Claude Fableに研修一式を丸投げ、約6時間で仕上がった実例と公式の2つの数字

Fable 5.2は、外注案件の納品水準を測る評価で約41%と、Opus 5.5の約2倍に伸びました
研修一式を丸投げしたところ、約6時間で85〜90点の成果物が出て、任せる単位が一件まるごとに広がりました
約41%は6割近くがまだ届かない数字でもあり、確認方法を決めて人が検収する前提は変わりません

AnthropicのAI「Claude」の新しいモデル「Fable 5.2（フェイブル）」が、11月9日に発表されました。公式の比較表では、他のモデルより飛び抜けて高い数字が2つあります。1つは、仕事を納品できる水準まで仕上げる力を測る「Remote Labor Index（リモート・レイバー・インデックス）」。もう1つは、ロボットの操作を試す「RoboDojo（ロボドージョー）」です。

どちらも、作って終わりではなく、確かめて、うまくいかなければやり直す力が問われる評価です。その力が伸びると、AIに頼める仕事の単位が変わります。手順を細かく渡す作業から、一式をまとめて任せる「丸投げ」へ。

実際に、研修の材料を一括で渡してみたところ、約6時間で最後までやり切り、手応えは85〜90点でした。スライドを作るだけでなく、デモを動かして確かめ、直すところまで含めた依頼です。

発表の要点と得意・不得意

同じ基盤の上に、一般に使えるFable 5.2と、審査済みの組織だけが使えるMythos 5.2が並んで立つ構造を示す図

Anthropicの公式発表によると、Fable 5.2は、一般に使える最上位モデルです。同じ基盤から、サイバーや生命科学の用途を審査した組織だけに開く「Mythos 5.2」も、同時に出ています。違いは賢さではなく、誰にどの仕事まで開くかです。

得意不得意も、公式の表に出ています。コード修正の評価では首位ですが、業務フローを操作する評価ではGemini 4 Carbonが上でした。最上位だから全部で勝つ、という話ではありません。

突き抜けた2つの数字

Remote Labor Indexの流れを示す図。依頼文と素材ファイルをAIに渡し、AIの成果物を依頼主の目線で受け取れるかを判定する

公式の比較表で差が大きかったのは、次の2つの評価です。

「Remote Labor Index」は、フリーランスの市場から集めた実際の外注案件で、依頼主がそのまま受け取れる水準かを判定します。論文によると、人間が1件にかける時間の中央値は約11.5時間。ゲーム開発、動画、立体モデルの制作など、一件ずつが重い仕事ばかりです。

たとえば、レトロゲーム用の効果音づくり、広告やロゴの制作、手描きのスケッチをもとにした間取り図、といった依頼です。1件は、依頼文、渡された素材のファイル、人間の専門家が作った納品物の3点でできています。AIの成果物は、人が「合理的な依頼主なら、その仕事として受け取れるか」を見て判定します。論文には、8分の動画を頼んだのに8秒の動画が返る、指定のスケッチと合わない間取り図が出る、といった失敗の例が載っています。

Fable 5.2：約41%
Opus 5.5（オーパス）：約21%
GPT-6 Astra：約21%
Fable 5.1：約18%

「RoboDojo」は、カメラ画像を見ながら模擬の2本腕ロボットを操作し、課題を達成する評価です。Anthropicが最大の設定で、社内で走らせた数字を公表しています。

Fable 5.2：約65%
Opus 5.5：約39%
GPT-6 Astra：約30%
Fable 5.1：約28%

2つに共通するのは、一発で当てる力ではなく、見て、動かして、うまくいかなければやり直す力でしょう。RoboDojoは模擬環境の話で、事務仕事の成績ではありません。

とはいえ、約41%は、6割近くの案件はまだ納品水準に届かないという数字でもあります。

実例：研修一式の丸投げ

研修の材料を渡すと、AIが作る、動かして確かめる、直すを繰り返し、スライド、登壇者用資料、検証結果、サンプル原稿が出る流れを示す図

数字は、実際の手応えと同じ方向を向いていました。

研修の材料を、そのまま一括で渡してみました。頼んだのは、スライドだけではありません。デモ用データの用意から、ブラウザでの実行・検証、画面キャプチャ、問題の修正まで頼みました。

Fable 5.2は、約6時間かけて、完了まで進めてくれました。届いたのは、スライドに加えて、登壇者用の資料、スライドの検証結果、サンプル原稿の数々です。感覚としては、85点から90点。

大きいのは、スライドの出来そのものより、AIが確かめて直す作業まで進めたことです。

7月に前の最上位モデルの使い方を書いたとき、「10回のやり取りより1回の丸投げ」と整理しました。今回は、その丸投げの単位が、作業から一件まるごとへ広がった印象です。

丸投げが成り立つ3つの条件

丸投げを支える3本の柱として、素材と完成条件、結果を確認する方法、人による検収を示す図

一件まるごと任せるために必要な条件は、3つあると考えています。

①素材と完成条件を先にそろえる。 何を渡し、何が出来れば完成かを先に決めておきます。完成の形が決まっていれば、AIは途中で迷いません。

②結果を確認する方法がある。 ブラウザで動かす、画面で見る、期待値と照合する。この方法が、AIに「やり直す」きっかけを与えます。データベースの集計では、他の2つのモデルは動いても期待額の5〜8倍を返し、Fable 5.2は期待どおりでした。実行できることと、数字が正しいことは別です。

電子機器の設計実験でも同じ構図でした。設計はAI、実物の製作と試験は人が担い、3機種とも回路を直さずに動いています。ただし試作品の段階で、認証はまだで、量産向けには設計されていません。

③人が検収する。 85点を90点以上にする最後の部分は、人の仕事です。元データとの照合、解釈の確認、そして手直しを含めた時間で効果を測ること。デモが本当に再現できるか、数字や事例が正しいかは、登壇する人が最後に確かめます。見るのは、さきほどの失敗例のように、頼んだ長さに届いているか、渡した指定と合っているか、という依頼主の目線です。