚の各領域が改善されているんですよね。公式ページでは「最も困難な技術的課題に取り組むために設計されたモデル」と説明されていて、Claude Mythos 5.2と同時発表という位置づけです。
テキトー教師DotAI 認定講師そうなんです。FableとMythosは同じ基盤モデルで、Fableにはサイバーセキュリティと生物学のセーフガードが付いていて全ユーザーに提供される、Mythosは検証プログラム経由でアクセスする、という住み分けになっています。
講座でもこの「同じモデルだけど提供形態が違う」という構造はよく質問が出るところですね。
講座でもこの「同じモデルだけど提供形態が違う」という構造はよく質問が出るところですね。
室谷代表取締役で、今回のロボティクス評価の話に戻すと、Artificial Analysisが発表したのは「Fable 5.2がAA-Robotics v0.1で75を記録して首位」という点と「箱の計測タスクを初めて達成した」という点の2つなんですよ。Anthropicの公式ページ側にもRoboDojo Simという別のロボティクス評価で64.9%という数字が出ていて、Fable 5.1の27.6%、Opus 5.5の39.4%、GPT-6 Astraの29.8%を大きく上回っています。
テキトー教師DotAI 認定講師そこは整理しておきたいですね。AA-Robotics v0.1とRoboDojo Simは別の評価ですから、混ぜて語らないほうが正確です。
AA-RoboticsはArtificial Analysisが公開している研究プレビュー、RoboDojo SimはAnthropicが内部で回した評価、という違いがあります。
AA-RoboticsはArtificial Analysisが公開している研究プレビュー、RoboDojo SimはAnthropicが内部で回した評価、という違いがあります。
室谷代表取締役そうですそうです。で、AA-Roboticsのほうは「言語モデルがコーディングエージェントの環境を通じて6軸ロボットアームを直接操作する」という設計なんですよね。
MYUUUでもエージェントに実環境を触らせる検証をしているんですけど、モデルが「まずアームをキャリブレーションして、シーンを理解して、それから動く」という順番を自分で組めるかどうかが実は一番難しいところで。
MYUUUでもエージェントに実環境を触らせる検証をしているんですけど、モデルが「まずアームをキャリブレーションして、シーンを理解して、それから動く」という順番を自分で組めるかどうかが実は一番難しいところで。
テキトー教師DotAI 認定講師まさにそこが評価の肝なんですよ。AA-Robotics v0.1の仕組みは、モデルが隔離されたコンテナの中で、ロボットアームへの到達方法（シンプルなHTTP API経由）と、どのアームか（Hiwonder NexArm、それ以上の仕様はなし）と、試行を完了として提出する方法だけを短く指示される。
シーンは4台のカメラ（テーブル周囲3台＋アームの手首に1台）で見て、コンテナ内でコードを書いて実行し、動きを計画して送る、という流れです。
シーンは4台のカメラ（テーブル周囲3台＋アームの手首に1台）で見て、コンテナ内でコードを書いて実行し、動きを計画して送る、という流れです。
室谷代表取締役なるほど、モデルは「見て、考えて、コードを書いて、動かす」を全部やるわけですね。しかも全試行ゼロショット。
事前学習でこのアームを触った前提がない状態で、初見の環境に放り込まれると。
事前学習でこのアームを触った前提がない状態で、初見の環境に放り込まれると。
テキトー教師DotAI 認定講師ええ。試行が提出されると、終了状態がタスクの合格基準に対して採点されます。
合格なら100点、未完了でも部分的な進捗に応じて点が入る。この「部分点あり」という設計が、モデルの能力差をかなり細かく見えるようにしているんですよね。
合格なら100点、未完了でも部分的な進捗に応じて点が入る。この「部分点あり」という設計が、モデルの能力差をかなり細かく見えるようにしているんですよね。
AA-Robotics v0.1とは？8つの卓上タスクを競うロボティクス評価
AA-Robotics v0.1 8つの卓上タスクと評価観点
