Claude Fable 5 は結局どうなのか：性能・料金・制約を正直に

Anthropic の最上位モデル Claude Fable 5（モデル ID：claude-fable-5）。「最強モデルが来た」と煽る記事は多いが、実際に選ぶ立場からすると知りたいのは「他と比べて本当のところどうなのか」「いくらかかるのか」「何ができないのか」だ。ベンチマークの一位争いではなく、その3点を一次情報で正直に整理する。数値は執筆時点（2026年7月）のもの。

要点（先に結論）

• Fable 5 は Anthropic の最上位。ただし「最も賢い候補」であると同時に、最も高く・最も長考する（1ターンが数分に及ぶ）モデルでもある
• 料金は入力 $10 / 出力 $50（Opus 4.8 のちょうど2倍）。他社フロンティア（OpenAI GPT-5.6-sol $5/$30、Google Gemini 3.1 Pro $2〜4/$12〜18）と比べても明確に高い側。安さで選ぶモデルではない
• 1M コンテキストはもう横並び。各社が 1M 級を出しており、独自の売りにはならない
• 思考が常時 ON・新 tokenizer で同じ入力でも約30%多くトークンを消費・安全フィルタ（refusal）・ZDR 非対応…と制約は多い
• ぶっちゃけ：日常のタスクは Opus 4.8 や Sonnet 4.6 で十分。Fable 5 は「長時間・自律エージェント・最高精度が要る時」の道具
• ベンチマーク順位は水物（動かすハーネス次第で30〜50ポイント振れる）。数字で選ばないほうがいい

Fable 5 の立ち位置

Anthropic のラインナップは、上から Fable 5 → Opus 4.8 → Sonnet 4.6 → Haiku 4.5 と並ぶ。Fable 5 は「最も難しい推論と、長時間まわし続けるエージェント作業」に振った最上位で、その代わり価格も所要時間も跳ね上がる。Claude Code が内部で使っているのもこの Fable 5（effort¹ を xhigh に設定）で、Claude Code の応答がじっくり考える理由でもある。

重要なのは、「一番上のモデル＝常に正解」ではないという点だ。短い生成・要約・分類なら下位モデルのほうが速く安く、体感差もない。Fable 5 の価値は「他モデルでは崩れる難易度・長さ」で出る。

性能はどう違うのか（他 Claude・他社 AI と）

正直な但し書き：ベンチマーク順位は当てにしない

まず前提を誤魔化さずに書く。フロンティアモデルのベンチマーク順位は数ヶ月で入れ替わるうえ、同じモデルでも「どう動かしたか」でスコアが大きくブレる。 ここでいうスコアとは、たとえばコーディング評価なら「用意した課題を100問中いくつ解けたか」のような点数のこと。同じモデルでも、Claude Code のような作り込まれた実行環境（ハーネス）で回すか、素の自作ループで回すかで、この点数が十数〜数十点変わることがある——集計サイト自身がそう注意書きしている。だから「◯◯が1位」という数字で選ぶのは薦めない。実際に自分のタスクで数回試したほうが早い。

そのうえで、2026年年央時点で各社・各集計が主張している傾向をならすと、コーディング／エージェント領域は Claude 上位・GPT-5.6・Gemini 3.1 Pro の「三強」で、領域ごとに得意が分かれる、という程度のことは言える（断定はしない）。エージェントを長くまわす用途では Claude が強いとする集計が複数ある、くらいの温度感だ。

事実として言えること：料金は高い、コンテキストは横並び

順位より、変動しにくい事実のほうが判断に使える。

• 料金は他社比で明確に高い側。 一次情報で確認できたフロンティア最上位は GPT-5.6-sol が $5/$30、Gemini 3.1 Pro が $2〜4/$12〜18。Fable 5 の $10/$50 は入力で約2倍、出力でも上回る。DeepSeek のような低価格帯とは桁が違う。Fable 5 は「賢いが高い」枠で、コストで勝負するモデルではない
• 1M コンテキスト²は、もう優位性ではない。 Gemini も 1M 級、他社も追随済み。「大きい方だが標準になりつつある」が正確

※ 他社の正確なコンテキスト長は公式の価格表に明記がなく未確認。Grok・DeepSeek 等の単価は第三者集計で、公式一次では未確認。順位・数値は流動的なので参考に留める。 出典: OpenAI Pricing / Gemini API Pricing

