投稿者 投稿日: カテゴリー AIニュース
Devin開発元のCognitionが、Claude Fable 5を「一晩任せられる初のAIモデル」と評価しました。
Anthropicが2026年7月10日に公開した導入事例で、自律型AIエンジニア「Devin」を開発するCognitionのリサーチ責任者Silas Albertiが、Claude Fable 5を歴代モデルとの比較で率直に語っています。自社ベンチマークの最難関サブセットで前世代Opusの約3倍となる約30%のスコア、そして就寝前に指示を出して朝まで8時間走り続けたという実体験が根拠です。本記事は、EC事業者のAI導入支援を19年・5,000社超に提供してきた株式会社オルセル（うるチカラ運営）が、この評価の中身とビジネスへの意味を整理します。
「数分から1時間」だったエージェントの持続時間が一晩に伸びた
今回の評価で最も大きい変化は、エージェントが脱線せずに働き続けられる時間、いわゆるホライズンの長さです。Albertiによれば、Claude Fable 5より前のモデルに任せられたのは数分から長くて1時間程度で、それを超えるとセッションが迷走していました。5つの検討事項を同時に渡すと途中で混乱し、あるデータベース移行のタスクでは、前世代のOpusが作業自体は完了させたものの、細かいバグを静かに埋め込んでいたといいます。
Cognitionは2024年初頭にDevinを世に出した会社で、顧客には急成長スタートアップからFortune 500企業まで含まれます。Devinが書いたコードは本番環境でそのまま使われる前提なので、静かに混入した小さなバグが下流で実害を生みます。だからこそ同社は、ベンチマークの点数を鵜呑みにしない文化を徹底してきました。過去には「ベンチマークでは高得点なのに、実際に使うと崩壊する」モデルを何度も経験しており、Albertiは「私たちはどんな評価も信用しない」と明言しています。新モデルが来るたびに、社内でも目の利くエンジニアが丸1日実務に投入し、「そのコードを本当に残したいか」で判断する運用です。
その同社の実務検証で、Claude Fable 5は初めて「一晩任せる」ラインを超えました。Albertiは、寝る前に「起きるまで止まらずに作業を続けてほしい」と指示し、起床後に8時間分の実進捗を確認できたと述べています。数字の裏づけもあります。Cognitionが「テストは通るが実コードベースでは生き残らないコード」を弾くために自作したベンチマークFrontier Codeの最難関サブセットで、前世代Opusが約10%だったのに対し、Claude Fable 5は約30%を記録しました。チームの第一声は「バグではないか」という疑いでしたが、実務投入の体感が数字と一致したことで評価が確定しています。
なぜ重要か──「答えをでっち上げて止まる」問題の突破
この事例が業界的に重要なのは、スコアの伸びではなく、失敗の質が変わった点にあります。従来モデルの障害対応は、ログの表層をなぞって「最初にそれらしく見えた原因」を自信満々に報告して止まる、という型に陥りがちでした。エンジニアがAIの報告を聞き流すようになる悪循環の原因です。Claude Fable 5は、Cognition社内のデバッグツールを初めてまともに使いこなし、ブラウザ上でログを繰りながらノイズの中から結論を引き出したうえで、「分からないことは分からない」と報告したとAlbertiは述べています。移行作業では、自分が守るべき制約条件を先に宣言してから実行する挙動も確認されました。
Albertiはこの進化を、年に1度あるかどうかの本物のステップチェンジに分類しています。同氏が最初の飛躍として挙げるのは2024年後半のClaude 3.6 Sonnetで、ツールを連鎖させて複数ステップのタスクを保持できた最初のモデルでした。Devinに組み込むと社内利用が3倍になったといいます。そこから約2年で、「数分の自律性」が「一晩の自律性」まで来たことになります。
今後の動き──エージェントの9割が「先回り型」になるという予測
Cognitionの創業時の賭けは、エージェントはクラウド上で何時間も走り続けるべきだ、というものでした。創業から1年はモデル側の能力が追いつかず、この構想は寝かせられていましたが、Albertiは、Claude Fable 5でこの賭けの完全版が成立するようになったと述べています。すでに製品にも反映されており、DevinはSlackチャンネルを監視してメンションされなくても課題に自分から着手したり、本番環境の異常スパイクを自律的にトリアージしたりできるようになっています。同氏は、1〜2年以内にエージェントセッションの90%が「問題を見つけ、コードベースを走査し、修正案を持って人間に連絡してくる」先回り型になるという見通しも示しました。
EC事業の現場にとっても、これは遠い話ではないと考えます。カート改修や在庫連携ツールの修正といった、外注すると数週間待ちになりがちな開発バックログを、夜間にエージェントへ走らせて朝レビューする運用が現実味を帯びてきました。Fable 5がSonnet 5へ作業を委任するマネージャー型の運用や、Devinのデスクトップ版とマルチエージェント構成、GPT-5.6 SolとFable 5の価格性能比較と合わせて読むと、2026年後半のAI開発委託のコスト構造が変わりつつあることが見えてきます。日本国内のEC構築ベンダーがこの種の長時間エージェントをいつ標準装備するかは現時点で未確定（要確認）ですが、見積もりの前提が変わる流れ自体は不可逆とみています。
まとめ
Devinを2年運用してきたCognitionが、実務検証ベースでClaude Fable 5を「一晩任せられる初のモデル」と認定しました。自社ベンチマーク最難関で約10%から約30%への伸び、8時間の連続自律稼働、そして「分からないことを分からないと言う」報告品質が根拠です。ベンチマークではなく実運用の目で判断するという同社の姿勢ごと参考になる事例で、AIに任せる仕事の単位を「タスク」から「一晩」に広げて考える時期に来ています。
参考文献
- Anthropic・Working at the frontier: How Cognition trusts Claude Fable 5 to work through the night
- Cognition公式サイト
- Anthropic・Claude Fable 5 / Mythos 5 発表
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: Anthropic
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