| タスク | 制御・器用さ | 空間推論 | 適応性 |
|---|---|---|---|
| 赤いボタンを押す | ○ | ||
| ワニのおもちゃを長方形の中に置く | ○ | ||
| 飲み物をカップに注ぐ | ○ | △ | |
| ブロックを箱に片付ける | ○ | ||
| 形合わせチャレンジ | ○ | ||
| hello worldと書く | ○ | ||
| 最も高い塔を作る | ○ | △ | |
| 箱を計測する | ○ |
室谷代表取締役ここでAA-Robotics v0.1の中身を整理しておきたいんですけど、8つの卓上タスクがあるんですよね。ボタン押し、ぬいぐるみ配置、注ぐ、ブロック整頓、形合わせ、文字書き、塔作り、箱の計測の8つ。
テキトー教師DotAI 認定講師はい、整理するとこうです。
- 赤いボタンを押す：グリッパーでボタンを押す。ボタンが光れば合格
- ワニのおもちゃを長方形の中に置く：ワニが完全に長方形の内側に入れば合格
- 飲み物をカップに注ぐ：飲み物がカップに入り、こぼれず、壊れていないことが条件
- ブロックを箱に片付ける：4つのブロックを箱に入れ、蓋をきちんと閉める
- 形合わせチャレンジ：見本の絵と一致するようにブロックをボードに置く
- hello worldと書く：マーカーで紙の黒い枠内に「hello world」を読みやすく書く
- 最も高い塔を作る：発泡ブロックで自立する最大高の塔を作る
- 箱を計測する：箱の長さ・幅・高さを測る。各寸法が正解から2mm以内なら合格
室谷代表取締役この8つ、よく見ると「制御と器用さ」「空間推論」「適応性」という3つの観点を分けて測れるように組まれているんですよね。ボタン押しは制御、形合わせは空間推論、箱の計測は視覚と空間推論の合わせ技、という感じで。
テキトー教師DotAI 認定講師そうなんですよ。Artificial Analysisも「日常生活を模した8つの卓上タスクで、把持や物体操作といった制御と器用さ、物体同士の関係を理解する空間推論、予期しない事態への適応性を評価する」と説明しています。
単に1つの能力を見るんじゃなくて、能力の種類を分けて見ようとしているのがこの評価の特徴ですね。
単に1つの能力を見るんじゃなくて、能力の種類を分けて見ようとしているのがこの評価の特徴ですね。
室谷代表取締役ちなみに実行環境も面白くて、GPT系はCodex、Claude系はClaude Code、Gemini 4 ArgonはAntigravityで、全部high effort設定で走らせていると。モデル単体じゃなくて「エージェントハーネス込み」で評価しているわけですよね。
テキトー教師DotAI 認定講師そこは重要な前提です。モデルの地力とハーネスの相性が両方効くので、スコアは「モデル単体の能力」と完全には一致しません。
この評価の読み方として、その点は講座でも必ず添えるようにしています。AA-Robotics v0.1そのものの詳細はAA-Robotics v0.1とは？言語モデルがロボットアームを直接操作でも解説しています。
この評価の読み方として、その点は講座でも必ず添えるようにしています。AA-Robotics v0.1そのものの詳細はAA-Robotics v0.1とは？言語モデルがロボットアームを直接操作でも解説しています。
Claude Fable 5.2が初達成した『箱の計測』タスクの中身
箱の計測タスク 初回結果（10月）
| モデル | スコア |
|---|---|
| GPT-6 Astra | 0点 |
| Gemini 4 Argon | 0点 |
| GPT-6.1 Sol | 17点 |
| Claude Opus 5.5 | 17点 |
| Claude Fable 5.1 | 0点 |
| Claude Fable 5.2 | 初達成 |
室谷代表取締役ここが今回の一番のニュースなんですよね。箱の計測タスクは、長さ・幅・高さを各2mm以内の誤差で答えないといけない。
10月の初回結果では、GPT-6 Astraが0点、Gemini 4 Argonが0点、GPT-6.1 Solが17点、Claude Opus 5.5が17点、Claude Fable 5.1が0点で、誰も満点を取れていなかった。
