2026年、最も示唆に富むモデル比較は、ベンチマークの表ではありませんでした。あるプロダクト責任者が「モデルに問う質問」を静かに変えただけで、順位がまるごと入れ替わった——その事実そのものが示唆です。
Claire Vo氏(ChatPRD創業者、How I AIポッドキャストのホスト)が、OpenAIの新しいGPT-5.6シリーズ(Soul / Terra / Luna)とAnthropicのClaude Fable・Sonnetを直接対決させました。結果は番狂わせでした。
理論上もっとも賢いClaude Fableが、「一緒に仕事ができる」GPT-5.6 Soulに負けた。
この番狂わせが何を意味するのかを整理します。
【1】「感覚」を捨て、それでも70%を自分の審美眼に賭けた
vibe checkに飽きたVo氏は、日々の実務——PRD作成、プロトタイピング、多段階のデバッグ、エージェントとの対話——で本物のベンチマークを組みました。採点は2層構造です。
- LLM-as-judge：最も厳しい審査員としてGPT-5.5を採用
- 自分のtaste test：全成果物をクリックして読み、採点し、メモを書く
そして決定的な一手。最終スコアを 審美眼70% / 機械30% で加重しました。「これは私の番組。私は自分の審美眼のほうを信じる。」
第一の示唆です。ベンチマークは工学的に精緻になっていますが、最後に決めるのは人間のtasteです。ブラインドテストの目的はtasteを置き換えることではなく、tasteを正直にすることにあります。
【2】理論的な天才 vs 実践的に有効
純粋な知能ではFableは一流です。しかしVo氏の判定は、今年読んだ中で最も鋭いモデル評でした。
Fableは理論上ずば抜けて賢い。Soulは実践的に有効だ。
彼女はFableを「人間に会ったことのないエンジニア」と表現します。あらゆるリスクを採点し、あらゆる端を硬化させる——精密すぎて衒学的。あるケースでは、ツール呼び出しループを硬くしすぎて特定の1モデルしか動かせない状態にしてしまいました。自分自身を袋小路に最適化したのです。
Soulの強みは逆でした。同じ詰まった問題を、Codexに移して「議論せず、正しいと思うことをやれ」と伝えると、一発で直しました。
これはマネージャーの視点であり、レビュー全体の核心です。最も扱いにくい同僚は、間違っている人ではなく、理論上は優秀なのに何も仕上げられない人——木を見て森を見ず、自分の頭の中に閉じこもってしまう人です。
【3】協働可能性（collaborability）が一級の能力になった
その下に、より大きなものが横たわっています。モデルと協働できるかどうかは、モデルの能力の一部であり、あれば嬉しい程度のものではありません。
Vo氏のFableへの最大の不満は「話ができない」ことでした。出力が「エージェントによる、エージェントのための」もので、人間にはほぼ読めない。Soulへの最大の賛辞は「普通の人間のように書く」でした。(エージェントの声に本物の個性を求めるなら、彼女は今もSonnetを選びます。)
かつて私たちは「知能」と「使いやすさ」を別々に語っていました。両者は融合したのです。
【4】slopが新たな敵。「視点」があるものが勝つ
Vo氏の設計基準は容赦ありません——50件の書面フィードバックのうち14件が「ゴミ」。彼女が報いるのはユニークで、視点があり(opinionated)、機能するデザイン。罰するのはただ一つ、slop(AIっぽい手抜き)です。グラデーション、絵文字のプレースホルダ、em-dash、誰もが出す同じダークモードの等幅ダッシュボード。
彼女は「editorial」な美学まで名指ししました——ベージュ地に焦げたオレンジ、イタリックのセリフ。見覚えがあり、そして最下位。醜いからではなく、見慣れすぎていて視点がないからです。
示唆はこうです。生成がほぼ無料になると、「視点がないこと」自体が欠陥になる。 tasteとは、slopを拒む能力へと変わりつつあります。
【5】適材適所——そしてラインナップ戦略
GPT-5.6は1つのモデルではなく3つ：Soul(フロンティア)、Terra(バランス)、Luna(安価・大量処理)。価格も攻撃的で、Soulは100万トークンあたり$5/$30、Fableの$10/$50のおよそ半分です。
そして「最良の1モデル」は存在せず、タスクごとに最適な馬がいます。
| タスク | 彼女の選択 |
|---|---|
| プロトタイプ | Soul（最も機能的で視点がある） |
| 端的で明快なPRD | Terra（地に足がついている） |
| エージェントの声（人間らしい対話） | Sonnet |
| 複雑な多段階デバッグ | Sonnet（LLM審査員の評価） |
モデル選定そのものが、一つの手仕事になりつつあります。
【6】テキスト生成器から「オペレーター」へ
最後に彼女が見せたものが、本当の転換を指しています。GPT-5.6 + CodexをChrome(@Chrome)に接続し、LinkedInの約500件のメッセージを処理させ、長い講演を5本のソーシャル用クリップに切り、フォームを埋め、Webアプリをテストさせました。
モデルは「テキストをくれ」から「この仕事を最後までやってくれ」に変わったのです。オペレーターへと成長しつつある——AIの価値が「ツールの提供」から「成果の提供」へ移る、という大きな流れと韻を踏みます。
【まとめ】軸が動いた
| 旧来の軸 | 2026年の新しい軸 |
|---|---|
| どれだけ賢いか | 一緒に仕事ができるか（協働可能性） |
| ベンチマークのスコア | 実際に成果を出せるか（実践的有効性） |
| 機能の網羅 | tasteが合うか・slopを出さないか |
| モデル＝テキスト生成器 | モデル＝オペレーター |
このレビューは「今回はOpenAIがAnthropicに勝った」という一時的な勝敗の話ではありません。フロンティアモデルがどれも十分に賢くなったとき、差別化は「どれだけ賢いか」から離れ、協働可能性・実践的有効性・tasteの一致・slopの不在という、測りにくいが勝敗を分ける束へと移る——それが本質です。
そして最後の細部を見逃さないでください。最終審査員はGPT-5.5でも、どのLLMでもなく、自分のtasteを機械より70/30で重んじた一人の人間でした。モデルが強くなるほど、人間の判断はより前面に出るのです。
出典：Claire Vo氏のポッドキャスト「How I AI」— "GPT-5.6 Sol vs. Claude Fable"