2026年7月6日、AnthropicのClaude CodeエンジニアであるThariq Shihipar氏が『A Field Guide to Claude Fable: Finding Your Unknowns』を公開した。これは単なるプロンプト集ではない。ちょうど1か月前、Thariq氏はClaude Codeを使ってFable 5のリリース動画をゼロから編集する中で、モデルに自分の「知らないことすら知らない」盲点をスキャンさせ、カラーグレーディングの知識を身につけさせた。この方法論は、AIコラボレーションにおける核心的な対立軸の転換を示している。Fable 5がシステムプロンプトを80％削減し、モデルの知能がボトルネックでなくなった今、アウトプットの品質の天井は、開発者自身が「未知」を明確化する能力へと移ったのだ。

『Claude Fable フィールドガイド：未知を発見せよ』｜Anthropic公式ブログ

地図は領土ではない：プロンプトを80％削って現れた新たなボトルネック

2026年6月9日、AnthropicはClaude Fable 5とMythos 5モデルを正式発表した。Fable 5は安全分類器付きの一般公開版、Mythos 5は一部制限が解除された招待版である。7月に公開されたフィールドガイドは、実質的にFable 5時代のワークフローを公式に裏付けるものだ。

従来のAI応答モデルでは、開発者は「地図」を分厚く描くことに慣れていた。それほど賢くないモデルに対して、開発者は詳細なFew-shotの例や厳格な制約をシステムプロンプトに詰め込む必要があった。Claude Codeの旧システムプロンプトは一時65k Tokenに達していた。Fable 5の登場後、Anthropicはシステムプロンプトの80％を削減し、「制約を与える」方針から「コンテキストを与える」方針へと舵を切った。

この削減は単なる圧縮ではなく、モデル能力の飛躍的な向上への直接的な対応である。65k Tokenのシステムプロンプトには、コードスタイル、ファイル操作の規範、セキュリティ境界に関する膨大なハードルールが含まれていた。こうしたルールは、弱いモデルの時代には、長いセッションでモデルが軌道から外れるのを防ぐための必要不可欠な安全策だった。しかしFable 5の推論能力は十分に強力で、そうしたハードな制約がなくても、コンテキストに応じて正しい操作経路を自ら判断できる。Anthropicのエンジニアが社内テストで発見したのは、ハードルールを残しすぎるとFable 5の意思決定をむしろ妨げるということだった。モデルはあるルールを守るために、より優れた解決策を迂回したり、ルール間の衝突に直面して躊躇したりするようになる。

この変化は残酷な事実に基づいている。Fable 5は十分に賢いため、開発者の「地図」に「未知」が書き込まれていなければ、誤った方向に猛烈な勢いで突き進んでしまう。弱いモデルの時代、開発者がプロンプトを分厚く書いたのは、モデルの理解のズレを防ぐための安全策だった。しかしFable 5の時代には、厚すぎる制約はむしろ足枷となる。システムプロンプトがあまりに多くの硬直したルールを規定すると、Fable 5はルールを守るために実際の目標を見失う可能性がある。Anthropicがプロンプトを削減したのは、機械的なルールマッチングではなく、コンテキストと自身の推論能力に依存できるようモデルを解放する行為なのだ。

従来のモデルはあいまいな指示に直面すると、通常は業界のベストプラクティスに基づいて「脳内補完」して実行するか、直接エラーを返して拒否していた。そのため開発者は、コードマージ後にAIが気付かないアーキテクチャの歪みを持ち込んでいたことに気づくケースが多かった。典型的なシナリオとして、開発者がユーザー認証モジュールの要件をプロンプトで説明したが、パスワード暗号化アルゴリズムを明示しなかった場合がある。従来のモデルは、学習データ内にそうした実装が大量にあるため、MD5やSHA1といった、一般的だがすでに安全でないアルゴリズムをデフォルトで使ってしまう。開発者がこの問題に気づくのは、セキュリティ監査を受けた時だ。Fable 5はこのロジックを変えた。アウトプット品質のボトルネックは、モデルの推論能力から、開発者自身のドメイン専門知識と「未知を定義する能力」へと移った。もし開発者がタスクの境界と潜在的リスクを明確に定義できなければ、Fable 5の強力な推論能力は、誤ったコードの生成を加速させるだけになる。

4種類の未知マトリクス：AIはいかにして開発者に逆質問するか

フィールドガイドの核心は、タスクの問題を4つに分類することにある。すなわち、既知の既知、既知の未知、未知の既知、未知の未知である。Claude Codeと組み合わせることで、これら4つの未知は具体的なプロンプトパターンにマッピングされ、実装前から実装後までの全ライフサイクルをカバーする。