10月の初回結果では、GPT-6 Astraが0点、Gemini 4 Argonが0点、GPT-6.1 Solが17点、Claude Opus 5.5が17点、Claude Fable 5.1が0点で、誰も満点を取れていなかった。
テキトー教師DotAI 認定講師それがFable 5.2で初めて達成された、と。しかもArtificial Analysisのスレッドが強調しているのは「純粋に映像だけを使った」という点です。
テープメジャーは据え置きのセットアップのままで、その目盛りをスケールとして使って箱のサイズを推定した、と。
テープメジャーは据え置きのセットアップのままで、その目盛りをスケールとして使って箱のサイズを推定した、と。
室谷代表取締役これ、地味に見えてすごくて。要は「定規を箱に当てて読む」んじゃなくて、「置いてある定規の目盛りを画像から読み取って、それを基準に箱の寸法を推定する」という、視覚の中でのスケール変換をやっているわけですよね。
テキトー教師DotAI 認定講師そうなんですよ。単に「箱を認識する」だけなら画像認識の話ですが、基準となる目盛りを読み、その目盛りと箱の見え方の比率を使って実寸を推定する。
これは視覚と言語と空間推論の組み合わせで、しかも2mm以内という精度が要求される。だからこそ今まで誰も満点を取れなかったわけです。
これは視覚と言語と空間推論の組み合わせで、しかも2mm以内という精度が要求される。だからこそ今まで誰も満点を取れなかったわけです。
室谷代表取締役しかもモデルはアームを動かして定規を箱に当てに行く、という素直な解法を取っていない可能性があるわけですよね。映像のみ、という制約の中で、置いてある目盛りをスケールとして使うという発想に至った。
ここはモデルの「道具の使い方の再発明」みたいな話で、実務的にも示唆が大きいんですよ。
ここはモデルの「道具の使い方の再発明」みたいな話で、実務的にも示唆が大きいんですよ。
テキトー教師DotAI 認定講師ただ、注意点もあります。これは1つのタスクの1回の結果であって、汎用的に計測ができるようになったとまでは言えません。
Artificial Analysisも「研究プレビュー」と位置づけていますし、後述しますが人間と比べると速度もコストもまだまだ遠い。そこは冷静に見る必要があります。
Artificial Analysisも「研究プレビュー」と位置づけていますし、後述しますが人間と比べると速度もコストもまだまだ遠い。そこは冷静に見る必要があります。
室谷代表取締役そうですね。あと、この「計測」って産業的にはすごく大事で。
現場で「この箱の寸法を測って、適合するか判断して」というのは地味だけど高頻度な作業なんですよ。そこに言語モデルが映像だけでアプローチできる可能性が出てきた、というのはロボティクス導入のコスト構造を変えるかもしれない。
現場で「この箱の寸法を測って、適合するか判断して」というのは地味だけど高頻度な作業なんですよ。そこに言語モデルが映像だけでアプローチできる可能性が出てきた、というのはロボティクス導入のコスト構造を変えるかもしれない。
スコア比較：Fable 5.2とGPT-6 Astra・GPT-6.1 Sol・Gemini勢の順位
室谷代表取締役ここで順位を整理しておきたいんですけど、Fable 5.2が75で首位、GPT-6 Astraが69、GPT-6.1 Solが65、というのがArtificial Analysisの発表ですね。10月の初回結果ではAstraが69.4、Solが64.6、Gemini 4 Argonが55.3、Opus 5.5が48.8、Fable 5.1が46.3でした。
テキトー教師DotAI 認定講師整理するとこうです。
| モデル | AA-Robotics v0.1スコア |
|---|---|
| Claude Fable 5.2 | 75 |
| GPT-6 Astra | 69 |
| GPT-6.1 Sol | 65 |
室谷代表取締役10月の初回結果の表と並べると、Fable 5.2が一気にトップに立った一方で、AstraとSolの数字はほぼ横ばいなんですよね。つまり「モデルの世代が上がったから全体的に伸びた」というより、Fable 5.2が特定の難所を突破したことで順位が入れ替わった、という見方ができる。
