Fable? Opus? Sonnet? 最適なClaudeモデルの選び方:公式ブログを読み解く
「このワークロードにはどのモデルを選ぶべき?」——Anthropicが最も頻繁に受ける質問のひとつだそうです。モデルクラスとバージョンが増えた今、答えはより繊細になっています。2026年7月24日付の公式ブログに、各モデルクラスの説明、選定時に問うべき質問、そしてベストプラクティスがまとまっていたので、整理します。
結論から:「賢いモデルから始める」が既定路線
細かい話を脇に置くと、公式のデフォルト推奨はシンプルです——利用可能な中で最も知的なモデルから始めて、エフォートレベル(effort level)で性能とコストを調整する。
理由は直感に反して面白いところです。トークン単価が高くても、タスク単価(cost-per-task)はより知的なモデルのほうが安くなることが多い——能力の高いモデルは、正解に到達するまでのターン数と思考時間が少なくて済むからです。特に低エフォート設定ではその傾向が強まります。さらに、小さいモデルから始めると「モデルの限界による失敗」と「セットアップの不備による失敗」の区別がつきにくい、という実務上の落とし穴も指摘されています。
もちろん、レイテンシやコストに敏感なユースケースが出てきたら下位クラスを試せばよく、逆に「最も安いモデルから始めて品質基準を満たすまでクラスを上げる」アプローチも公式ドキュメントでは並記されています。
Claudeモデルファミリーの4クラス
Mythos / Fable:Anthropicの最上位クラス。あらゆる領域でフロンティア級の能力を持ち、特にコーディング、長時間のエージェントタスク、そして「AIがこれまで確実には解けなかった問題」に強い。
面白いのは、同じ基盤モデルが2つのパッケージで提供されること——Mythosはデュアルユース(軍民両用)のサイバーセキュリティ・生物学を扱う信頼された組織向け(Project Glasswing経由でのみ提供)、Fableは一般公開に向けた追加のセーフガードを備えたパッケージです。どちらも、安全に使えるよう限定的なデータ保持が必須となっています。
Opus:推論負荷の高いエンタープライズタスク向けの強力なクラス。ナレッジワークのGDPval-AA、エージェンティックコーディングのTerminal-Bench 2.1といった主要ベンチマークで、常にリーディングモデルに名を連ねます。
Sonnet:日常タスク向けの万能クラス。性能・コスト・速度のバランスが良く、最も幅広い汎用ユースケースに対応。マルチエージェント構成での大量のサブエージェント役にも向きます。
Haiku:最安・最速のクラス。レイテンシとコストが重要な高頻度ワークロード向けです。
OpusとFable、どう使い分ける?
両方ともコーディング、長時間エージェント、ナレッジワークに優れているため、表面上は選択が悩ましいところ。公式の説明が示唆的です——ベンチマークスコアが近くても、Fableのような大きいモデルは実世界の場面で、より多くの「思慮深さ・創造性・文章力」を発揮する傾向がある。
判断の経験則は明快で、自社の評価(eval)や社内テストでOpusが一部タスクに苦戦するならFable。Opusがすでに品質基準を満たすなら、速度と価格の面でOpusが正解かもしれない。
選定のための4つの質問
重要な前提として、Claudeのモデルクラスは業種特化していません。「金融にはこのモデル、科学にはあのモデル」という推奨はなく、すべてのクラスがコーディング・エージェントタスク・ナレッジワークに秀でるよう訓練されています。クラス間の違いは「どれだけ難しい問題を確実に運びきれるか」と、その能力の価格・速度です。そのうえで、問うべきは4つ。
タスクはどれだけ難しいか? 時間がかかる、多段階、前例のない問題なら上位クラス
レイテンシ要件は? 高頻度の顧客対応ワークロードなら、多くの場合Sonnetが最適
アクセス制約は? MythosはProject Glasswing参加組織のみ。組織によっては役割ごとに使えるクラスを制限している場合も
ユニットエコノミクスは? 大量生産的な処理は、評価で品質が確認できるなら下位クラスが適切なことも。トークン単価はモデルごとに異なり、タスク単価は能力とエフォートレベルで変わる
エフォートレベルも品質・速度・コストのバランスを左右します。上位クラス×高エフォートは最高性能、上位クラス×低エフォートは小さいモデルより効率的なことすらある——これが「賢いモデルから始めろ」の裏付けです。
アドバイザー戦略:モデルの強みを組み合わせる
もうひとつ注目すべきが「アドバイザー戦略」。高速・低コストのワーカーモデルが、必要なときだけ、より知的なモデルを呼び出して計画のチェックや成果物の評価をしてもらう構成です。実例として、SWE-bench Proにおいて、Sonnet 5にFable 5をアドバイザーとして付けると、Fable 5単独のスコアの10%以内の成績を、Fable 5をフル使用した場合の63%の価格で達成したとのこと。「全部を最上位モデルで」でも「全部を安いモデルで」でもない、第三の選択肢です。
ベンチマークの限界と、自前評価(eval)のすすめ
モデル選定の判断材料は2つ——標準ベンチマークとカスタム評価です。ベンチマークは方向性を掴むには有用ですが、OpusやFableのような強力なモデルはテストのほぼ全問を解けてしまう「飽和(saturation)」が起きます。差が見えなくなるわけです。
そこで公式が推奨するのは、実ワークロードでの使用か、自前の評価——本番業務から選び抜いた問題セット(現行ツールでは歯が立たない難題を含む)に、チーム自身が定義した成功基準を組み合わせたもの。フロンティアモデルの能力と創造性が互いに差を見せ始めるのは、まさにこの領域だそうです。
まとめ
この記事の要点を一枚にすると:①迷ったら最も賢いモデル+エフォートレベル調整から(タスク単価で見れば安いことが多い)、②クラスの違いは業種ではなく「運びきれる問題の難易度」、③OpusとFableの分岐点は自社evalでOpusが苦戦するかどうか、④コスト最適化にはアドバイザー戦略という中間解がある、⑤最終判断は飽和したベンチマークではなく自前の評価で。モデル選定を「なんとなく上位=高い、下位=安い」で済ませていた人にとって、「タスク単価」と「eval」という2つの物差しを持ち帰れる記事です。
INNOOV株式会社について
この記事は、AtlassianやIntercomなどのSaaS導入支援と、AIを活用した業務プロセス改善を行うINNOOV株式会社がお届けしました。「自社でもこんな仕組みを作ってみたい」「ツール導入を相談したい」という方は、お気軽にお問い合わせください。