Anthropic、Fable 5の生物学ブロックを85%削減｜Claude Codeは17%どまり

「cancer」という単語で仕事が止まる免疫学者がいた。The Registerが4月に報じた事例では、免疫学の研究者が自分の専門領域の質問をするたびにClaudeの安全分類器（ユーザーの入力やモデルの出力を読んで「通す／止める」を判定する小さなAI）に引っかかっていたという。

同じ記事には、「Application Security Architect」という職種名がセキュリティツールとパターンマッチして履歴書の編集を断られたケースも載っている（出典: The Register、2026年4月23日）。

Anthropicは8月7日、この過剰拒否のうち生物学に関する部分に手を入れたと発表した。分類器の「constitution」を書き直して再訓練し、社内テストで生物学関連のフォールバックを約85%削減したという（出典: Anthropic公式、2026年8月7日）。

ただし、この85%がそのまま開発者の体感になるわけではない。同じ発表の中に、Claude Codeでの削減幅は約17%、Claude Platform（API）では約7%という数字が併記されている。

Fable 5の生物学分類器で8月7日に変わったこと

Fable 5は、そもそも生物学の質問をほぼ全面的にブロックした状態で公開された。これは事故ではなく意図的な設計だ。Anthropicは、Fable 5が複雑な生物学タスクで専門家を上回る場合があり、生物兵器の製造者に「significant uplift（大幅な底上げ）」を与えうると評価していた。他所では得られない能力だ、というのが同社の判断である（出典: Anthropic公式、2026年8月7日）。

そこで同社は、極端に広い分類器をかけたまま公開し、研究を続けながら範囲を絞り込むという順序を選んだ。公式の言い方では、非常に広い分類器から始めたことで「ユーザーにFable 5へのアクセスを提供しながら、その精緻化に向けた研究を続けられた」となる（同発表）。

代償は誤検知だった。過剰ブロックは一種のネタとして扱われ、Fable 5は「赤ちゃんがどうやってできるのかにも答えない」と揶揄されていた（出典: unite.ai、2026年8月8日）。

8月7日の変更でAnthropicが実際に手を入れたのは、分類器のconstitutionだ。これは「何を安全対策の対象とし、何を許可するか」を定義するルールセットで、モデル本体の憲法（Constitutional AI）とは別に、分類器の判断基準として書かれている。社内外の多様な専門家からフィードバックを集めた上でこれを書き直し、良性のユースケースに対する例外を細かく切り出した。改訂後のルールを反映した訓練データを新たに生成して、分類器を訓練し直している。公式の表現では「分類器が反応する良性の生物学関連リクエストは大幅に減る」（同発表）。

なぜClaude Codeは17%しか減らないのか

Anthropicが公表した削減幅は次のとおりだ。いずれも社内テストに基づく見込み値で、実測の保証ではない。

対象	削減幅（社内テストでの見込み）
生物学関連のフォールバック（全体）	約85%
Claude.ai の全フォールバック	約67%
Cowork（Claudeのエージェント型ワークスペース）の全フォールバック	約55%
Claude Code の全フォールバック	約17%
Claude Platform（API）の全フォールバック	約7%

（出典: Anthropic公式、2026年8月7日）

生物学に限れば85%減。だがサーフェス別に見ると、削減幅はClaude.aiからClaude Platformに向かって急速に小さくなる。

これは「Claude Codeの生物学ブロックだけ緩和が弱い」という意味ではない。分母が違うのだ。Claude.aiに寄せられる質問には健康や生物学の話題が多く、そこで起きていたフォールバックは生物学起因の比率が高い。一方、Claude CodeやAPIで起きるフォールバックの多くは、コードやセキュリティなど生物学以外の要因で発生している。生物学の網を緩めても、そちらは動かない。

