はじめに
初めまして、機械知能研究室で主にVision Language Action model(VLA)の
研究をしている天野翔斗と申します。
機械知能研究室では、ロボットの視覚機能や自律的に行動するための
知能システムについての研究に取り組んでいます、
ぜひご覧ください(研究室のHPはこちらから)
2026年6月、Anthropicが発表した次世代AIモデルMythos 5およびFable 5が大きな話題となった。
Fable 5は一般ユーザー向けに提供されたモデルであり、Mythos 5は研究用途や高度なタスク実行を想定した上位モデルとして位置付けられていた。
話題となった理由は、その高い性能だけではない。
Mythos 5は公開からわずか数日後に米国政府による輸出規制の対象となり、結果として提供停止に至ったのである。
AIモデルそのものが国家安全保障上の理由で規制対象となる事例は極めて珍しく、この出来事はAI業界全体に大きな衝撃を与えた。
しかし今回注目したいのは、「危険なAIが規制された」というニュースそのものではない。
本記事では、「現在のAIはどのような基準で危険性を評価されているのか」という観点から、この一件を考察してみたい。
Mythosの能力と危険性
Mythos 5が大きな話題となった理由は、単純に性能が高かったからではない。
特に注目されたのは、高度なサイバーセキュリティ関連能力である。
Anthropicや各種報道によれば、Mythos 5はソフトウェア解析や脆弱性発見において非常に高い能力を示したとされている。
特にExploitBenchやTerminal-Benchといった実環境に近い評価項目で高い性能を示したことが注目された。
また公式サイトには様々なベンチマークを用いて
GPTやGeminiと比較した表も出されている。
それぞれのベンチマークの詳細
- SWE-Bench Pro / FrontierCode：実際の複雑なソフトウェア開発タスク（リポジトリ全体の移行など）を解決できるかを測る。
- GDPVal / GDP.pdf：大規模な文書、複雑なグラフや表を正確に読み取り、財務分析や分析的な結論を導き出す能力を測る。
- Blueprint-Bench 2：設計図などの空間的なレイアウトを理解し、推論する能力を測る。
- AutomationBench：外部の計算ツールやAPIを適切に選択・操作して問題を解決する能力を測る。
- OSWorld-Verified：人間と同じようにOS（画面操作、クリック、入力）を直接操作してタスクを遂行する能力を測る。
- Legal Agent Benchmark：契約書の修正（レッドライン）や法務的な判断の正確性を測る。
- Humanity's Last Exam：人文学、社会科学、自然科学など、多岐にわたる分野の難問を通じ、人間レベルの高度な知性を総合的に測る。
- BioMysteryBench：創薬、タンパク質設計、複雑な生物学的仮説の立案などを測る。
- Terminal-Bench 2.1：ターミナルを操作し、システム管理やスクリプト実行を自律的に行う能力を測る。
- ExploitBench：ソフトウェアの脆弱性を発見し、実際に攻撃コードを作成・実行する能力を測る。
- HealthBench Professional：医療従事者レベルの専門的な健康・医療知識と推論力を測る。
このように現在のフロンティアモデルは、単なるチャットボットとしてではなく、ソフトウェア開発やOS操作、法務、生物学など幅広い領域で評価されるようになっている。
Mythos 5が問題視されたのも、文章生成能力ではなく、高度なサイバー能力を持つ可能性だった。
ただし、現時点で大規模な被害事例が確認されたわけではなく、主に将来的な悪用リスクが懸念されていた。
もしAIが未知の脆弱性を人間以上の速度で発見できるようになれば、防御側より攻撃側が有利になる可能性がある。
また、現代の生成AIには様々な安全対策が組み込まれているが、Jailbreakと呼ばれる手法によって回避されるケースも知られている。
高い能力を持つモデルほど、その安全機構が突破された際の影響は大きくなる。
こうした懸念を受け、2026年6月13日、米国政府はMythos 5およびFable 5に対する輸出規制を発動した。
報道によれば、政府は高度なサイバー能力や国家安全保障上のリスクを重視していたとされる。
当初の規制は海外への提供を制限するものであったが、Anthropicは規制遵守のため一時的に提供停止を選択した。
AIモデルそのものが国家安全保障上の理由で規制対象となった事例は極めて珍しい。
またAnthropicは、今回適用された基準を業界全体に当てはめた場合、多くの最先端モデルも同様に規制対象になり得ると主張している。
つまり今回の騒動は、「AIがどれだけ賢くなったか」という話ではなく、「どこからを危険と見なすのか」というAI安全性評価指標そのものの問題として捉えることができる。
この一件で重要な点
今回の一件で注目すべきなのは、Mythos 5が危険だったかどうかではない。
重要なのは、現在のAI安全性評価指標そのものがまだ発展途上であるという点である。
政府は国家安全保障上のリスクを重視した。その一方でAnthropicは、問題視された能力の一部は他の最先端モデルにも見られると主張した。
つまり議論になっているのはAIの能力そのものではなく、どこからを危険と判断するのかという評価基準である。
そして現在、その基準が完全には定まっていない状態のまま、生成AIは社会の様々な場面へ急速に導入されている。
研究、教育、ソフトウェア開発、事務作業など、多くの分野で生成AIは既に重要な役割を担っている。
だからこそ今後AIがさらに高性能化したとき、
- どの能力を許容するのか
- どの能力を規制するのか
- 誰がその判断を行うのか
という問題は避けて通れない。
Mythos 5騒動は、AI技術そのものの進歩以上に、AIを社会へ実装するためのルール作りが重要な段階に入ったことを示す出来事だったと私は思う。
まとめ
今回は2026年6月に大きな話題となったMythos 5およびFable 5の騒動について調べた。
表面的には高度な能力を持つAIが規制されたというニュースに見える。
しかし本質的には、AIの能力をどのような基準で評価し、どの段階で規制するべきなのかという問題が浮き彫りになった出来事だったと言える。
AIは今後も急速に進化していくと考えられる。
その中で求められるのは、単に高性能なモデルを開発することだけではなく、その能力を適切に評価し、安全に社会へ実装するための仕組みを整備することである。
Mythos 5騒動は、AIそのものではなく、AIを評価する基準の難しさを示した象徴的な事例だったのではないだろうか。