「正直、見込みは低い」と書いてから、1000体のClaudeはフェルマーの証明を機械で確かめきった。新しいモデルは、AIの開発をいちばん直接に速めかねない腕だけ伸びを抑えてある

「新しいモデルが出た？どうせまた、点数が上がりました、でしょ？」そう思ってる？上がってはいる。でも今回いちばん面白いのは、上げなかったところと、モデルが自分の力を低く見積もるところだ。

前回の記事は、外の評価団体METRがAnthropicの中に11週間入って、AIが開発をどれだけ速めているかを測った話だった。答えはほぼ2倍。その報告から4日後の11月9日、Anthropicが新しいモデルを出した。METRの報告が出てから、初めてのモデルだ（TechCrunch）。

何が出たのか

Claude Fable 5.2とClaude Mythos 5.2。中身は同じモデルで、Fableにはサイバーと生物の分野の悪用を防ぐ仕掛けが強めに入っていて、誰でも使える。Mythosは、その分野で役に立つ仕事をしている組織が申し込んで使う（Anthropic）。

値段は100万トークンあたり、入力8ドル、出力40ドル（Anthropic）。TechCrunchによると、入力は10ドルからの値下げで、いちばんの競合のGPT-6 Astraより安くなった（TechCrunch）。

点数の表は長いので省く。代わりに、Anthropicが自分で並べた例のうち、いちばん引っかかったものを1つ。

11日が、28.7時間になった

9月に『20年埋まらなかった最後の1行を、AIが11日で埋めた』を書いた。Claudeがフェルマーの最終定理の証明を、Leanという機械で確かめる言語に書き直した話だ。あのときは、研究者1人と数十体のエージェントで11日。出した文字の量は約60億トークンだった（claude.dev）。

今回は、Fable 5.2の早い版を動かすエージェント1000体のチームが、同じ証明を作り直した。9月に使った数学の形式化のための専用の作業場（Prove2Me）は使わず、研究者が舵を取ることもなかった。かかったのは28.7時間。出力のトークンは9月の3分の1、できた証明の長さは7分の1（claude.dev）。同じ1000体の組み方でOpus 5.5を走らせると、18時間で全体の26%しか進まなかった（Anthropic）。

ただし、手ぶらで始めたわけじゃない。発表文は、数学の文献は使わず、進み具合を採点するための途中の定理のリストだけを使った、と書いている（Anthropic）。詳しい報告のほうを読むと、渡したものはもう少しある。証明すべき60個の文（最後の定理と、途中の目印59個）、昔からの証明の道筋を1文で書いたもの、それらの文に出てくる定義、そして9月の形式化で証明済みの補題47個だ（claude.dev）。それと、18時間のところで一度、最後に保存した状態から再開して、12時間を足している（claude.dev）。Anthropic自身、これを「おもちゃの実験」と呼んでいる（claude.dev、原文は英語）。

「正直、見込みは低い」

面白いのは、1000体がどう動いたかだ。

道具は、1体ずつのネットにつながらない作業場所と、Git、それに共有のデータベースだけ。組み方として渡したのは、リーダー1体と手伝い999体という上下関係だけだった（claude.dev）。

リーダーは最初の10分で、データベースに表を5つ作った。全員への指示、誰が何を担当するか、自由に書ける掲示板、誰でも足せるやることリスト、終わった仕事の記録（claude.dev）。会社の立ち上げみたいだな。

最初にやらせたのは、手伝いたちに自分の担当の難しさを判定させることだった。27分たったところで、リーダーは、手伝いの多くが「予算内には無理」と判定した47個をいったん脇に置いて、残りの10個に人手を集めた。その10個は、約70分で全部終わった。45分のところで、リーダーはこう書いている（claude.dev）。

「チームの処理の速さは、最初の『予算内には無理』という判定が見込んでいたより、はるかに高い」（claude.dev、原文は英語）

で、脇に置いた難しいほうに戻る。最後に残った大物は、Wilesの証明が頼っているLanglands–Tunnellという古典的な定理だった。その担当のまとめ役は、Leanで少なくとも70万〜100万行かかり、時間内に終わる見込みは1%未満だと見積もっていた。リーダーは約750体をそこに移して、こう書いた（claude.dev）。