**既知の既知は実装計画に対応する。**大規模なコードベースのリファクタリングでは、どのモジュールを変更する必要があるかは明確だが、変更の優先順位がわからない場合がある。開発者はAIに対し、最も変更される可能性の高いデータモデルを最初にレビューさせ、機械的なリファクタリングは後回しにするよう依頼できる。これにより、AIは実行前にコアアーキテクチャを開発者とすり合わせ、下位インターフェースが固まる前に大量の上位ビジネスコードを生成するのを防げる。5000万行のRubyコードを含むStripe級のコードベース移行において、この並べ替え戦略は手戻りを大幅に削減する。AIが先に上位ビジネスロジックの書き換えを完了し、その後で下位データモデルが変更されると、上位コードはすべて書き直しになるからだ。

**既知の未知はインタビューに対応する。**これはFable 5の最も破壊的なモードの一つだ。AIはもはや受動的に指示を待たず、逆に開発者にインタビューを行う。高並行APIインターフェースを設計する際、多くのリクエストを処理する必要があることは分かっていても、具体的なレート制限ポリシーやキャッシュ一貫性のソリューションを決めかねているかもしれない。開発者はAIに「私の回答がアーキテクチャ設計を変えるような質問を優先して」と依頼できる。AIはデータの一貫性要件、ピークQPS予測、またはフォールバック戦略に関する具体的な指標を尋ね返すかもしれない。この逆質問を通じて、AIは開発者に対し、あいまいなアイデアを具体化するよう迫る。

マイクロサービスアーキテクチャの設計シナリオでは、開発者がFable 5に注文サービスの実装が必要だと伝えたとする。Fable 5はすぐにコードを書き始めず、次のように逆質問する。「注文ステータスの変更には、サービスを跨るトランザクション保証が必要ですか？必要な場合、Sagaパターンと2フェーズコミットのどちらを採用しますか？」「在庫の引き当ては、注文作成時の仮引き当てですか、それとも支払い成功後の実引き当てですか？」これらの質問への回答一つひとつが、最終的なアーキテクチャ設計を直接左右する。開発者はこれらの質問に答える過程で、実質的に自分のアーキテクチャ設計を完了させることになる。

未知の既知はブレインストーミングとプロトタイプに対応する。「見れば何が欲しいか分かる」といった審美眼や直感に関わる問題に対して、開発者はAIに異なる方向性のプロトタイプをHTMLで複数生成させ、人間に選択肢を提示させることができる。データダッシュボードを開発する際、理想のインタラクションレイアウトを言葉で正確に説明できない場合がある。Fable 5に4つの異なる重点を置いたHTMLプロトタイプを生成させれば、開発者はそこから直感的に要素を選び、組み合わせることができる。このモードは人間の認識の限界を認め、ラピッドプロトタイピングで言語記述の不足を補うものだ。

**未知の未知は盲点スキャンに対応する。**開発者はAIに直接「このモジュールにおける私の未知の未知を見つけ出して」と指示する。一見シンプルな支払いコールバックロジックを扱う際、開発者は並行リクエストによる重複引き落としのリスクや、サードパーティゲートウェイのタイムアウトリトライメカニズムを見落としているかもしれない。AIはコードベースに対するグローバルな視点に基づき、開発者が見落としがちな境界条件、歴史的に残された落とし穴、潜在的なセキュリティホールを指摘する。

Thariq氏は「Fable 5」の公開動画を編集する際、まさにその「盲点スキャン」を活用した。カラーグレーディングの知識が皆無だった彼は、Claude Codeに動画処理パイプライン上の盲点をスキャンさせることで、モデルが自発的に色空間変換やLUT適用に関する重要知識を指摘した。具体的な流れは次のとおりだ。Thariq氏はまずClaude Codeに動画ファイルを読み込ませてカラーメタデータを解析させ、次に「カラーグレーディングの工程で自分が見落としがちな技術的詳細を見つけ出して」と指示した。するとClaude Codeは、Rec.709とRec.2020の色空間の違い、Log符号化とリニア符号化の変換タイミング、異なるノードでLUTファイルを適用した場合の効果の差など、リストを返してきた。Thariq氏はそのリストに沿って一つひとつ学び、「未知なる未知」を「既知」へと変え、最終的に動画編集を完遂した。