つまり開発者がコーディング中に遭遇する中断の大半は、今回の変更の対象外に残っている。

フォールバックの仕組み：Opus 5に落ちる、そして戻らない

そもそもFable 5の「ブロック」は、拒否メッセージが返ってくる形をとらない。別のモデルに回される。

前提として、Fable 5はAnthropicの最上位モデルで、Opus 5とOpus 4.8はその下に位置する。生物学分野でFable 5ほどの能力を持たないモデルに退避させることで、リスクの高い領域だけ性能に蓋をする、という設計だ。上位モデルの料金を払っている側から見れば、格下の回答が返ってくることになる。

Anthropicのヘルプセンターによると、安全分類器が反応する対象は4つある。攻撃的サイバーセキュリティ（エクスプロイト、マルウェア、攻撃ツールの作成）、デュアルユース生物学（ウイルス学、毒性学、創薬、分子設計）、蒸留攻撃（モデルが内部で考えた要約を吐き出させ、他モデルの学習に流用する試み）、フロンティアLLM開発（分散学習、MLアクセラレータ設計、カーネル開発）だ（出典: Claude Help Center、2026年8月10日閲覧）。

宛先は領域によって分かれる。生物学・化学・生命科学はClaude Opus 5、攻撃的サイバーセキュリティはClaude Opus 4.8だ。

実務上、見落とすと痛いのが次の3点になる。

1. チェック対象は最新のメッセージだけではない。 ヘルプセンターは「チェックはモデルが読むすべてを対象とし、最新のメッセージだけではない」と明記している（同ヘルプセンター記事）。メモリ、コネクタ経由のコンテンツ、Web検索結果、ファイルが含まれる。自分は生物学の話を一言も書いていないのに、読み込ませたPDFやWeb検索の結果が引き金になることがある。

2. 一度切り替わると、その会話ではOpusのままになる。 モデルピッカー（画面上のモデル選択欄）はその会話の残りの間Opusに留まる。手動でFable 5に戻すことはできるが、元のリクエストが会話に残ったままだと同じ安全対策が再び作動してまたフォールバックしうる。会話を切って作り直すほうが早い場面がある。

3. APIの挙動は別物だ。 API利用者では自動切り替えが既定で有効になっていない。フォールバックを設定していない場合、モデルはHTTP 200のレスポンスに stop_reason を付けて返してくる。エラーコードで検知するつもりのエラーハンドリングでは、これは素通りする。

自動切り替えを止める・検知する手順

Claudeアプリでは、自動切り替え自体をオフにできる。設定 > Capabilities の「Switch models when a message is flagged」だ。オフにすると、ブロックされたリクエストは自動で切り替わる代わりに停止する。勝手に格下のモデルで回答されるより、止まってくれたほうが気づける、という考え方はある。誤検知だと思ったら「Send feedback」から報告できる。

APIで検知する場合は、例外ではなくレスポンス本体を見る。分類器が作動したときのレスポンスはこの形だ。

# HTTP 200 で返ってくる。例外は投げられない
if response.stop_reason == "refusal":
    # 分類器による拒否。stop_details.type で分岐する
    log_refusal(response)

stop_reason の値やフォールバック設定の詳細はClaude APIの拒否はHTTP 200｜stop_reason refusalとfallbacks実践ガイドにまとめてある。今回の緩和でPlatformのフォールバックが7%減ったとしても、残る93%に対する備えは変わらず必要になる。

なぜFable 5は生物学をほぼ全面ブロックして公開されたのか

慎重さの背景には、Anthropic自身の能力評価がある。「一部の生物学タスクで専門家を上回る」という自己評価と、生物兵器製造への大幅な底上げを与えうるという判断だ。

Forkastは、8月7日という同じ日にスタンフォード大学のチームがAIによるウイルスゲノム設計の研究を『Science』誌に発表したと指摘している。同メディアは、Anthropicが危険な生物学クエリへの制限を締めながら教育・健康の質問への制限を緩めたことを、偶然ではなく戦略的な動きだと論じ、「Anthropicが答えを出そうとしている問いは、AIが生物学をこなせるかどうかではなく、アクセスの条件を誰が握るかだ」と書いた（出典: Forkast、2026年8月8日）。