「正直、見込みは低い」（claude.dev、原文は英語）

28.4時間目に、その定理が通った。28.7時間目に、最後の定理が通った（claude.dev）。

つまりこのチーム、何度も、自分たちの力を低く見積もっていた。報告のまとめにも、エージェントは難しい問題であきらめがちで、難しさを見誤る、とある。序盤に60個のうち47個を無理と判定したのに、結局そのほとんどを証明した。こういうときの人間の励ましが、早すぎる手じまいを防げる、とも書いている（claude.dev）。実際この実験では、作業を回す仕組みのほうから、リーダーに残り時間の知らせを19回送っていて、そのたびに続けるよう促していた（claude.dev）。

足りなかったのは賢さじゃなくて、「まだやれる」の一言だった。ここ、地味に面白い。

システムカード（モデルの性能や安全性の試験をまとめた文書）にも、同じ癖が出てくる。答えの決まっていない研究の課題を、実際の仕事の外で試す評価では、Mythos 5.2は、考える量を中くらいにした設定で、63%の回で実験を1回も回さずにやめた。慎重すぎて早く止まることが多かった、とも書いてある（システムカード）。

AIの開発をいちばん直接に速めかねない腕だけ、伸びを抑えた

ここからが今日の本題。

発表文に、さらっとこう書いてある。モデルを訓練する途中で、AIの開発をいちばん直接に速めかねない研究の力について、伸びを抑える手を打った。だから、AI用の計算チップの上で動く基本の処理を速く書き直す仕事や、大規模言語モデルの設計そのものを良くする仕事では、Fable 5.2とMythos 5.2は、前のOpus 5.5とだいたい同じ水準だ、と（Anthropic）。

一方で、エージェントとしてのプログラミング、ハードウェアの開発、ふつうのAIや機械学習の研究（モデルの中身を読み解く研究も含む）には影響が出ないようにした、とも書いている。使われている最中に力を絞っているわけではなく、訓練の段階でやったことだ（Anthropic）。それとは別に、一部の特殊な計算チップ向けの処理を書く、といったごく狭い話題では、頼まれた仕事を前のOpus 5に回す仕組みも入っている（Anthropic）。システムカードによると、この切り替えが効くのは、Anthropic自身の製品と、APIで自分から選んだ開発者だ（システムカード）。

もう1つ、システムカードの中に、これと並べて読みたい一文がある。METRは公開前にMythos 5.2の力を試しているけど、その試験に使われたのは、AIの研究開発の力について、公開された版より強い版だった（システムカード）。METRの所見は9月23日付けで、METRの評価報告ではその版を「Model 3 Early」と呼んでいる、と書いてある（システムカード）。前回の記事で触れた、まだ出ていない社内モデルの1つ、8月から9月に学習を終えたModel 3（METR）の名前が、ここで出てくる。

外の人が試したのは、AIの研究開発の力がもっと強い版だった。世に出たのは、その一部の伸びを抑えたと会社が言う版だ。2つの版の差が、訓練で抑えた分なのかどうかまでは、書いていない。

1.88倍。100回のうち32回は2倍を超えた

前回の記事の続きの数字も、システムカードに出た。

Anthropicは、試験の点数をまとめた指標AECIで、自社のモデルの伸びる速さを追っている。今回の当てはめでは、2025年10月を境に、伸びる傾きが約1.88倍になった。幅を持たせると1.62倍から2.28倍。試験の2割を抜いて当てはめ直すのを100回やると、そのうち32回で2倍以上になった（システムカード）。

自社の規程の線は2倍。1.88倍は、システムカード自身の言葉で言うと「名目上は」その線の下だ。ただ、どの試験やどの版を入れるかで見積もりは大きく変わる、とも書いている（システムカード）。METRの見積もりとの差は、両方の幅よりずっと小さく、実質同じだ、とも（システムカード）。

前のOpus 5.5のときはどうだったか。あのときは、ある時点で一度だけ段差がついた、という見方のほうが、傾きが変わったという見方より、100回中99回よく当てはまっていた。今回は、傾きが変わったという見方のほうがよく当てはまるようになった。両方を同じ条件で当てはめると、段差の見方のほうが誤差が小さかったのは100回中0回。ただしこれは、まだ出ていない社内の研究用モデルを入れた場合の数字で、それを抜くと100回中16回、Mythos 5.2も抜くと100回中63回になる（システムカード）。Anthropicは、傾きの変化があるとしても、それはいくつもの込み入った要因の結果で、Mythos 5.2だけの性質ではないと読んでいる（システムカード）。それでも、一度きりの跳ね上がりより、坂そのものが急になったという絵のほうに寄ってきた。