テキトー教師DotAI 認定講師そこは重要です。初回結果のタスク別表を見ると、Astraは「注ぐ」で0点、「ブロック整頓」で40点、「形合わせ」で44点、「塔作り」で71点、「箱の計測」で0点。
Solは「塔作り」で0点、「箱の計測」で17点。満点を取れないタスクがそれぞれ残っているんですよね。
Solは「塔作り」で0点、「箱の計測」で17点。満点を取れないタスクがそれぞれ残っているんですよね。
室谷代表取締役そう考えると、Fable 5.2の75というのは「満点を取れるタスクの数を増やした」結果なのか、「部分点の積み上げがうまくなった」のか、そこが気になりますよね。現時点ではタスク別の内訳はArtificial Analysisから明らかにされていないので、そこは続報待ちです。
テキトー教師DotAI 認定講師ええ。あと見落としがちなのが、この評価は「1つのタスクを30分かけて解く」世界だということです。
10月の時点で、モデルは人間より約100倍遅く、1タスク約30分、人間の平均は20秒。コストも最も安いモデルで平均米時給の約10倍かかるとされていました。
10月の時点で、モデルは人間より約100倍遅く、1タスク約30分、人間の平均は20秒。コストも最も安いモデルで平均米時給の約10倍かかるとされていました。
室谷代表取締役そこは実務目線だとすごく大事で。スコアが75になったからといって、明日から現場に投入できるかというと全然そんなことはないんですよ。
ただ、研究プレビューとしては「言語モデルが汎用エージェントとしてロボティクスに関与できる」という方向性を裏付ける結果ではある。
ただ、研究プレビューとしては「言語モデルが汎用エージェントとしてロボティクスに関与できる」という方向性を裏付ける結果ではある。
テキトー教師DotAI 認定講師10月の記事でも「フロンティア言語モデルは単独で生産用ロボティクスに使うには不適切かもしれないが、進捗を追うことは重要だ」と書かれていました。今回のFable 5.2の結果は、その「進捗」が1世代でどれだけ動くかを示すデータポイントですね。
室谷代表取締役あと、10月時点のコスト構造で面白いのが、支出の70%が入力（コンテキスト）に乗るという話なんですよ。アームの新規性とシーンの情報量が多いから、視覚情報の処理にコストが寄る。
これは実務でロボティクスにモデルを使うときの設計判断に直結する話で、モデルを賢くするより「見せる情報を減らす」ほうが効く可能性があるわけですよね。
これは実務でロボティクスにモデルを使うときの設計判断に直結する話で、モデルを賢くするより「見せる情報を減らす」ほうが効く可能性があるわけですよね。
テキトー教師DotAI 認定講師そこは講座でもよく言うんですが、エージェントに何を見せるかを設計するのが実は一番効く、という話と通じますね。Artificial Analysisの評価でも、モデルは最初にアームのキャリブレーションとシーン理解に時間を使い、その後は移動計画に時間を使う。
カメラ確認やメモ書きは全体のごく一部、という時間配分になっています。
カメラ確認やメモ書きは全体のごく一部、という時間配分になっています。
Claude Fable 5.2の料金と提供範囲、API・日本からの利用は可能か
室谷代表取締役ここからは実務目線で、料金と提供範囲を整理したいんですよね。Fable 5.2は入力100万トークンあたり8ドル、出力40ドル。
Fable 5.1の10ドル/50ドルから値下げされています。
Fable 5.1の10ドル/50ドルから値下げされています。
テキトー教師DotAI 認定講師はい、公式ページの記載どおりです。キャッシュ読み取りは100万トークンあたり0.20ドル。
さらにオプションの高速モードがあり、トークン生成が最大2.5倍速くなって、入力16ドル/出力80ドル。高速モードはClaude Platform、Google Cloud上のClaude Models（Anthropic管理とGoogle管理）、Microsoft Foundry（Anthropicホスト）で利用でき、Claude Codeでも使える、と。
