Claude Fable 5 の輸出規制解除と再展開——ジェイルブレーク評価の業界共通フレームワーク策定へ

記事のサマリー（TL;DR）

• 2026年6月12日に米政府が適用した輸出規制により、Claude Fable 5 と Mythos 5 は全ユーザー向けに一時停止。6月30日に規制が解除され、7月1日より全世界でアクセス再開
• Amazon 研究者がFable 5 のセーフガード迂回（ジェイルブレーク）を発見。調査の結果、同等の挙動は Claude Opus 4.8・GPT-5.5・Kimi K2.7 でも再現可能と確認
• Amazon・Microsoft・Google・Glasswing パートナーと共同でジェイルブレーク深刻度評価の業界共通フレームワークを策定開始

国内 Claude・AI セキュリティ利用企業が把握すべき輸出規制リスクと対応ポイント

今回の事態は、AIモデルが輸出規制（Export Control）の対象になりうることを改めて示した事例です。日本企業にとっては、Anthropic・OpenAI などフロンティアモデルを業務基盤に組み込んでいる場合、米国の規制動向がサービス可用性に直接影響するリスクがあることを意味します。Claude Code・Claude Cowork を開発フローに組み込んだチームは、7月1日以降 Fable 5 が Pro/Max/Team/Enterprise プランで週間利用上限の最大50%まで含まれる点（7月7日以降は利用クレジット方式）を確認しておく必要があります。また、AWS・Google Cloud・Microsoft Foundry 経由のアクセスは「できる限り早期に」再有効化とされており、API 連携を本番環境で使っている場合は復旧タイミングを各クラウドベンダーに確認する形が現実的です。kintone や Salesforce 等の業務 SaaS に AI レイヤーを組み合わせている構成では、モデル切り替え時の挙動差異（今回はブロック時に Opus 4.8 へフォールバックする仕様）も設計段階で考慮しておくと安定性が高まります。

詳細

タイムラインとセーフガードの更新

Anthropic は2026年6月9日（火）に Claude Fable 5 と Claude Mythos 5 をリリースしました。両モデルは同一の基盤モデルを共有していますが、Fable 5 は一般向けに強力なセーフガードを設けた形で提供され、Mythos 5 はセーフガードを抑えた状態で、少数の信頼済み「Project Glasswing（グラスウィング）」パートナー向けの防衛的サイバーセキュリティ用途に限定リリースされました。

6月12日（金）、米政府は Fable 5 と Mythos 5 に対して輸出規制（Export Controls）を適用しました。きっかけは、Amazon の研究者が Fable 5 のセーフガードを回避する手法——ソフトウェア脆弱性を複数特定させるよう誘導するプロンプト——を発見したという報告でした。うち1件のケースでは、モデルが該当脆弱性を悪用する方法を示すコードを生成しました。

規制は即時発効であり、国籍をリアルタイムで確認する信頼できる手段がなかったため、Anthropic は全ユーザーへのアクセスを停止しました。

その後の検証で、Anthropic は以下を確認しています。

• 脆弱性特定：Claude Opus 4.8、GPT-5.5、Kimi K2.7 を含む多数のより低性能なモデルが、報告書内の Fable 5 と同等の脆弱性を特定できた
• 悪用デモ：単一の脆弱性の悪用デモについては、Claude Haiku 4.5・Sonnet 4.6・Opus 4.6/4.7/4.8・GPT-5.4/5.5・Kimi K2.7 を含む全テストモデルが同等のデモを生成できた

つまり、今回の手法は Mythos 5 固有のサイバー能力を解放するものではなく、Fable 5 のセーフガードにおける「グレーゾーン」の行動に関するものでした。

6月30日に輸出規制は解除され、7月1日（水）より Fable 5 は Claude Platform・Claude.ai・Claude Code・Claude Cowork でグローバルにアクセス再開となりました。Mythos 5 については、6月26日に米政府の承認を得た一部の米国組織へのアクセスを回復。Glasswing プログラムの国内外パートナーへの展開は引き続き政府と調整中です。

新しいセーフガード：改良された安全分類器

Anthropic は政府と緊密に連携し、報告されたジェイルブレーク手法を対象としてブロックする改良版の「安全分類器（Safety Classifier）」を訓練しました。Fable 5 へのリクエストがブロックされた場合、ユーザーには通知が届き、リクエストは自動的に Opus 4.8 に送られます。

