2026年7月、フロンティアAIを牽引する2社が、わずか10日の間に相次いで新フラグシップモデルを市場に投入した。Claude Fable 5は7月1日頃に一般提供を開始し、GPT-5.6は7月9日にそれに続いた。両社のリリース時期がこれほど重なるのは珍しい——通常は片方のリリースサイクルがもう片方とずれるものだ。おかげで、異例なほどクリーンな横並び比較が可能になった。マーケティングページではなく、実際の数字が語る内容をまとめた。
結論を先に
| Claude Fable 5 | GPT-5.6 Sol | |
|---|---|---|
| 一般提供開始 | 2026年7月1日頃 | 2026年7月9日 |
| Artificial Analysis 知能指数(max) | 60 | 59 |
| SWE-Bench Pro | 80.3% | 未公開 |
| TerminalBench 2.1 | 83.4% | 88.8%(Sol Ultra: 91.9%) |
| Artificial Analysis コーディングエージェント指数 | 77 | 80 |
| コンテキストウィンドウ | 100万+トークン | 公式未確認 |
| 価格(入力/出力、100万トークンあたり) | $10 / $50 | $5 / $30 |
| タスクあたりコスト(最大推論) | Solの約3倍 | 約$1.04 |
どちらのモデルも全領域で圧勝しているわけではない。これが実際の話であり、勝者を一方的に決めつける見出しよりもずっと興味深い点だ。
まったく異なる製品戦略
両社は単に異なるモデルを出しただけでなく、製品の「かたち」そのものを違う方向に設計した。Anthropicは一般利用向けのフラグシップを1つ(Fable 5、いわゆる「Mythosクラス」ティア)投入しつつ、最も要求水準の高いワークロード向けに、さらに上位のMythos 5も同時に発表した。OpenAIは正反対の方向を選んだ——Sol・Terra・Lunaという3つのティアを同時展開し、予算帯ごとの選択肢を広げた。フロンティア級のSolから、大量・低価格ワークロード向けのLuna(100万トークンあたり$1/$6)まで揃えている。
この構造的な違いは、個々のベンチマークよりも重要だ。Anthropicは「きちんとしたモデル1つに対価を払う」意志のある本格的なユーザー層に賭けており、OpenAIはワークロードの種類が多様すぎるため、価格帯そのものが生の性能と同じくらい重要だという方向に賭けている。実際、OpenAIはGPT-5.6でMMLU・GPQA・AIMEといった従来型の学術ベンチマークの公開を丸ごと見送った。こうしたスコアはもはやトップクラスのモデルを区別できないという理屈で、代わりにエージェント的かつ実タスクベースの評価に重点を置いている。
コーディング:「どのコーディングか」で結果が変わる
ここから比較は本当に面白くなる。両モデルはスコアが違うだけでなく、得意とするコーディング作業の「種類」自体が異なるからだ。
未知のコードベースを読み、実際のGitHub issueを理解し、実際に通るパッチを生成する能力を測るSWE-Bench Proでは、Claude Fable 5が80.3%を記録した——Anthropicの前フラグシップであるClaude Opus 4.8(69.2%)はもちろん、GPT-5.5(58.6%)も大きく上回る数字だ。OpenAIはこの特定のベンチマークについてSolのスコアを公開していない。Anthropicがこの指標にどれだけ重きを置いているかを考えると、これ自体が注目に値する。
コマンド実行、ツールの連鎖呼び出し、生のシェル環境での操作の流暢さを測るTerminalBench 2.1では結果が逆転する。GPT-5.6 Solは88.8%(高効力設定の「Ultra」では91.9%)を記録し、Fable 5の83.4%を上回った。
より広範なエージェント的コーディングタスクの集計指標であるArtificial Analysis コーディングエージェント指数では、Solが80点、Fable 5が77点とわずかにSolが優勢だ——実運用上は通常の変動範囲に収まる差だが、数字上は実際の優位である。
端的に言えば、大規模で未知のコードベースでGitHub issueを解決するのが主な仕事なら、Fable 5の数字の方が説得力がある。シェルを直接操作し、CLIツールを連鎖的に呼び出し、ビルドパイプラインをオーケストレーションするエージェント的なターミナル作業が主な仕事なら、現時点ではSolに分がある。
総合知能:実質的な大接戦
タスク別ベンチマークを取り除き、総合的な推論能力を捉えるよう設計されたArtificial Analysis 知能指数を見ると、両フラグシップの差はわずか1点だ——Fable 5が60点、GPT-5.6 Solが59点。Terraは55点、Lunaは51点で、いずれもはるかに低いコストで前世代のフロンティアモデルと十分競争力を保っている。
総合指数での1点差は、実務上意味のある性能差ではない。この数字が実際に物語っているのは、OpenAIがかつてAnthropicのフロンティアモデルとの間にあったより大きな差を縮めたこと、そしてそれをFable 5に対しタスクあたりコストを約3分の1に抑えながら実現したという点だ。
本当の見出しは価格性能比
これらのモデルの上に実際に何かを構築する人にとって、最も重要な数字はこれだ。最大推論モードで、GPT-5.6 SolはArtificial Analysis知能指数の方法論に基づくとタスクあたり約**$1.04**のコストと推定されており、同じ指数でFable 5にわずか1点しか及ばない。定価ベースで100万トークンあたり入力$10/出力$50のFable 5は、比較可能なタスクでおおよそその3倍のコストがかかる。これはSolの$5/$30というレートに対するFable 5の$10/$50というレートをそのまま反映したものだ。
