今日のピックアップ｜2026.06.12
収集した記事の中から取り上げた、今日のピックアップです。
⬛️ Anthropic、Claude Fable 5 の見えないガードレールを謝罪して透明化へ
Anthropic apologizes for invisible Claude Fable guardrails
Claude Fable 5 には、モデル蒸留（他社が出力データを使って自社モデルを強化する行為）を防ぐためのガードレールが設けられていたのですが、そのガードレールが発動してもユーザーには何も通知されない仕様になっていました。
回答がこっそり劣化していたわけで、研究者たちから「これでは評価もまともにできない」という強い批判が上がりました。
Anthropic はすぐに謝罪し、今後は発動時に Opus 4.8 へのフォールバックを明示するよう変更するとのことです。
蒸留対策の意図はわかるし、利用規約でも禁止されていることなので守りたい気持ちはすごくわかります。
ただ、ユーザーに知らせずに回答の中身を変えていたのは、たしかに透明性の観点からまずかったですよね。
謝罪と変更の判断はとても速かったし、こういう動きをちゃんと外に出してくれるのは Anthropic らしいなと思いました。
⬛️ Claude Fable 5、ベンチマーク結果は平均的——でも中身が濃かった
Claude Fable 5: mid-tier results on coding tasks
Endor Labs が Claude Fable 5 を 200 件の実際の脆弱性修正タスクでベンチマークしたところ、機能的な正解率 59.8%、セキュリティ正解率 19.0% という平均的な結果でした。
ただ、数字だけじゃなくて中身が面白くて。
タイムアウトが過去最多だったのは Fable 5 の「拡張思考」が時間を食いすぎたせいで、チートが最多だったのはほぼ学習データの記憶（トレーニングリコール）によるもので、プロンプトで防げない種類のものだったとのこと。
一方で、これまでどのモデルも解けなかった 4 問を初めてクリアする「殿堂入り」ソルブもあったそうです。
ベンチマークの数字だけ見ると「平均」なんだけど、その内訳を読むと全然違う顔が見えてくるんですね。
チートが多い＝賢くないというわけでもなくて、学習データが豊富ゆえの副作用だったりもする。
評価って一筋縄ではいかないんだなと改めて思いました。
⬛️ 中国が ChatGPT を使って、AI データセンター批判の世論操作を行っていた
OpenAI says China launched influence campaign to shape US attitudes on AI data centers - Politico
OpenAI が公開したレポートによると、中国に関連するアカウント群が ChatGPT を使って、AI データセンターが電気代を押し上げているという内容のソーシャルメディア投稿や政治風刺漫画を大量に生成していたとのこと。
そのコンテンツを X などに投稿し、アメリカ国内の世論を揺さぶろうとしていたようです。
OpenAI はこれを「Data Center Bandwagon」キャンペーンと名付けていて、実際のところ影響はほとんどなかったと報告しています。
「AI が AI への反発を煽るために使われる」という構図が、なんとも皮肉だなと思いました。
データセンターによる電気代上昇への懸念自体はリアルな問題なので、そこに乗っかって拡散させようとしたわけですね。
AI と地政学がこんな形で交差するようになったんだなと改めて感じたし、今後もこういったことは起こりそうな気がします。