さらにオプションの高速モードがあり、トークン生成が最大2.5倍速くなって、入力16ドル/出力80ドル。高速モードはClaude Platform、Google Cloud上のClaude Models（Anthropic管理とGoogle管理）、Microsoft Foundry（Anthropicホスト）で利用でき、Claude Codeでも使える、と。
室谷代表取締役提供範囲はPro、Max、Ultra、Team、Enterpriseのユーザー。開発者向けにはClaude Platformのネイティブ、マーケットプレイス経由、Amazon Web Services、Google Cloud、Microsoft Foundryで提供されると。
APIではclaude-fable-5-2というモデル名で使えるわけですね。
APIではclaude-fable-5-2というモデル名で使えるわけですね。
テキトー教師DotAI 認定講師ええ。米国内で処理を完結させたいワークロード向けに、US-only inferenceが入力・出力ともに1.1倍の価格で用意されている、という記載もあります。
データ保持については、Fableモデルの利用には安全監視のためデフォルトで30日間のデータ保持が必要で、Enterprise Frontier Safeguards（EFS）を使うと顧客インフラに保存されたプロンプトと応答に対して自動安全監視が走り、ゼロデータ保持（ZDR）と両立できる、と説明されています。
データ保持については、Fableモデルの利用には安全監視のためデフォルトで30日間のデータ保持が必要で、Enterprise Frontier Safeguards（EFS）を使うと顧客インフラに保存されたプロンプトと応答に対して自動安全監視が走り、ゼロデータ保持（ZDR）と両立できる、と説明されています。
室谷代表取締役日本からの利用可否なんですけど、これは公式に明記されていないんですよね。グローバルに提供されているモデルなのでAPI経由で利用できる可能性は高いですが、明記がない以上「日本からも使えます」と断言するのは正確じゃない。
ここは「公式に明記されていない」と留保を付けて伝えるのが正しいと思います。
ここは「公式に明記されていない」と留保を付けて伝えるのが正しいと思います。
テキトー教師DotAI 認定講師そうですね。AWSやGoogle Cloud、Microsoft Foundry経由の提供が案内されているので、リージョンごとの提供状況は各クラウドの案内を確認するのが確実です。
料金や提供条件は変わりうるので、契約前に公式のpricingページを見るのが基本ですね。
料金や提供条件は変わりうるので、契約前に公式のpricingページを見るのが基本ですね。
室谷代表取締役あとFable 5.2の特徴として、effort levelの考え方があるんですよ。公式ページでは「ほとんどのコーディングや知識作業ではClaude Opus 5.5から始めて、作業の規模と複雑さに応じてFable/Mythosに上げるか、Sonnet 5.5やHaiku 5.5に下げる」と推奨しています。
Fable 5.2はAdvisor（Haiku/Sonnet/Opusが難しい問題を相談する相手）やOrchestrator（簡単なタスクを小さいモデルに委任する役）も担える、と。
Fable 5.2はAdvisor（Haiku/Sonnet/Opusが難しい問題を相談する相手）やOrchestrator（簡単なタスクを小さいモデルに委任する役）も担える、と。
テキトー教師DotAI 認定講師そこはコスト設計の話とセットですね。FrontierCode 2.0で、Fable 5.2はHigh effortだとOpus 5.5のMax effortとほぼ同じスコア（45.3%対45.5%）を約半分のタスク単価で出し、Xhigh effortだと49.1%でリリース済みモデル中最高、という記載があります。
室谷代表取締役つまり「常に最上位モデルを最大effortで回す」ではなくて、タスクの難易度に応じてモデルとeffortを選ぶ設計が前提になっているわけですよね。これはロボティクスでも同じで、全部Fable 5.2で回すとコストが跳ねる。