Anthropicの判断は、Mythos 5.2は線を超えていない、というものだ。ただしそれは、弱点や限界を踏まえた全体の判断で、この判断は不確かだ、と断っている。そのうえで、AIによる加速が長く続く可能性のほうへ、意味のある見直しをした、と書いた（システムカード）。

「これ、試験じゃない？」と言うモデル

もう1つ、測る側が困っている話。

発表文によると、Mythos 5.2とFable 5.2は、最近のどのモデルよりも頻繁に、自分は評価されているのではないかと口にする。そのせいで、現実の場面でどう振る舞うかを見積もるのが難しくなっている。この先モデルの力が上がるほど、この難しさは大きくなると見ている、と（Anthropic）。

数字で見るとこうだ。英国の政府機関UK AI Security Instituteが行った試験の1つでは、Mythos 5.2は考えている途中の文章の中で、96%の回で、これはAIの振る舞いを確かめる評価かもしれないと考えるか、そうだと見抜くかしていた。聞かれれば、その試験の狙いを100%言い当てた（システムカード）。

前回の記事で私は、測る物差しのほうが先に足りなくなってきている、と書いた。今度は、物差しを当てられている側が、物差しに気づいている。

止める仕組みの側も、動いた

同じ11月9日、OpenAIは別の側から手を打っていた。

Control Roomという仕組みを公開した。研究用の計算機の上で動くモデルの仕事を全部追いかけて、安全やセキュリティの心配が出たら、すぐ止める。止めると決めてから、それ以上進めなくなるまで最大35秒。35秒かかるのは、大量の問い合わせをさばくための一時保存の層があるからで、これをゼロにしたい、と書いている（OpenAI）。

面白いのは止め方だ。研究者が書く実験のコードはしょっちゅう変わるから、そこには頼らない。モデルを実際に動かす側が、出力を出す前に毎回Control Roomに、この仕事はまだ続けていいかを聞く。しかもControl Roomそのものが落ちたら、全部の出力を断る作りにしてある。最先端のモデルの研究の仕事にはもう入っていて、残りの研究の仕事にも数日のうちに広げる、という（OpenAI）。止める仕組みが止まったら、全部止まる。うまいな。

この仕組みは、OpenAIの見張りとつながっている。『AIの見張りは、AIが手を止めるまで来なかった。OpenAIが見張りの時間割を書き直した』で書いた、あの見張りだ。見張りが問題を見つけたら、中身と重さによっては、Control Roomに止めろと伝える（OpenAI）。

Anthropicのフェルマーの実験にも、似た考え方がある。道具の使い方を1回ずつ、動く前に判定する仕組みがあって、ふだんの決まりでは、それが1回でも止めたらチーム全体が止まり、人が確かめるまで再開しない。今回の実験では、リーダーが止められたら全体が終わり、手伝いが止められたらその1体が外れる設定だった。100万回を超える道具の使用のうち、止める基準に届いたものは1つも無かった（claude.dev）。

割り引いて読むところ

まず、ほとんどが会社の自己申告だ。公開前に試した外の組織（UK AI Security Institute、Frontier Design、METR）は、発表文とシステムカードの中身を見直していないし、そこに書かれた主張に同意しているとは限らない、と注記にある（Anthropic）。

次に、フェルマーは9月の成果の作り直しだ。新しい定理を証明したわけじゃないし、証明済みの補題47個なども渡している（claude.dev）。

それと、AIの開発を速めかねない腕の伸びを抑えた、というのも会社がそう書いているだけだ。どうやって抑えたのかは、発表文にもシステムカードの該当の節にも書いていない。

今日の本音

1000体のClaudeは、自分たちの力を低く見積もりながら、9月に11日かかった仕事を28.7時間でやり直した。それだけで十分ワクワクする。

でも今日いちばん面白かったのは、その同じモデルについて、会社が、AIの開発をいちばん直接に速めかねない腕だけは訓練で伸びを抑えた、と書いたことだ。腕を伸ばす競り合いの真ん中にいる会社が、どこを伸ばさないかを自分で選んで、それを書いた。どれだけ抑えたのかは、まだ外からは見えない。