Anthropic、Fable 5を再開　サイバー安全策とjailbreak基準案も公開

何が再び開放されたのか

Anthropicは6月30日の公式記事で、Claude Fable 5を7月1日から世界中のユーザーに再提供すると明らかにしました。対象はClaude Platform、Claude.ai、Claude Code、Claude Coworkです。以前、Fable 5とMythos 5は米政府の指示を受けてアクセスが停止されており、Game Sunakkuでも当時その停止について取り上げました。

今回の続報の焦点は、単なる「サービス再開」ではありません。Anthropicはアクセス再開とあわせて、Fable 5に適用した安全分類器、政府・パートナーによるレビュー、そしてjailbreak深刻度基準をめぐる議論を公開しました。つまり、強力なモデルを再び開くにあたり、なぜ止めるのか、何を許可するのかを説明した運用レポートに近い内容です。

サイバー安全分類器の役割

7月2日の記事でAnthropicは、Fable 5のサイバーセキュリティ関連リクエストを4段階に分けて説明しました。大きな被害につながる可能性が高いリクエストはブロックし、日常的な防御目的のリクエストは許可する一方で、一部の境界領域は監視またはブロックする場合がある、という構造です。

簡単に言えば、AIにセキュリティ作業を手伝わせてよいかを判断する信号機をモデルの横に置いたようなものです。青信号は一般的で安全なリクエスト、赤信号は被害リスクが大きいリクエスト、黄信号は防御と悪用の可能性が混在するリクエストです。AnthropicはFable 5で、この黄信号の領域をより保守的に扱ったと説明しています。

なぜjailbreak基準を別に示したのか

AnthropicはAmazon、Microsoft、GoogleなどのGlasswingパートナーとともに、AI jailbreak severity frameworkの草案を作成していると明らかにしました。ここでいうjailbreakとは、モデルの安全策を迂回しようとするプロンプト手法です。同社は、すべての迂回試行が同じ危険度ではないため、リスクを一貫して分類する基準が必要だと説明しています。

この点は一般読者にとっても重要です。今後、AIモデルをめぐる論争は「突破された／されていない」の一言では済みにくくなります。どの機能が解放されたのか、実際の被害可能性があるのか、防御目的の利用まで止めてしまうのかまで見る必要があります。今回の発表は、AI安全の論点を、製品の機能表のようにより具体的に公開していこうとする流れと見られます。

ユーザーが注意して見たいところ

ただし、安全策が強いということは、すべてのユーザーにとって使いやすくなるという意味ではありません。Anthropicも、保守的な分類器は通常のコーディングやデバッグのリクエストをより頻繁に止める可能性があると認めています。特にセキュリティ点検、脆弱性分析、コードレビューのように、防御目的であっても表現上はセンシティブに見えるリクエストでは、誤検知の可能性を確認する必要があります。

まとめると、今回のFable 5続報はモデル再開のニュースであると同時に、AI安全運用の公開事例でもあります。性能が上がるほど、製品ニュースはモデル名だけを見ていては足りません。今後は、アクセス権限、ブロック基準、誤検知の可能性、第三者検証の流れまであわせて見る習慣が必要になりそうです。