Anthropic、Claude Fable 5 および Mythos 5 のアクセスを再開

すぐわかる要点

Anthropic は、米国輸出規制が解除されたことを受け、Claude Fable 5 および Claude Mythos 5 について世界中でのアクセスを再開しました。また、より厳格な安全分類器の導入、業界全体で採用を検討する jailbreak の深刻度フレームワークの提案、米国政府とのより深い連携を実施しました。

即時利用可能と利用条件

Claude Fable 5 は 7月1日から Claude Platform、Claude.ai、Claude Code、Claude Cowork で利用可能になります。Pro、Max、Team、および一部の Enterprise プラン利用者は、7月7日までに週間利用制限の最大 50 % まで Fable 5 を利用できます。その後は利用クレジットによるアクセスとなります。
Claude Mythos 5 は、6月26日に政府の承認を受けた米国組織向けに再開されました。主要クラウドプロバイダー（AWS、Google Cloud、Microsoft Foundry）でのアクセスは、速やかに再有効化されます。
両モデルは同じ基盤アーキテクチャを共有しています。Fable 5 は最も強力な保護機能でリリースされた一方、Mythos 5 は当初、防御的サイバーセキュリティ作業用に信頼できる Project Glasswing パートナーに限定されていました。

イベントのタイムラインと安全対策の強化

日付	イベント
6月9日	Claude Fable 5 および Claude Mythos 5 のリリース。
6月12日	Amazon が報告した回避手法により、Fable 5 がソフトウェアの脆弱性を列挙し、あるケースではエクスプロイトコードを生成できたため、米国政府が輸出規制を課した。
6月12日〜30日	Anthropic は政府およびパートナーと協力し、報告内容のレビュー、他のモデルのテスト、新しい安全分類器の開発を実施。
6月30日	輸出規制が解除（出典：Howard Lutnick on X）。
7月1日	Fable 5 の世界規模での再配備。Mythos 5 は米国での限定的な再配備。

重要な安全対策の更新：新しい安全分類器は、Amazon の報告に記載された特定の技術を、99 %以上の試行でブロックします。ブロックされた場合、ユーザーに通知され、クエリは Opus 4.8 にリダイレクトされます。この分類器は、無害なコーディング/デバッグタスクで誤検出が増える傾向がありますが、Anthropic は安全マージンを確保するため、このトレードオフを受け入れています。

Anthropic のサイバーセキュリティ安全対策戦略

ディフェンス・イン・デプス：モデルレベルでの拒否トレーニング、事後的な悪用分析、専用分類器といった複数層の防御が連携して、危険な行動を防止します。
安全分類器：有害なサイバーセキュリティ行動を含む可能性のあるリクエストを検出する小さなAIシステム。Fable 5 では、安全マージンを意図的に広く設定しており、無害なリクエストが一部ブロックされる可能性がありますが、本当に危険なリクエストがほとんど見逃されないようになっています。
分類器の動作図（抜粋）：
- 行 A – ベースライン分類器の動作。
- 行 B – Fable 5 の拡張された安全マージン。より多くの無害なリクエストがブロックされるが、危険なケースの見逃しは減少。
- 行 C〜E – 小規模、狭域、普遍的な jailbreak がマージンとどのように相互作用するかを示す。
jailbreak への耐性：小規模な jailbreak は分類器をすり抜け可能ですが、安全マージン内に留まるため、潜在的な被害は限定的です。狭域の有害 jailbreak はまれです。Fable 5 については、執筆時点では普遍的な jailbreak は観測されていません。
継続的な最適化：Anthropic は、誤検出を減らしつつも、攻撃的サイバーキャパシティに対する強力な保護を維持するため、分類器の調整を継続して行います。

業界向け AI jailbreak 深刻度フレームワークの提案

Anthropic は、Amazon、Microsoft、Google および他の Glasswing パートナーとともに、jailbreak を以下の4つの次元で評価する共通の基準（rubric）の策定を進めています：

能力向上 – 既存ツールを超える程度の進歩。
能力向上の幅 – jailbreak によって可能になる異なる攻撃タスクの数。
武器化のしやすさ – jailbreak を攻撃に変換するのに必要な人的努力。
発見可能性 – 技術が容易に見つかり、再利用可能かどうか。

このフレームワークは、政府とのコミュニケーションを標準化し、対策の優先順位を明確化することを目的としています。

対応の段階化：最も深刻なカテゴリ（例：重要なインフラを標的とする jailbreak）は、即時対策の展開と24時間365日監視を引き起こします。
コミュニティ参加：Anthropic は、Fable 5 における cyber-jailbreak の発見を研究者に提出できる HackerOne プログラムを開始しました。

米国政府との連携の深化

Anthropic は、連邦機関とのパートナーシップを拡大するため、以下の4つの具体的な取り組みを表明しています：

リリース前アクセス – 指定された政府パートナーが、独立した評価のために早期にモデルおよび安全対策にアクセス。
迅速な安全対策共有 – 重大な jailbreak や悪用パターンが発覚した場合、速やかに報告し、新たな緩和策を独立したテスト用に共有。
専用の共同研究リソース – Anthropic は、政府主導のAIセキュリティ研究を支援するため、計算リソースおよび人材を割り当てます。
業界共通のセキュリティ基準 – 政府および業界の仲間と協力し、業界横断的な自主的なセキュリティおよび評価基準の開発を進めます。

これらの措置は、6月2日の 先進人工知能のイノベーションとセキュリティの促進 に関する大統領令と整合しており、強力なフロンティアモデルを公開するための透明性と持続可能性のあるプロセスの構築を目指しています。

ユーザーおよびAIエコシステムへの影響

開発者向け：Fable 5 の高度な機能へのアクセスが再開されますが、通常のコーディング作業中に時折リクエストがブロックされる可能性があることを予期してください。
セキュリティ研究者向け：新設の HackerOne プログラムにより、jailbreak の報告に明確なチャネルが提供され、迅速な緩和が約束されています。
政策立案者向け：Anthropic のフレームワークと政府連携は、業界が自己規制しながら規制当局と協力する実例を示しています。
広範なAIコミュニティ向け：jailbreak 深刻度の共通分類体系の推進は、新規モデルの回避手法が発見された際の不確実性を低減するデファクトスタンダードとなる可能性があります。