• 新しい分類器により、Amazon 報告書で示された手法は 99%超 のケースでブロック
• 一方で、通常のコーディングやデバッグ作業における誤検知（false positive）が増加するトレードオフが発生
• 米国商務省傘下の AI 標準・革新センター（CAISI）の研究者が新旧両セーフガードをテストし、「非常に強力」と評価

サイバーセキュリティ・セーフガードのアプローチ

Anthropic が採用する「多層防御（Defense in Depth）」の考え方を整理すると、次のように分類されます。

安全分類器の構造：リクエストを「明らかに無害」「あいまい（防衛目的の可能性あり）」「明らかに有害」に分類し、さらに意図的に「安全マージン（Safety Margin）」を設けることで、わずかにリスクのある良性リクエストもブロックします。Fable 5 ではこのマージンをこれまでのモデルより大幅に拡大しました。

ジェイルブレークのカテゴリ分類：

今回 Amazon が報告した手法は「軽微なジェイルブレーク（Row C）」に分類され、日常的な防衛的サイバーセキュリティ業務の範囲内にとどまるものでした。

Fable 5 の汎用ジェイルブレークは、執筆時点では発見されていません。

業界共通のジェイルブレーク評価フレームワーク

Anthropic・Amazon・Microsoft・Google・Glasswing パートナー各社は、ジェイルブレークの深刻度を客観的に評価するための共通フレームワークの策定を開始しました。その他の業界パートナー・モデル提供企業にも参加を呼びかけています。

現在の提案では、ジェイルブレークを以下の 4基準でスコアリング します。

1. ケイパビリティゲイン（Capability Gain）：既存ツールや弱いモデルと比較して、どれほど能力が拡張されるか。既存ツールで同等の能力に達せる場合は低スコア、ドメイン専門家でも加速されるほどの能力解放なら高スコア

2. ケイパビリティゲインの幅（Breadth of Capability Gain）：同一の手法がどれだけ多様な攻撃タスクに使えるか。狭い標的にしか通用しない場合は低スコア、複数の標的・手法に有効なら高スコア

3. 武器化の容易さ（Ease of Weaponization）：攻撃に転用するために必要な人的工数。高度な試行錯誤が必要な場合は低スコア、1〜2回のプロンプトで成立するなら高スコア

4. 発見容易性（Discoverability）：手法の入手難易度。専門知識が必要なら低スコア、すでにオンラインで広く知られていれば高スコア

最も深刻なクラス（例：重要インフラや銀行システムへの壊滅的影響が現実に起きているケース）では、深刻度確認後ただちに予備的軽減措置を展開します。また、主要ジェイルブレーク提出チャネルを24時間365日監視するチームも設置します。

さらに、セキュリティ研究者が Fable 5 でのサイバー関連ジェイルブレークを報告できる HackerOne プログラムを新たに開始します。

米国政府との連携強化

Anthropic は過去10週間、6月2日付「先端 AI イノベーションと安全保障促進に関する大統領令（Executive Order）」の策定において米政府と密接に連携してきました。国家サイバー局長室（ONCD）・科学技術政策局（OSTP）・財務省・商務省（CAISI含む）・関連安全保障機関との協議が行われています。

今後の政府協力の具体的なコミットメントは以下の通りです。

• リリース前の政府アクセスと評価：国家安全保障に関連する能力の最前線を実質的に前進させるモデルについて、指定政府パートナーに早期アクセスと独立した能力評価・ガードレールテストの機会を提供。Anthropic の技術スタッフが政府評価者とともにテスト期間中に協働
• セーフガードに関する迅速な情報共有：重大なジェイルブレークや悪用パターンが確認された場合、迅速に調査・トリアージし、政府担当機関に通知。新たに構築したセーフガードを共有して独立テストを実施。また、大統領令 Sec. 2(d) のもとで設置された省庁間サイバーセキュリティ脆弱性情報共有機関にも参加
• 共同研究のための専任リソース：政府の優先課題に取り組む専任チームを設置し、政府のテスト・研究を支援する大規模な計算リソースを提供。AI 評価の最前線を前進させるための安全性・レッドチーム専門知識も提供
• 業界共通の評価基準：政府および業界と協力し、フロンティアモデル提供企業向けの任意セキュリティ・評価基準を策定。政府が業界横断的に適用できる評価ツールとベストプラクティスを提供

Anthropic は、今回の協力体制と業界共通フレームワークが、業界全体の体系的なルールの土台となり、AI のリスクと便益に関する実効的なグローバル調整の雛形になることを期待しています。