Fable 5.2はどんな用途に向く？ロボット制御以外の評価と実用上の限界
室谷代表取締役じゃあFable 5.2は何に向くのか。公式ページでは「最も野心的でオープンエンドな技術作業」向けとされていて、コーディング、エージェント、科学研究、データ分析と機械学習、財務分析、3D・ハードウェア・モーションの設計が挙げられています。
テキトー教師DotAI 認定講師ベンチマークも整理しておくと、FrontierSWE v2が69.9%、AutomationBenchが51.4%、Terminal-Bench-Science 0.1が74.6%、OSWorld 2.1が89.3%、Humanity's Last Exam（ツールあり）が74.2%、Chartography（ツールなし）が73.4%。ロボティクスのRoboDojo Simが64.9%です。
室谷代表取締役この中で目を引くのが、RoboDojo Simの64.9%がFable 5.1の27.6%から倍以上に伸びている点と、Chartographyが44.8%から73.4%に伸びている点なんですよね。視覚系の改善がロボティクスにも効いている、というストーリーが数字で見える。
テキトー教師DotAI 認定講師そうなんですよ。公式ページでも「コーディング、推論、視覚といった領域で改善」と明記されています。
視覚の改善が、箱の計測のような「映像から目盛りを読む」タスクの突破につながった、と見るのは自然な流れですね。
視覚の改善が、箱の計測のような「映像から目盛りを読む」タスクの突破につながった、と見るのは自然な流れですね。
室谷代表取締役ただ、実用上の限界もはっきりしています。まず速度。
1タスク約30分で人間の約100倍遅い。次にコスト。
最も安いモデルでも平均米時給の約10倍。そして信頼性。
10月の記事では、モデルが合格状態に達した後も試行を改善し続けて、かえって失敗することがあった、と書かれています。GPT-6.1 Solは約17分で合格する塔を作ったのに、その後の作業でタスクを失敗させた、と。
1タスク約30分で人間の約100倍遅い。次にコスト。
最も安いモデルでも平均米時給の約10倍。そして信頼性。
10月の記事では、モデルが合格状態に達した後も試行を改善し続けて、かえって失敗することがあった、と書かれています。GPT-6.1 Solは約17分で合格する塔を作ったのに、その後の作業でタスクを失敗させた、と。
テキトー教師DotAI 認定講師これは「物理空間でのタスク完了判断」という、モデルの弱点がそのまま出ている例ですね。自分が今どの状態にいるかを正しく認識して、そこで止める。
これが言語モデルにとってはまだ難しい。
これが言語モデルにとってはまだ難しい。
室谷代表取締役あと、公式ページのFAQで「なぜFable 5.2に新しいセーフガードを作ったのか」という説明があって、サイバーセキュリティ・生物学・化学の能力が悪用されうる水準に達しているから、これらの領域ではブロックや制限がかかり、多くのクエリはOpusモデルからの応答になる、と。ロボティクスとは直接関係ないですが、Fable 5.2を業務で使うならこの制限は把握しておく必要があります。
テキトー教師DotAI 認定講師ええ。サイバーやライフサイエンスの正当な研究をしているチームは、Cyber Verification ProgramやLife Sciences Verification Programに申請して調整されたセーフガードを受けられる、という案内もあります。
室谷代表取締役あと、公式ページにはFable 5.2が理論物理学の未解決問題を2つ解いた、という記述もあるんですよね。ブラックホールに関する問題で、ホログラフィック双対性に依拠した結果だと。
これは主張の詳細が公式ページ側に書かれているので、興味がある人は原文を追うのがいいと思います。
これは主張の詳細が公式ページ側に書かれているので、興味がある人は原文を追うのがいいと思います。
テキトー教師DotAI 認定講師そこは「すごい」で終わらせず、何を解いたのか、どう検証されたのかを原文で確認するのが大事ですね。今回のロボティクスの話と混ぜると、何がどこまで裏付けられているのかがぼやけますから。
