AnthropicのBug-Scopeリーク：1つのバグを修正し、そのクラスについて問い合わせるモデル

現在のAnthropicのリークで最も興味深い文は、知能についてではない。範囲についてだ。2026年10月19日にX上で伝えられた報告によると、Anthropicは、単一のバグを修正するよう求められたときに、その背後にあるより広範な問題群を特定し、さらにそれらにも対処すべきかどうかを尋ねることができるモデルを準備している。これはモデルがどこで止まるかについての主張であり、どれだけうまく推論するかについての主張ではない——そしてそれは、本番環境にあるあらゆるコーディングエージェントの断層線に直接触れる。今日Claude Opus 5.5で構築されているものも、人々がすでにClaude Fable 5.5で動作すると想定しているものも含まれる。Claude Fable 5.5は、説明されているモデルの未確認候補だ。Anthropicはそのようなモデルを発表も命名もしておらず、日付も示していない。識別子も料金表もモデルカードも評価も存在しない。以下で報告されている挙動に関する内容はすべて未検証の単一情報源による報道であり、現在のラインナップに関する以下の内容はすべてAnthropic自身の文書によるものである。このような報道の背景にある、文書化されたAIの障害やコーディングエージェントのインシデントは、OrcaRouter AI Incident Archive に収集されており、各項目には独自の情報源、重大度、確信度の格付け、異議ありフラグが付いている。

ここでは言葉遣いがいつも以上に重要だ。同じ報告書に対する二つの要約が、二つの異なる挙動を説明しているからだ。仕様書のように読める方——一つのバグ、その背後にあるクラス、作業範囲を広げるべきかという問い——は、私たちに届いた中継に現れている。10月19日に読んだその報告書の公開集約版には、別の一節がある。モデルが「より優れた直感と推論を備え、背後にある意図を見抜け、既成概念にとらわれずによりよく考えられる」というものだ。これらは同じ主張ではない。一方はモデルがより多くの作業を提案することについてで、他方はモデルがあなたの意図を読み取ることについてだ。同じモデルについて両方が真であり得るが、月曜の朝に差分がどう見えるかを変えるのは片方だけであり、分解して検討する価値があるのはそちらだ。

主張が実際に述べていること、そして述べていないこと

形容詞を取り除くと、この報告が描写しているのは三段階の振る舞いだ。モデルには一つの欠陥が与えられ、その欠陥からパターンへと一般化し、そのパターンを黙って修正するのではなくユーザーに提示する。第三の段階こそが、これをベンチマーク上の主張ではなく設計上の主張にしている。あらゆる事例を静かに修復するモデルは、影響範囲が無制限な自律エージェントになってしまう。パターンを見つけて問いかけるモデルは、タスクの範囲を変える提案をしているのであり、それは注意深いエンジニアが行うことであって、不注意なエージェントに一方的に許すべきことではない。

また、それはまだ誰にも採点できない主張でもある。「クラスを正しく特定した」ことと「存在しないパターンをでっち上げた」ことを対比して測る公開タスクセットは存在しない。どちらの振る舞いもトランスクリプト上では同じに見える。モデルはリストを返してくる。そのリストが本物の一般化なのか、自信満々のハルシネーションなのかは、全項目を読んで初めて決着する。そしてそれは、本来モデルがあなたの手間を省いてくれるはずだった作業だ。

報告書が述べていないことも、同じくらい重要だ。モデル名はない。API識別子もない。価格、コンテキストウィンドウ、出力上限もない。その挙動がデフォルトなのか、モードなのか、呼び出し側が要求しなければ得られないものなのか、何の示唆もない。そして、いかなるベンダー確認もない——Anthropicのニュースルームは2026年10月7日のClaude Haiku 5.5以降、新モデルについて何も公表しておらず、Claude Platformのモデル概要には依然としてちょうど4つのモデル、Claude Fable 5.1、Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5だけが掲載されている。

