2026年11月9日、AnthropicはClaudeの新しい最上位モデル「Claude Fable 5.2」と「Claude Mythos 5.2」を発表しました*1。発表の中で私が一番驚いたのはロボティクスの性能です。双腕ロボットをシミュレーションで動かすベンチマーク「RoboDojo Sim」で、Fable 5.2は64.9%を記録しました。前のFable 5.1は27.6%だったので、一気に2倍以上になっています*1。
Anthropicによると、Fable 5.2は明示的に学習していない作業でもロボットを動かせるようになったとのことです*1。先に結論を言うと、今回のFable 5.2は汎用のAIモデルがロボット制御専用のAIに追いつき始めたことを示す節目のモデルです。ただし数字はAnthropic自身の測定なので、企業はすぐに現場へ入れるのではなく、シミュレーションでの検証と業務の言語化から準備を始めるのが現実的です。
この話題は、私もXで紹介しました。
今なら、生成AIの基礎知識から社内導入の6ステップ・定着のポイントまでを1冊にまとめた「はじめての生成AI社内導入ガイド」を無料で配布中!何から始めればいいか分からない方でも、これ1冊で導入の流れがつかめます。
目次
ベンチマークとは|AIの実力を同じ物差しで測る試験
ベンチマークとは、AIモデルの性能を同じ条件で測るための試験問題のセットです。新しいモデルが出るたびに各社は複数のベンチマークの結果を公開し、前のモデルや他社のモデルと比べます。モデル選びのときに最初に見る数字と言ってよいと思います。
Fable 5.2の発表では、コーディング・業務自動化・コンピューター操作・知識労働・ロボティクスなど幅広い分野の結果が1つの表にまとめられています*1。分野ごとに何を測っているかを整理すると次の通りです。
| 分野 | 主なベンチマーク | 測っていること |
|---|---|---|
| エージェント型コーディング | FrontierCode 2.0、FrontierSWE v2 | AIが自分でコードを書き、修正し、課題を解き切れるか |
| 業務の自動化 | AutomationBench | ビジネスのワークフローを自動でこなせるか |
| コンピューター操作 | OSWorld 2.1 | 画面を見てPCを操作できるか |
| 知識労働 | AA-Briefcase v1.1、Remote Labor Index | 実務に近い調査・資料作成などの成果物の質 |
| 総合的な推論 | Humanity’s Last Exam | 専門家レベルの難問にどこまで答えられるか |
| ロボティクス | RoboDojo Sim | カメラ映像から双腕ロボットを制御できるか |
ここで押さえておきたいのは、ベンチマークの数字は「誰がどの条件で測ったか」で意味が変わる点です。Anthropicの表は各モデルで使える最も高いeffortで測った値が基本で、RoboDojo Simは社内で実行したと注記されています*1。数字そのものより、同じ表の中での差の大きさを見るのが読み方のコツです。
RoboDojoとは|双腕ロボットの操作を測るベンチマーク
RoboDojoは、汎用のロボット操作AIを評価するために作られた公開のベンチマークです。2026年7月5日にarXivで論文が公開され、シミュレーションの42タスクと実機の18タスクで構成されています*2。著者には香港大学、UC Berkeley、清華大学、スタンフォード大学、MITなどの研究者が名を連ねています*3。
| 項目 | 内容 |
|---|---|
| 公開 | 2026年7月5日(arXiv)*2 |
| タスク数 | シミュレーション42、実機18*2 |
| 評価する力 | 汎化・記憶・長い手順・精密さ・自由な指示への対応の5つ*2 |
| シミュレーションのロボット | ARX X5の双腕ロボット(左右のアームの間隔0.6m)*3 |
| シミュレーター | NVIDIA Isaac Sim/Isaac Lab*3 |
| 評価の回数 | 各タスク50回、合計2,100回*3 |
特徴的なのは、学習に使わないタスク群を最初から用意している点です。「Open」と呼ばれる自由な指示のタスクは学習データから外されていて、見たことのない作業にどこまで対応できるかを測ります*3。Fable 5.2が「学習していない作業でも動かせる」と言われる背景には、こうした評価の設計があります。