室谷代表取締役そうですね。今回のAA-Roboticsの話に限れば、Artificial Analysisが発表した事実は「Fable 5.2が75で首位」「箱の計測を映像のみで初達成」の2点と、順位の内訳。
それ以上は現時点では明らかにされていない、というスタンスで読むのが正確です。
それ以上は現時点では明らかにされていない、というスタンスで読むのが正確です。
テキトー教師DotAI 認定講師評価指標の読み方についてはArtificial Analysis Intelligence Index v5とは？9評価・非公開6割の新指標を解説も参考になります。1つのベンチマークの数字だけでモデル全体を判断しない、という姿勢が大事ですね。
室谷代表取締役よくある質問
室谷代表取締役最後に、よく聞かれる点を整理しておきますか。
テキトー教師DotAI 認定講師はい、いきましょう。
Claude Fable 5.2はいつ発表されましたか？
Anthropicが2026年11月9日に発表しました。Claude Mythos 5.2との同時発表で、FableとMythosは同じ基盤モデルです。Fableにはサイバーセキュリティと生物学のセーフガードが付き、全ユーザーに提供されます。
AA-Robotics v0.1とは何ですか？
Artificial Analysisが2026年10月14日に公開した研究プレビューです。言語モデルがコーディングエージェント環境を通じて6軸ロボットアーム（5関節＋グリッパー）を直接操作し、8つの卓上タスクをこなす能力を評価します。各試行は100点満点で部分点があり、全試行ゼロショットです。
箱の計測タスクの何がすごいのですか？
長さ・幅・高さを各2mm以内の誤差で答える必要がある難関タスクで、10月の初回結果ではどのモデルも満点を取れていませんでした。Claude Fable 5.2はテープメジャーを据え置きのまま、映像だけから目盛りをスケールとして箱のサイズを推定して初めて達成しました。
Claude Fable 5.2の料金はいくらですか？
入力100万トークンあたり8ドル、出力40ドルです。Fable 5.1の10ドル/50ドルから値下げされました。キャッシュ読み取りは0.20ドル。高速モードは入力16ドル/出力80ドルで、最大2.5倍速くなります。
APIやClaude Codeで使えますか？
はい。Claude Platformのネイティブ、マーケットプレイス経由、Amazon Web Services、Google Cloud、Microsoft Foundryで提供され、APIではclaude-fable-5-2というモデル名で利用できます。高速モードはClaude Codeでも使えます。
日本から利用できますか？
日本からの利用可否は公式に明記されていません。グローバル提供のためAPI経由で利用できる可能性は高いですが、断言はできません。AWSやGoogle Cloud、Microsoft Foundry経由の提供が案内されているので、リージョンごとの提供状況は各クラウドの案内を確認してください。
どんなタスクに向いていますか？
公式には、野心的でオープンエンドな技術作業、具体的にはコーディング、エージェント、科学研究、データ分析と機械学習、財務分析、3D・ハードウェア・モーションの設計が挙げられています。日常的なコーディングや知識作業はClaude Opus 5.5から始めることが推奨されています。
ロボット制御は実用レベルですか？
現時点では研究プレビューの段階です。10月の時点でモデルは人間より約100倍遅く、1タスク約30分、人間の平均は20秒。コストも最も安いモデルで平均米時給の約10倍かかるとされ、生産用途には程遠いとされています。
室谷代表取締役というわけで、今回のニュースは「スコアが上がった」という以上に、言語モデルが物理世界の空間推論をどこまで扱えるようになったかのマイルストーンなんですよね。ただ、速度とコストと信頼性の壁はまだ高い。
続報を追いかけたいと思います。
続報を追いかけたいと思います。
テキトー教師DotAI 認定講師そうですね。ベンチマークの1位は通過点で、実務で使えるかは別の話。
そこを冷静に分けて見ていきましょう。
そこを冷静に分けて見ていきましょう。