「より広いクラス」が「より良い推論」とは異なる主張である理由

「より良い推論」は無難な主張だ。どの世代もそのように説明され、公開指標で測定される。後継モデルがより高いスコアを出しても、ニュースになるというより想定内のことだ。一事例から一般化するのは別の操作であり、それが興味深い理由は、ソフトウェアで実際に最もよく見られる単一の欠陥パターンだからだ。

典型的な例はインジェクションだ。あなたは1つのハンドラにある未サニタイズのクエリを1件報告する。その背後にあるクラスは、同じ方法でクエリを組み立てる他のすべてのハンドラである。これを以前に見たことのある人間のレビュアーなら、その1つのハンドラを直して終わりにしない。パターンをgrepし、そしてその修正がこのチケットに属するのかを問う。同じことをするモデルは、修復ではなくレビューを行っている。出力はパッチではなく、所見である。そして所見は、チケットの範囲を広げる権限を持つ人が意思決定に関与していて初めて役に立つ。

• 申し立てが示す内容 — 1つの欠陥を前提として、パターンを特定し、行動する前にそれを提起する。

• 通常の修正がすること — あなたが指定したコードを変更し、そこで止まる。

• 不注意なエージェントがやりがちなこと — あなたが指定したコードを変更したまま作業を続け、気づいたときには差分が最初の知らせになる。

・レポートが未解決のまま残している点 ― 「asks」が、インタラクティブセッションにおける進行をブロックする質問を指すのか、それとも完了した変更に付加される注記を指すのか。

その最後の行で、漏えいは評価可能ではなくなる。それら二つの読み方の違いは、変更管理を尊重するツールと、自らのスコープクリープを事後に文書化するツールとの違いである。

A​nthropic自身のガイダンスはすでにこの問題の両面にまたがっている

主張がランダムではなく信憑性を持つ理由はここにあります。AnthropicがClaude Code向けに公開しているガイダンスは、ある箇所ではまさにこの直感を求めており、別の箇所ではそれに警告しています。そして、その2つの助言は1段落によって隔てられています。

「根本原因に対処し、症状には対処しない」は、Claude Codeのベストプラクティスガイドに記載されている戦略の1つで、ビルド失敗を例に説明されています。エラーを修正してビルドが成功することを確認し、エラーを抑制してはいけません。これは、報告された個別の事例だけにとどまらず先を見るよう求める直接の指示です。数節前で、同じガイドは「タスクの範囲を定める。どのファイル、どのシナリオ、どのようなテストの好みを指定する」と述べており、一般的なテストではなく、1つのエッジケースをカバーするテストを依頼する例を挙げています。その理由として、Claudeは意図を推測できるものの、あなたの心を読むことはできないからだと説明されています。

このガイドはdiffのサイズにも一線を引いている。変更が複数ファイルに及ぶ場合やアプローチが不確かな場合には、プランモードはそのオーバーヘッドに見合う価値があり、「diffを一文で説明できるなら、プランは省け」としている。一つのバグをクラス全体に広げるモデルは、構造上、一文のdiffをプランに変えていることになる。したがって、このリークが描写する挙動はAnthropicの製品哲学にとって異質なものではない。それは、同社が掲げる二つの原則が衝突する瞬間であり、その衝突は現在、モデルではなくユーザーによって解決されている。

この主張がもっともらしいのには、もう一つ、あまり心地よくない理由がある。Anthropic 自身のドキュメントは、モデルは作業が終わったように見えると止まること、そしてモデルが実行できるもの——テストスイート、ビルドの終了コード、フィクスチャとの diff——がなければ、「終わったように見える」が唯一利用可能なシグナルであることを率直に認めている。一つのバグからクラス全体へ一般化するモデルは、「終わったように見える」を超えたシグナルを見つけたモデルである。これはその能力を支持する最強の論拠であり、それに基づいて行動する前に問いかけることを支持する最強の論拠でもある。