今時点での制約

Fable 5 は「賢い」だけでなく、下位モデルより制約が多い。ここを知らずに乗り換えると詰まる。

• 思考が常に ON。 thinking は省略か {type: "adaptive"} のみ。{type: "disabled"} を渡すと 400 エラー。深さは output_config.effort（low〜max）で制御する
• 新 tokenizer³で約30%トークン増。 同じ入力でも Opus 系より約3割多くカウントされる。$10/$50 の単価差と合わせると、実コストは体感で2倍以上開くことがある。count_tokens で実測し直す
• 安全フィルタ（refusal⁴）。 研究レベルの生物・大半のサイバー領域を対象に分類器が作動し、stop_reason: "refusal" が返る。セキュリティツールや生命科学の周辺タスクで誤検知（false positive）が起きうるので、stop_reason を必ず確認する実装が要る
• ZDR（ゼロデータ保持）非対応⁵。 30日間のデータ保持が必要。保持ゼロの設定だと全リクエストが 400 になる。要件が厳しい組織は使えない
• 1ターンが数分に及ぶ。 難タスク＋高 effort では単一リクエストが十数分走ることもある。タイムアウト・ストリーミング・進捗表示の設計が前提になる
• アシスタント prefill 不可・sampling パラメータ不可。 temperature/top_p/top_k は 400。出力の型は structured outputs で縛る

料金

Fable 5 は表の中で最も高い。しかも新 tokenizer で同じ入力が約30%多く課金されるため、実質の差はこの表以上に開く。「精度がコスト差を正当化する用途」以外では、Opus 4.8 や Sonnet 4.6 のほうが費用対効果は良い。

いつ使う / いつ使わない

Fable 5 を検討する

• 数分〜数十分まわし続ける自律エージェント・大規模リファクタ・深いリサーチ
• 一発で正しく仕上げたい、精度がコストより重いタスク
• 1M コンテキストを本当に使い切る長文脈処理

Opus 4.8 / Sonnet 4.6 で十分

• 短文生成・要約・分類・チャット応答（体感差が出にくく、Fable 5 は割高＆遅い）
• コスト・レイテンシがシビアな本番 API
• ZDR が必須な組織（Fable 5 は使えない）

実装で変わる点（Opus からの移行）

API を自前で叩くなら、Opus 系のコードそのままでは動かない。要点だけ：

import Anthropic from "@anthropic-ai/sdk";
const client = new Anthropic();

const res = await client.messages.create({
  model: "claude-fable-5",
  max_tokens: 8192,
  output_config: { effort: "medium" }, // low / medium / high / xhigh / max
  // thinking は渡さない（常時ON）。temperature 等も渡すと 400
  messages: [{ role: "user", content: "..." }],
});

// stop_reason を先に確認（refusal だと content は空）
if (res.stop_reason === "refusal") { /* フォールバック or 修正 */ }
else { console.log(res.content[0].type === "text" && res.content[0].text); }

移行時に最低限やること：①thinking/temperature 等を除去、②refusal チェックを追加、③count_tokens でトークンを再計測して max_tokens・コスト見積もりを引き直す。

まとめ

• Fable 5 は最上位だが最も高く・最も長考するモデル。料金は他社フロンティアより明確に高く、1M コンテキストはもう横並び
• ぶっちゃけ、日常は Opus 4.8 / Sonnet 4.6 で足りる。 Fable 5 は「長時間・自律・最高精度」が要る局面の道具
• ベンチマーク順位は水物。自分のタスクで数回試して決めるのが一番速い

うちでは Claude Code（中身は Fable 5）や API を実務で使い倒しているので、モデル選定や AI 組み込みの相談はこちらから。

Footnotes

1. effort … Claude の推論の深さ・使うトークン量を段階指定するパラメータ（low/medium/high/xhigh/max）。高いほど賢くなりがちだが、時間もコストも増える。Claude Code は xhigh を既定にしている。 ↩

2. コンテキスト（context window） … 1回のやり取りでモデルが同時に読める入力＋出力の最大トークン量。1M＝約100万トークンで、長い資料やコードベースをまるごと渡せる大きさ。 ↩

3. tokenizer（トークナイザ） … 文章をモデルが処理する単位「トークン」に刻む仕組み。刻み方が変わると同じ文章でもトークン数が変わり、課金はトークン単位なのでコストに直結する。Fable 5 は新方式で従来比 約30%増。 ↩

4. refusal（stop_reason） … 安全分類器がリクエストを拒否した状態。HTTP は 200 のまま stop_reason: "refusal" が返り、出力前拒否なら content は空で課金されない。content を読む前に必ず stop_reason を確認する。 ↩

5. ZDR（ゼロデータリテンション） … リクエスト内容を一切保持しない運用設定。機密要件の厳しい組織が使う。Fable 5 は30日保持が必須で、ZDR 設定下では全リクエストが 400 になる。 ↩