Claude Mythos 5正式リリース3日で提供停止——SWE-bench 77.8%の最先端性能も中国関連アクセス疑惑で暗転

Anthropicが開発した大規模言語モデル「Claude Mythos」を巡る展開が急速に動いている。2026年4月7日の発表当初、Mythos Previewは高すぎるサイバーセキュリティ能力ゆえに一般公開されず、「Project Glasswing」の枠組みで招待制の研究プレビューとしてのみ提供されてきた。ところが6月9日、Anthropicはこの「封印モデル」級の性能を持つ「Claude Fable 5」と、安全対策の一部を解除した「Claude Mythos 5」を正式リリースし、両モデルとも一般提供に踏み切った。

正式版はほぼ全ベンチマークで最先端を記録

窓の杜の報道によれば、Fable 5とMythos 5はソフトウエアエンジニアリング、知識労働、ビジョン、科学研究など広範な分野でstate-of-the-artを達成した。象徴的な事例として、決済サービスのStripeが5,000万行のRubyコードベースを移行する作業で、人間チームが2カ月かけていた工程をFable 5がわずか1日で完了させた。ビジョン評価では『ポケットモンスター ファイアレッド』を視覚情報のみで最後まで攻略し、長文脈処理では『Slay the Spire』を用いた評価でファイルベースのメモリ活用時の性能向上幅がOpus 4.8の3倍に達したという。

脆弱性発見・エクスプロイト作成能力の突出

日経クロステックが報じたAnthropicの検証によると、Firefox 148で修正済みの既知脆弱性を突くエクスプロイト作成を250回試行したところ、Claude Sonnet 4.6は0回、Claude Opus 4.6は2回しか成功しなかったのに対し、Claude Mythos Previewは181回成功し成功率72.4％に達した。この能力はセキュリティ機能を明示的に訓練した結果ではなく、コーディング・推論・自律性の全般的な向上から自然に備わったとAnthropicは説明している。大和総研の坂本博勝氏のコラムでは、Mythosがオープンソースから数千〜数万件の脆弱性を発見したと報じられた一方、実際にパッチ適用が必要なほど深刻なものはごく一部にとどまるとの見方も紹介されている。

GPT-5.4も「公開値ではMythos優勢」と認める

日経クロステックの別記事では、ChatGPTのGPT-5.4 Thinkingに両モデルの性能比較を尋ねた結果が紹介されている。公開ベンチマークを突き合わせると「拮抗しているというよりMythosが一段上」との回答が得られ、共通する7種類のベンチマーク計8項目すべてでMythosが上回っていた。具体的にはSWE-bench Pro系列でMythosが77.8％、GPT-5.4 Thinkingが57.7％、Terminal-Bench 2.0ではMythosが82.0％、GPT-5.4 Thinkingが75.1％だった。OpenAIはこれに対抗する形でCyber版モデルの提供を進めているとされる。

正式公開3日後に提供停止、中国関連アクセス疑惑も

しかし一般提供の道は平坦ではなかった。exaBizの報道によれば、正式リリースからわずか3日後の6月12日、米国政府はFable 5とMythos 5について外国人アクセスの制限を発表し、Anthropicはすべての顧客への提供を急きょ停止した。さらに6月15日にはGIGAZINEの報道で、中国と関係のあるグループが不正にアクセスした疑いがあることが提供停止の理由として伝えられた。なお2026年4月にも、Mythos Previewに未承認ユーザーが第三者ベンダー環境を手がかりにアクセスした事例が既に報告されており、招待制の限定提供であっても管理体制の脆弱性が繰り返し露呈した形だ。

企業が備えるべきは「Mythos単体」ではない

大和総研の坂本氏は、Mythosの性能が総合的に優れているのは事実としつつも「ダントツのオンリーワンではない」と指摘する。スタンフォード大学の最新AIレポートでも各社の基盤モデルの性能差は縮小傾向にあると分析されており、GPT-5.5-CyberがMythosに劣らぬ性能で追随してきた事例が象徴的だ。企業が備えるべきは特定モデルへの依存ではなく、次々と登場する高性能モデル群への継続的な対応体制であり、Mythos騒動はその象徴的な一件として位置づけられる。