AnthropicがClaudeのモデル選定ガイドを公開、新モデル「Mythos」「Fable」の特徴やコストを抑える「アドバイザー戦略」を解説

要点

• Anthropicは、同社のAIモデル群「Claude」について、用途に応じた最適なモデルの選定基準や活用ベストプラクティスを公開した。

• 新たに紹介された最上位クラス「Mythos」および「Fable」は、コーディングや長期にわたる自律エージェントの処理に特化している。

• 最も知的なモデルから開始し、思考の深さを表す「努力レベル」を調整することが、タスク全体のコストを抑える上で有効であると推奨している。

• 実行役モデルと上位の評価役モデルを組み合わせる「アドバイザー戦略」により、高精度を維持しつつコストを大幅に削減できるという。

• 強力なモデルの登場により既存の性能テストは「飽和」しており、実際の業務データを模した独自の評価が不可欠であると説明している。

• 米AIスタートアップのAnthropicは2026年7月24日、同社のAIモデル群「Claude（クロード）」の特性と、用途に合わせた最適なモデルの選び方を解説するガイド記事を公開した。モデルの種類やバージョンが増加する中、同社は「最も知的なモデルから使い始め、設定によって性能とコストを調整する」アプローチや、複数のモデルを連携させる最新の活用手法を紹介している。

高性能モデルから始める「スマートスタート」の推奨

Anthropicは、モデル選定における最も頻繁な疑問である「どのモデルを選ぶべきか」に対し、まずは現在一般に提供されている中で最も知的なモデルから使い始めることを推奨している。

トークン（AIが処理するテキストの最小単位）あたりの単価が高くても、より知的なモデルの方がタスク全体のコストが安くなるケースが多いという。その理由は、能力の高いモデルほど少ないやり取りと短い思考時間でタスクを正しく処理できるためである。また、最初から小型モデルを使用すると、タスクの失敗がモデルの能力不足によるものか、設定不良によるものかの判別が難しくなるという課題も指摘している。

遅延（レイテンシ：処理の待ち時間）やコストへの要求が厳しい場合には、品質基準を満たすまで徐々にモデルのクラスを下げてテストしていくアプローチが有効であるとしている。

Claudeモデルファミリーの特徴と位置づけ

本ガイドでは、Claudeを構成する4つのモデルクラスの特徴が整理されている。

まず、最上位クラスとして紹介されたのが「Mythos（ミトス）」および「Fable（フェーブル）」である。これらはコーディングや長期のエージェント処理など、従来のAIでは安定して解決できなかった複雑な問題に対応する。「Mythos」は、軍事と民生の双方に利用可能な「二重用途（デュアルユース）」のサイバーセキュリティや生物学関連の業務を扱う信頼された組織向けに提供され、Project Glasswing（プロジェクト・グラスウィング）を通じてアクセスできる。「Fable」は一般向けに安全性を高める追加のセーフガードを施したパッケージとなる。いずれもデータ保持期間を制限することで安全な利用が可能となっている。

次に「Opus（オーパス）」は、推論を重視する企業タスク向けの強力なモデルクラスである。知識作業向けのベンチマーク「GDPval-AA」や、自律コーディング用の「Terminal-Bench 2.1」といった主要な業界テストにおいて高い評価を得ている。
同じく高度なコーディングやエージェント処理を得意とするFableとの比較において、ベンチマークスコアが同等であっても、より大型のモデルであるFableの方が知恵や創造性、記述力に優れる傾向があるという。Opusで処理しきれないタスクがある場合はFableを選択し、Opusで要求品質を満たせる場合は、速度と価格の面からOpusを選ぶのが適していると説明している。

「Sonnet（ソネット）」は、性能とコスト、スピードのバランスが取れた日常タスク向けの汎用モデルである。複数のAIを連携させるマルチエージェント構成において、大量の処理を行う「サブエージェント（親エージェントから指示を受けて動く補助的なAI）」としての利用に適している。遅延が極めて重要な顧客向け用途では、Sonnetが最適な選択肢となる。

最も高速で低コストな「Haiku（ハイク）」は、処理の応答速度やコストが極めて重要となる高頻度なワークロード（AIが処理する作業量）向けに設計されている。

モデル選びにおける4つの問いと「努力レベル」

Anthropicは、特定の業界ごとに推奨モデルを分けることはせず、すべてのモデルがコーディングや知識作業で高い成果を出せるよう訓練されていると主張する。その上で、以下の4つの問いを立てて判断することを求めている。

1. タスクの難易度: 多くの手順を要し、過去に解決例がない複雑なタスクには上位モデルが適している。
2. 遅延（レイテンシ）への要求: リアルタイム性が求められる顧客対応などではSonnetが最善の選択肢となる。
3. アクセス制限: 特定の組織しかアクセスできないモデルや、組織内の役職による利用制限を確認する。
4. ユニットエコノミクス（個別タスクの採算性）: 大量生産のプロセスでは、評価テストをクリアした上で下位モデルを採用するのが合理的となる。

これらに加え、「努力レベル（effort level：AIが回答を生成する際にかける思考の深さや手数の設定）」もコストと品質のバランスを左右する。上位モデルの努力レベルを下げることで、小型モデルよりも効率的に処理できる場合があるという。

コストを約6割に抑える「アドバイザー戦略」

本ガイドで注目されるのが、異なるモデルを連携させる「アドバイザー戦略」である。これは、処理の実行を担当する低コストな実行役モデルが、必要に応じてより知的な上位モデル（アドバイザー）を呼び出し、計画の確認や成果物の評価を行わせる手法である。

このアプローチにより、処理能力を大幅に向上させることができる。たとえば、エンジニアリング能力を測定するベンチマーク「SWE-bench Pro」において、「Sonnet 5」に「Fable 5」のアドバイザーを組み合わせた構成は、タスク全体をFable 5だけで処理する場合の63%のコストでありながら、Fable 5単体のスコアの10%以内に迫る成果を示したという。

既存の測定指標が直面する「飽和」と自社評価の重要性

適切なモデルを選ぶにあたり、業界の標準ベンチマークと独自の評価手法（Evals）の2つが活用されている。しかし、OpusやFableといった極めて強力なモデルは、既存ベンチマークのほぼ全ての問題に正解してしまう「飽和（サチュレーション）」という現象に達している。

そのためAnthropicは、表面的なベンチマークの数値だけに頼るのではなく、自社の実際の業務データを模した独自の評価用タスクを用意し、実機テストを行って判断することが最も確実であると推奨している。