実装過程では、Fable 5 は「やりながら記録する」ことを求める。開発者は implementation-notes.md ファイルを維持し、AI が計画から逸脱した保守的判断を記録する。ある機能を実装中に当初の計画が実行不可能であると AI が判断し、劣化案に切り替えた場合、その判断は記録に残される。これにより人間はプロジェクトの実際の進捗を常に把握でき、AI がブラックボックスの中で自律進化するのを防ぐ。データベース移行プロジェクトにおいて、AI は当初予定していたバルクインポートツールが対象データベースバージョンで既知のバグを抱えていることを発見し、代わりに1件ずつインポートする保守的な手法に切り替えるかもしれない。この判断は implementation-notes.md に記録され、開発者は後続のレビューで AI の判断ロジックを理解し、必要に応じてそれを覆すことができる。

最も直感に反する操作は検収段階で現れる。長時間のセッション終了後、Code Diff だけでは AI の深層的な変更を理解できない。Thariq は Claude に、文脈と直感的説明を含む HTML レポートを生成させ、末尾に一連のテスト問題を添付するよう求めた。テストを全問正解して初めてコードがマージされる。これは「人が AI を試験する」従来のパラダイムを完全に覆し、AI からの問い返しによって人間が長時間セッションにおけるブラックボックス操作への理解不足を補う。テスト問題には「なぜこの関数では楽観ロックを採用し、悲観ロックではないのか？」「このキャッシュ無効化戦略はどのようなシナリオでデータ不整合を引き起こすか？」などが含まれうる。開発者はこれらの質問に正確に答えられて初めて、AI の変更を理解したことを証明できる。

Fable 5 と Mythos 5 の二本立て: 能力解放と安全ロールバック

Anthropic が Fable 5 と Mythos 5 を同時に発表した背景には、能力解放と安全管理のバランスがある。Mythos 5 は Project Glasswing の一環として、ネットワークセキュリティなどの一部制限が解除され、招待ユーザー向けに提供される。Fable 5 は広く公開されるバージョンであり、厳格な安全分類器が組み込まれている。

Fable 5 はネットワークセキュリティやバイオ・化学などの機微な問題に遭遇すると、自動的に Claude Opus 4.8 の応答にロールバックする。公式発表によると、初期データでは Fable セッションの 95 % 以上がいかなる安全ロールバックもトリガーせず、誤検出率は 5 % 未満という。

この二本立てにより Fable 5 は安全に一般市場へ展開できるが、体験上の断絶ももたらす。一部の開発者は通常の低レイヤネットワークプログラミングやバイオ化学研究を行っている際に、強制ロールバックに遭遇する。たとえば、ネットワークパケットスニッフィングを含むセキュリティ監査ツールを作成する際、Fable 5 が安全分類器をトリガーし、本来 Fable 5 が主導していた効率的なワークフローが中断され、モデル能力が瞬間的に低下する可能性がある。開発者がファイアウォールルールのテストスクリプトを作成する際も、コードにポートスキャンロジックが含まれるために Opus 4.8 にロールバックされることがある。公式は今後のアップデートで分類器の範囲を狭め、研究者向けの信頼アクセスプログラムを提供することを約束しているが、現段階では安全ロールバックは依然として開発者から寄せられる不満点の一つである。

Token 消費と対話疲労: 積極的明確化の代償

未知の仕組みを積極的に明確にすることは、実際の利用において顕著なコスト面と体験面の課題をもたらしている。

Token 消費は開発者からの不満が最も集中する痛点である。 Fable 5 は適応的思考を強制し、思考連鎖をオフにできず、effort パラメータで思考深度を制御するしかない。Reddit コミュニティでは大量のユーザーが Fable 5 は "eating my Max plan" と不満を漏らしている。出力が極めて長く、思考が常にオンであるため、Token 消費が制御不能に陥るためだ。Fable 5 の料金は入力 $10 / 百万 Token、出力 $50 / 百万 Token、デフォルト 100 万 Token コンテキストであり、この消費速度は個人開発者に実質的な経済的負荷をかける。あるユーザーは、中規模のコードリファクタリングを行った際、Fable 5 の思考過程と問い返しの出力が数分で数十万 Token を消費したとフィードバックしている。Max 20x サブスクリプションプランでは、Fable 5 の消費速度が毎分 2 ドルに達し、予想を大きく上回ったと報告するユーザーもいる。