1日に数千件のエージェント的タスクを実行するチームにとって、この差は急速に積み上がる。Solで1日$1,040かかるワークロードは、総合知能がほぼ同等であるにもかかわらず、Fable 5ではおよそ1日$3,000かかる計算になる——ただし上記のコーディングベンチマークが示す通り、「ほぼ同等」という表現の裏には、実際に何をするかによって生じる本当の差が隠れている。
コンテキストウィンドウとビジョン
Claude Fable 5は確認済みの100万+トークンのコンテキストウィンドウを提供する。大規模なコードベース、長文ドキュメント、長いエージェントの対話履歴を分割せず一度に処理する際に有用だ。画像・チャート・図表に対する推論をテキストと合わせて試験するマルチモーダルベンチマークMMMU-Proでも92.7%という高いスコアを記録している。
本稿執筆時点で、OpenAIはGPT-5.6系列の公式なコンテキストウィンドウ数値を公開していないため、この軸での直接比較は難しい。
では、どちらを使うべきか
唯一の正解は存在しない。唯一の正解があると言う人は、タスク別の実際の数字を見ていない。
- 未知のコードベースにおける複雑なソフトウェアエンジニアリング(実際のGitHub issue解決、大規模リファクタリング):Fable 5のSWE-Bench Proでの優位性がより関連性の高いシグナルとなる。
- エージェント的なターミナル・シェルベースのワークフロー(CLI自動化、ビルド/デプロイパイプライン、DevOpsエージェント):SolのTerminalBenchおよびコーディングエージェント指数での優位性により、特に大規模運用ではより効率的な選択肢となる。
- コストに敏感な大量ワークロード:TerraとLunaはFable 5より大幅に低コストでありながら、前世代のフロンティアモデルと十分競争力を保つ——特にLunaは、ピーク性能よりも価格が制約条件となるワークロードを明確に狙っている。
- 一度に処理すべき長文ドキュメントや大規模コードベースの取り込み:OpenAIがGPT-5.6のコンテキスト上限を明確にするまでは、確認済みの100万+トークンを提供するFable 5の方が安全な選択だ。
結論
今回の話の核心は、どちらか一方がもう一方に「勝った」ということではない。核心は、フロンティアにおける差が縮まり、2つの先頭ラボの間で総合知能指数における1点差がもはや例外ではなく標準になったという点だ。実務においてGPT-5.6とClaude Fable 5を実際に分けるのは、生の知能ではなく「かたち」——各モデルがどの具体的タスクに最も注力してチューニングされたか、そしてその差にいくら払う意思があるかだ。ほとんどのチームにとって正直な答えは、どちらかの会社の見出し数値を鵜呑みにするのではなく、自分たちの実際のワークロードで両モデルを直接ベンチマークしてみることだろう。
よくある質問
GPT-5.6とClaude Fable 5、総合的にどちらが賢いか? Artificial Analysis知能指数ではほぼ互角だ——Fable 5が60点、GPT-5.6 Solが59点で、わずか1点差であり実務上意味のある違いではない。どちらも明確な総合勝者とは言えない。
コーディングにはどちらのモデルが優れているか? どの種類のコーディングかによる。未知のコードベースで実際のGitHub issueを解決する能力を測るSWE-Bench Proでは、Fable 5が上回る(80.3% 対 Sol未公開)。エージェント的でシェルベースのタスク完遂能力を測るTerminalBench 2.1(88.8% 対 83.4%)およびArtificial Analysisコーディングエージェント指数(80 対 77)では、GPT-5.6 Solが上回る。
どちらのモデルが安いか? GPT-5.6 Solの方が明確に安い。100万トークンあたりの入力/出力価格は$5/$30で、Fable 5の$10/$50より低い。最大推論モードでのタスクあたりコストも約$1.04で、同じ方法論におけるFable 5の約3分の1の水準だ。OpenAIの下位ティアであるTerraとLunaはさらに安価だ。
Claude Fable 5とGPT-5.6、コンテキストウィンドウが大きいのはどちらか? Claude Fable 5は確認済みの100万+トークンのコンテキストウィンドウを提供する。本稿公開時点で、OpenAIはGPT-5.6の公式コンテキストウィンドウ数値を公開していない。
出典
- Anthropic: Claude Fable 5 and Claude Mythos 5
- OpenAI: GPT-5.6 — Frontier intelligence that scales with your ambition
- Artificial Analysis: GPT-5.6 benchmarks across Intelligence, Speed and Cost
- The Decoder: GPT-5.6 Sol nearly matches Fable 5 on aggregated benchmarks at one-third the cost
- The Decoder: Anthropic’s Claude Fable 5 dominates new industry benchmarks at a steep premium
- BenchLM.ai: Claude Fable 5 vs GPT-5.6 Sol — Benchmarks, Pricing, Speed
- TechCrunch: OpenAI launches its new family of models with GPT-5.6