この見立てを全面的に採るかどうかは別として、クローズドな安全アーキテクチャが「リスク低減」と「オープンウェイトのモデル群に対する差別化」の両方として機能しうる構図は指摘しておきたい。Anthropicのオープンウェイトに関する立ち位置はAmodei氏のオープンウェイト3提案にも表れている。

PMとしての理解では、今回の変更は「安全性を下げた」というより「安全対策の粒度を上げた」ものに近い。広すぎる網を投げて全部拾う運用から、ルールを書き直して選別する運用への移行だ。選別のコストは訓練データの作成と再訓練であり、これを繰り返し回せるかどうかは残る課題になる。

それでも残る影：デュアルユースと「trusted access」の約束

緩和されたのは日常領域だ。検査結果の解釈、症状の理解、教育目的の生物学学習が主で、医療従事者は臨床業務でFable 5の支援を受けやすくなったとされる（出典: ITmedia NEWS、2026年8月8日）。

一方、専門的な生物学研究と創薬は依然としてFable 5の対象外に置かれている。ウイルス学、毒性学、分子設計はOpus 5へのフォールバックが続く。Anthropicは審査を通った研究者向けの「trusted access」でこのギャップを埋めるとしているが、8月10日時点でこれは方針の表明であって、一般に開かれた窓口ではない。米Tech Timesは記事見出しで「臨床医には開かれたが、研究者は約束を待っている」と表現している（出典: Tech Times、2026年8月8日）。

研究者に対して事前告知なく制限がかかる構図は、Fable 5の秘密制限問題で一度問題になっている。今回のように変更が公表されるだけでも前進ではある。

Anthropicが公式に認めている限界もある。「分類器の安全マージン（安全側に余裕を持たせた判定の幅）の中に落ちる、リスクは非常に低いのに分類器が反応してしまうリクエスト」、つまり誤検知は不可避的に残る、という記述だ。85%減は「ゼロになった」ではない。

実ユーザーの声：過剰拒否は何を止めていたか

過剰拒否がどれだけ実害を出していたかは、記録に残っている。ただし以下の多くはFable 5の生物学分類器ではなく、Claude Opus 4.7で問題になったAUP（利用規約）分類器に関する報告である。同じ「過剰拒否」でも作動している仕組みは別だという点は先に断っておく。いずれも公開されている第三者の報告で、筆者が再現を確認したものではない。

LSU Cyber Centerディレクターの Golden G. Richard III 氏は、Claudeが自分のサイバーセキュリティ演習資料の校正を拒否した件について「月200ドル以上払っているのだから、編集作業の基本的な手伝いくらいは拒否されないと期待している」と書いている（金額は米国での支払額に関する同氏の申告）。単純な暗号演習への拒否は「absurd（ばかげている）」とも述べた（出典: The Register、2026年4月23日）。

同記事によれば、誤検知の申告は従来の月2〜7件から4月だけで30件超に跳ね上がった。報告の内訳には、標準的な計算構造生物学がポリシー違反として弾かれ「4.6からの後退」と指摘されたもの、ロシア語のプロンプトが繰り返し拒否されたもの、玩具の広告PDFのコンテンツストリーム構文が禁止パターンにマッチして読み込みを拒否されたものが含まれる。

フォールバックそのものへの不満もある。X上では @jumperz 氏がOpus 4.8への自動切り替えについて「フォールバックの回答のためにFableのプレミアムを払っている」と投稿し、@fcoury 氏はリリース直後のFable 5と比べて「同じモデルとすら思えない」と疑問を呈した（出典: explainx.aiが紹介した投稿より。原典の投稿は筆者未確認）。上位モデルの料金を払っているのに下位モデルの回答が返る、という構図への抵抗感は、生物学の話とは独立して残っている。