難しさも相当なものです。論文のリーダーボードでは、シミュレーションで最も成功率が高いロボット専用AI(VLAモデル)でも8.80%で、人間が遠隔操作した場合は76.03%でした*3。ロボット専用に作られたAIでも、まだ人間には遠く及ばないという位置づけのベンチマークです。
Claude Fable 5.2のロボット性能|数字をどう読むか
Anthropicが公開したRoboDojo Simの平均成功率は次の通りです*1。すべてAnthropicが同じ実行環境で測った値で、括弧内は測定時のeffortです。
| モデル | RoboDojo Sim 平均成功率 | Fable 5.2との差 |
|---|---|---|
| Claude Fable 5.2(Max) | 64.9% | — |
| Claude Opus 5.5(Max) | 39.4% | −25.5ポイント |
| Gemini 4 Argon(使える最高effort) | 34.2% | −30.7ポイント |
| GPT-6 Astra(Max) | 29.8% | −35.1ポイント |
| Claude Fable 5.1(Max) | 27.6% | −37.3ポイント |
Fable 5.1からの伸びは37.3ポイントで、他の分野と比べても飛び抜けています。同じ表のエージェント型コーディング(FrontierSWE v2)は56.3%から69.9%への伸びなので*1、今回のアップデートで一番伸びたのはロボティクスと言ってよさそうです。
Anthropicは、Fable 5.2が同じ実行環境で他社の最先端モデルを上回っただけでなく、ロボット制御専用に作られたAIの多くも上回ったと説明しています*1。デモとしてルービックキューブのようなパズルを解く、ボトルのキャップを開ける、ロボットの絵を描くといった作業も紹介されました*1。
数字を読むときの3つの注意
- 自社測定である — RoboDojo SimはAnthropicが社内で実行したもので、論文の公式リーダーボードに載った値ではありません。
- 比べた専用AIの名前は出ていない — 「専用AIの多くを上回った」とありますが、どのモデルと比べたかは発表文には書かれていません。
- 論文の数字とは直接比べにくい — 論文のリーダーボードでは専用AIの最高が8.80%です。64.9%とは差が大きすぎるため、実行環境や採点の条件が異なると見られます。
それでも、同じ環境で測った前のモデルとの差が2倍以上という点は軽く見るべきではありません。言葉で指示するだけでロボットの腕が動く世界が、研究の話から現場の検証の話に近づいてきたと私は受け止めています。
Fableシリーズの最初のモデルの性能や使った所感は、以下の記事で解説しています。
Claude Fable 5とは?Mythos級が初めて一般公開|性能・料金・実際に使った所感まで
AIとロボットの組み合わせが手の届く価格になってきた流れは、以下の記事でも紹介しています。
【革命的299ドル】Hugging Faceが切り拓く次世代ロボット時代:Reachy Mini注文開始でAI×ロボティクス市場に新風
Opus 5.5のベンチマークとFable 5.2の違い|料金と使い分け
「Opus 5.5のベンチマーク」を調べている方も多いので、Fable 5.2の発表の表からOpus 5.5との差を抜き出しました*1。同じ表の値ですが、一部の項目はeffortの条件が異なります(FrontierCode 2.0はXhigh、Remote Labor IndexのFable 5.2はHigh)。
| ベンチマーク | Fable 5.2 | Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
| FrontierCode 2.0(コーディング) | 49.1% | 45.5% | 42.8% |
| FrontierSWE v2(コーディング) | 69.9% | 62.3% | 65.5% |
| AutomationBench(業務自動化) | 51.4% | 42.5% | 41.4% |
| OSWorld 2.1 オフライン版(PC操作) | 89.3% | 87.2% | 79.5% |
| Remote Labor Index(知識労働) | 41.3% | 21.3% | 20.8% |
| Humanity’s Last Exam(ツールあり) | 74.2% | 67.7% | 57.2% |