コミュニティのフィードバックによれば、Fable 5 の medium effort はしばしば Opus 4.8 の max effort をすでに超えている。これは単純なタスクを処理する際でさえ、Fable 5 は依然として大量の計算リソースを消費して深く思考することを意味する。予算が限られた開発者は、effort パラメータを厳密に使うか、単純なタスクでは Fable 5 の使用を避けなければならない。一部の開発者は実戦経験をまとめている。明確な CRUD 操作や単純な文字列処理には low effort を使用し、アーキテクチャ設計に関わる複雑なタスクでは medium または high effort を有効にする、というものだ。しかしそれでも Fable 5 の Token 消費は前世代モデルより著しく高い。

対話疲労も同様に開発者を悩ませている。 AI に開発者を面接させることはアーキテクチャ設計の質を高めうるが、対話ラウンドと時間コストを大幅に増加させる。目的が明確でパスがはっきりした CRUD タスクにとって、このソクラテス的な協働はむしろ負担となる。開発者はコード生成を進めるために AI の問いに絶えず答えなければならない。ペースの速いアジャイル開発環境では、この頻繁な対話による中断が開発効率の低下を招く可能性がある。単純なユーザー登録機能でさえ、Fable 5 の面接モードを使えば、パスワードポリシー、メール検証、ユーザーロールについて 5 ～ 10 問の質問に答える必要があるかもしれない。一方、開発者は単にプロトタイプを素早く生成したいだけかもしれない。Fable 5 の価値は複雑なエンジニアリングにおける盲点洗い出しにあり、すべてのシーンにおける汎用的な代替ではない。

安全分類器の誤検出もワークフローの一貫性に影響を与える。 公式は今後のアップデートで分類器の範囲を狭めることを約束しているが、現段階では正常な開発フローが安全ロールバックによって中断されるケースが依然として存在する。この体験の断絶により、一部の開発者は Fable 5 の安定性に疑問を抱いている。セキュリティ監査、ペネトレーションテストツール開発、バイオ化学データ分析など特定の分野では、開発者は頻繁に Mythos 5 に切り替えるか、信頼アクセスプログラムの審査を待つ必要が生じ、ワークフローの複雑性が増している。

指示エンジニアリングから未知管理へ: 開発者の新たなスキルツリー

Claude Fable の発売と実地ガイドの公開は、明確なメッセージを発している。すなわち、モデルはすでに十分賢く、今度は開発者の番だ。

開発者が培うべき新たな能力は、より厚いプロンプトを書くことではなく、未知を定義し、不確実性を管理し、AI の問い返しの中で自分の盲点を識別することだ。これは「指示エンジニアリング」から「未知管理」へのスキルシフトである。OmniTools は、こうしたワークフローの再構築は単なるパラメータ向上よりも破壊的だと考えている。

従来のプロンプトエンジニアリングでは、開発者は要件をより明確に、曖昧さなく記述することに注力する。一方、不確実性の管理においては、開発者は自らの認知の限界を認め、AI の問い返す力を活用してその限界を埋める必要がある。これには、開発者により高度な領域専門知識が求められ、AI が問いを投げかけた際に正確な判断を下せなければならない。AI が「この支払いコールバックは、ネットワークのジッターによる重複通知に対処する必要がありますか」と問い返してきたとき、開発者はその問題の深刻度を見極め、妥当な回答を行える必要がある。もし開発者自身が決済システムの境界条件について理解不足であれば、AI の問い返しでもその知識のギャップを埋めることはできない。

しかし、このメカニズムは万能ではない。その適用範囲は複雑なエンジニアリングやシステム設計にあり、単純なタスクでは過剰設計となる。AIがもはや全知全能を装わなくなったとき、開発者は自分自身の認知の空白に正面から向き合わなければならない。Fable 5の積極的な明確化メカニズムは、本質的にはインタラクション・コストとコード品質を交換するものである。アーキテクチャ思考に時間を割く意思がある開発者にとっては、このメカニズムは後工程での手戻りリスクを大幅に低減する。一方、迅速なイテレーションを追求するチームにとっては、このメカニズムは効率の足かせとなる可能性がある。

Fable 5からMythos 5の二本立て体制、そしてフィールドガイドの方法論の蓄積まで、AnthropicはAIと開発者の協業境界を再定義しつつある。モデルはもはや受動的な実行ツールではなく、積極的に思考する能力を備えた協業パートナーである。開発者の役割は「指示を書く人」から「未知を管理する人」へと変わる。この変化は、開発者が自らのワークフローを見直し、効率と品質の間に新たなバランスを見つけることを要求する。