肯定的な声がないわけではない。同じ記事では Andrew McCalip 氏（X）が実リポジトリに対するプルリクエストの質を「wild, crisp, comprehensive, FAST（荒々しく、切れがあり、網羅的で、速い）」と評価しており、モデルそのものの評価と分類器への不満は分けて語られている。8月7日の発表に対するSNSの反応も賛否が割れており、「そもそもFable 5がOpusにフォールバックすること自体がおかしい」という前提への反発が目立った。

拒否の多さがモデル評価そのものを引き下げた例は、Claude Sonnet 5がフロップ扱いされた件でも起きている。ベンチマークが良くても、止まるモデルは使われない。

自分ならこうする：フォールバックを前提に設計する

自分（電脳狐影）の結論は、フォールバックは異常系ではなく通常系として設計に組み込む、というものだ。理由は3つある。

1つ目は、今回の緩和が構造の変更ではないからだ。分類器の境界が動いただけで、分類器が入力を読み、条件に当たれば別モデルに回すという構造は変わっていない。境界は今後も動く。しかも動く方向は生物学と同じく「締めてから緩める」順序になる可能性が高い。Fable 5公開時のガードレール論争から2か月かけて、今回ようやく生物学の緩和が来た。この時間感覚を前提にしたい。

2つ目は、APIで自動切り替えが既定オフである以上、検知を自前で書くしかないからだ。HTTP 200で返ってくる以上、ステータスコードだけを見るハンドリングは通り抜ける。ここは今回の7%減とは無関係に必要な実装になる。

3つ目に挙げたいのは、フォールバックの判定が「読んだもの全部」を対象にしている点だ。Web検索やコネクタを有効にしたエージェントを回している場合、自分が書いていないテキストが引き金になる。プロンプトの言い回しを工夫するだけでは制御しきれない領域が残る。

日常利用のチューニングとしては次を採る。Claudeアプリでは自動切り替えをオフにして、勝手に下位モデルで回答されるより止めてもらう。Claude Codeで作業する場合は、セキュリティ寄りのタスクと機能実装のタスクを意図的に分ける。「exploit」「bypass」といった語を含む調査を機能実装と同じ会話に混ぜない、という単純な運用で、切り替わったあとの会話が丸ごとOpusに固定される事故は減らせる可能性がある。ただし分類器の内部でどのシグナルが効いているかは公開されていない。この運用は公開情報と第三者の報告から逆算した経験則であって、Anthropicが推奨する手順ではない。

企業でClaudeの導入可否を検討している場合、判断材料は「自社の業務が今回の緩和の対象かどうか」に尽きる。ヘルスケアの問い合わせ対応や社内教育コンテンツなら今回の変更で通りやすくなった。創薬や毒性評価を含む研究開発なら状況は変わっておらず、trusted accessの提供時期も未定だ。コーディング支援が主用途なら、17%という数字が示すとおり、体感はほとんど変わらないと見ておくのが安全だと考える。

---

関連記事

• Claude Fable 5公開: SWE-Bench 80.3%の実力とガードレール論争
• Claude APIの拒否はHTTP 200｜stop_reason refusalとfallbacks実践ガイド
• Claude Fable 5の秘密制限問題｜研究者への告知なし性能低下の全貌
• 「コマンドを拒否し反論する」Claude Sonnet 5がフロップ扱いされた理由
• UK政府機関がGPT-5.6を6時間でジェイルブレイク｜Fable 5より深刻でも停止しない非対称な規制対応

---

本記事の情報は2026年8月10日時点のものです。分類器の挙動とフォールバックの宛先モデルは予告なく変更される場合があるため、最新の仕様はAnthropic公式発表およびClaudeヘルプセンターを参照してください。記載の削減率はいずれもAnthropicが公表した社内テストに基づく見込み値であり、筆者が独立に検証したものではありません。引用した英語のコメント・記事は筆者による翻訳で、意訳を含みます。X上の投稿は二次ソース経由の引用であり、原典は筆者未確認です。本記事は医療・診断に関する助言を提供するものではありません。健康に関する判断は必ず医療従事者にご相談ください。

※ 記載の会社名・製品名は各社の商標または登録商標です。