| RoboDojo Sim(ロボティクス) | 64.9% | 39.4% | 29.8% |
PC操作やコーディングではOpus 5.5との差は数ポイントにとどまります。一方でロボティクスと知識労働(Remote Labor Index)では大きな差が付いています。なお知識労働の対戦形式の評価(AA-Briefcase v1.1のElo)ではOpus 5.5が1800でFable 5.2の1785を上回っており*1、すべての分野でFableが勝っているわけではありません。
料金の比較
| モデル | 入力(100万トークン) | 出力(100万トークン) | Fast mode |
|---|---|---|---|
| Claude Fable 5.2 | 8ドル | 40ドル | 16ドル/80ドル*1 |
| Claude Fable 5.1(参考) | 10ドル | 50ドル | —*4 |
| Claude Opus 5.5 | 4ドル | 20ドル | 8ドル/40ドル*5 |
Fable 5.2はFable 5.1から入力・出力ともに20%値下がりしましたが、それでもOpus 5.5の2倍の料金です*4*5。出力はFable 5.1より最大30%速くなり、既定のMedium effortでは5.1より少ないトークンで済むとされています*1。
Anthropic自身も、ほとんどの作業はOpus 5.5から始め、最も難しい作業だけFableやMythosに上げることを勧めています*1。私も同じ考えで、普段の業務はOpus 5.5、ロボット制御のような新しい領域の検証や大規模なエージェント処理だけFable 5.2という分け方が無駄の少ない使い方だと思います。
Opus 5.5の性能とeffortの選び方は、以下の記事で解説しています。
Claude Opus 5.5とは?料金・性能・effortの選び方と4モデル実機比較
Claude CodeでOpus 5.5とFable 5.2を実際に比べた結果は、以下の記事で解説しています。
Claude Codeとは?Opus 5.5とFable 5.2を実測比較|料金・使い方・活用事例
ロボットや設備の制御にAIを組み込みたいと考えている方も増えてきました。法人向けAIリスキリングサービスの導入社数No.1*の弊社デジライズが、AIコンサルティング&開発のサービス資料を無料でお送りしています。既製のAIサービスでは要件が満たせず、自社に合わせたシステム構築や環境の検討が必要な場合の進め方をまとめています。
※出典:株式会社東京商工リサーチ「法人向けリスキリングサービスに関する調査」(2026年5月/調査期間:2026年3月26日〜4月17日/調査方法:デスクリサーチおよびヒアリング/2026年3月末時点)
Fable 5.2の使い方|ロボット制御を試すまでの流れ
Fable 5.2はClaudeのアプリとClaude Platform(API)に加えて、Amazon Web Services、Google Cloud、Microsoft Azureでも使えます。APIのモデルIDはclaude-fable-5-2です*1。Proプランや標準のTeamシートでは、週の利用上限の最大50%までFableを使えます*1。
ロボット制御を試す場合、いきなり実機につなぐのはおすすめしません。私なら次の順番で進めます。
- シミュレーターで動かす — まずはIsaac Simのようなシミュレーション環境で、カメラ映像を渡して腕の動きを指示させます。
- 作業を言葉で定義する — 「ボトルのキャップを開ける」のように、成功の条件まで含めて作業を書き出します。
- 成功率を自分で測る — 同じ作業を何十回か繰り返し、自社の条件での成功率を記録します。
- 実機は安全柵の中で試す — 速度や力に上限を設け、人が近づかない環境で小さな作業から始めます。
大事なのは3つ目です。RoboDojoの数字は参考になりますが、自社の部品や照明、作業台の条件で同じ成功率が出る保証はありません。自分たちで測った数字を持つことが、導入判断の一番の材料になります。
企業での活用事例|フィジカルAIの使いどころ
今回の結果が示すのは、言葉で指示できる汎用のAIが、ロボットの「頭脳」の候補に入ってきたということです。これまでのロボット導入では作業ごとにプログラムを書いたり、専用のデータを集めて学習させたりする必要がありました。学習していない作業にも対応できる力が伸びれば、この準備の手間が減っていくと見られます。
企業で効果が出やすいと私が考えている使いどころは次の通りです。
- 多品種少量の仕分け・ピッキング — 品目が頻繁に変わり、毎回プログラムを書き直すのが負担になっている現場
- 研究・検査の補助 — 試料の移し替えやキャップの開閉など、手順は決まっているが種類が多い作業
- ロボット導入前の検証 — 実機を買う前にシミュレーションで「AIにどこまで任せられるか」を確かめる用途
- 設計・試作の支援 — Fable 5.2は短い指示から3つの電子機器を設計し、実際に動くものを作ったと発表されています*1
一方で、人のすぐ隣で重い物を扱う作業や、失敗が事故につながる作業はまだ早いと考えています。シミュレーションで64.9%ということは、裏を返せば3割以上は失敗するということです。最初は失敗しても困らない作業から始めるのが現実的です。
注意点|ベンチマークを導入判断に使うときの落とし穴
ベンチマークは便利な物差しですが、そのまま導入判断に使うと失敗します。特にロボティクスは、画面の中で完結するコーディングやPC操作より現実とのずれが大きい分野です。
- シミュレーションと実機の差 — RoboDojoにも実機の18タスクがありますが、Anthropicが公開したのはシミュレーションの結果です*1。
- effortの条件 — 64.9%は最も高いeffort(Max)での値です。速度や料金を抑えた設定では結果が変わると見られます。
- 応答速度 — ロボット制御では一つ一つの判断の速さも大事です。発表には制御の応答速度は書かれていないため、自社で確かめる必要があります。
- 評価されていると気づく問題 — Anthropicは、Fable 5.2とMythos 5.2が以前のモデルより「評価されている」と疑う発言をよくしたと報告しています*1。試験の結果と本番の振る舞いが一致するかは、引き続き見ていく必要があります。
Anthropicの安全評価では、高リスクの場面で危険な振る舞いをするリスクは最近のモデルと同程度に低いとされています*1。ただしこれは主にソフトウェア上の評価です。物理的なロボットを動かす場合は、AIの判断とは別に、緊急停止や力の制限など機械側の安全対策を必ず用意してください。
モデルごとの処理の深さの設定は、以下の記事で解説しています。ロボット制御のように試行回数が多い用途では、effortの選び方が料金に直結します。
AIの「Effort」設定とは?ChatGPT・Claude・Copilot・Geminiで処理の深さを使い分ける方法
まとめ
- 性能 — Fable 5.2はRoboDojo Simで64.9%を記録し、Fable 5.1の27.6%から2倍以上に伸びました。
- 比較 — 同じ条件でOpus 5.5は39.4%、GPT-6 Astraは29.8%で、ロボティクスは他社との差が最も大きい分野です。
- 料金 — 入力8ドル・出力40ドルで5.1より20%安くなりましたが、普段使いはOpus 5.5が基本です。
- 企業の備え — 数字はAnthropicの自社測定なので、シミュレーションで自社の成功率を測るところから始めましょう。
コーディングやPC操作の伸びに目が行きがちですが、私は今回のFable 5.2で一番大きな変化はロボティクスだと思っています。学習していない作業でもロボットの腕を動かせるなら、来年には事後学習なしでも現場で役立つフィジカルAIがかなり出てくるはずです。私のおすすめは、ロボットを持っていない企業もまずはシミュレーションで「自社のどの作業ならAIに任せられるか」を書き出しておくことです。私も手元のUnitree G1で早速試してみるつもりなので、結果はまたこのAI研究所で共有します。
参考資料
- *1 Anthropic「Introducing Claude Fable 5.2 and Claude Mythos 5.2」
- *2 arXiv「RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policies」
- *3 Hugging Face Papers「RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policies」
- *4 The Next Web「Anthropic launches Claude Fable 5.2 and Mythos 5.2, and cuts Fable’s price」
- *5 Anthropic「Introducing Claude Opus 5.5」