今日、実際に意思決定が行われているのはどこか

このリークの有益な点は、それに必要な制御がすでに存在しており、モデルを待たずにそれらを検査できることだ。重要なのはそのうち3つである。

• エフォート — A​nthropic は low、medium、high から xhigh、max まで 5 つのレベルを公開しており、この設定によってモデルが自律的にどれだけの作業を行うかが決まります。Claude Opus 5.5 と Claude Haiku 5.5 のデフォルトは medium で、その他の現行モデルのデフォルトは high です。エフォートはツール呼び出しを含むすべての出力トークンに適用されるため、high エフォートのスコープ拡大型モデルは、請求額も大きくなるスコープ拡大型モデルです。

• プランモード — Claude Code は探索と実行を分離しており、その使用に関する文書化されたしきい値は、まさにバグクラスが示唆する複数ファイルのケースです。この制御はモデルのアイデアに対するフィルターではなく、差分になる前に広がったスコープを確認できる段階です。

• 決定論的ゲート — フックはチェックをスクリプトとして実行し、合格するまでターンの終了をブロックできる。これは3つのうち、モデルが尋ねることを選ぶかどうかに依存しない唯一のものだ。報告されている挙動が実際にリリースされることがあれば、それを正直に使う方法は自分で書いたゲートの内側に置くことだ。なぜなら「それらに対処すべきかどうかを尋ねる」とはモデルの判断についての約束であり、停止フックは自分自身についての約束だからだ。

それはその主張への批判ではない。むしろ、それがその主張を興味深いものにしている理由だ。より広いスコープを提案するモデルは、その拡大が適用される前に可視化されている場合にのみ改善であり、それを可視化するあらゆる仕組みは呼び出し側が設定するものであって、モデルが保証するものではない。

もしそれがうまくいったら、いくらかかるのか

スコープ拡大は最も高くつく種類の親切心だ。入力ではなく出力を増幅させるからだ。Anthropicの現在の料金表では、Claude Fable 5.1は100万入力トークンあたり10ドル、100万出力トークンあたり50ドル、一方Claude Opus 5.5は入力4ドル、出力20ドルだ。そしてAnthropic自身のドキュメントは、開発者にまずClaude Opus 5.5を指し示し、より高いエフォートでのOpusの評価がなお不十分な場合にのみFableへ移るよう促している。やるべき仕事をより多く見つけることを売りにするモデルは、その助言に真っ向から反する。安価な階層こそ出力を増やしたい対象であり、高価な階層ではチケットの拡大が予算項目になるからだ。

トークンの請求額には現れない二次的なコストがある。レビューだ。ひとつの関数へのパッチなら1分で読める。しかし、他に9つの呼び出し箇所を挙げた指摘は、項目ごとに検証しなければならず、その検証はモデルが不要にすると主張した作業そのものだ。これは能力に対する反論ではない――チェックリストを持つ優れたレビュアーは、それを持たない優れたレビュアーより速い――が、価値が精度に左右されるということは意味している。5つの真の事例と1つのでっち上げの事例を挙げたモデルは、そのでっち上げを反証する時間をあなたに費やさせ、このリストを少しだけ信用しにくくさせたのだ。

今日、あなたが呼べるもの、そしてこれについての正直な答え

新しいことは何もありません。レポートにはモデルの識別子がなく、当社自身のカタログがその格好の検証になっています。カタログにanthropic/claude-fable-5.5を問い合わせるとmodel not foundが返り、anthropic/claude-haiku-5.5でも同じです。これらの文字列は当社がルーティングする209モデルの中にはありません。実際に解決できるのは、A​nthropicの定価で提供されている現行ラインナップです — anthropic/claude-opus-5.5（100万トークンのコンテキストウィンドウ、128Kの出力上限、100万トークンあたり$4 / $20）と、anthropic/claude-fable-5.1（$10 / $50）。現在「A​nthropicの新しいバグ探索モデル」へのアクセスを宣伝しているプラットフォームは、名前を売っているにすぎません。

読者が実際に持つ実用的な疑問は、モデルの名前ではありません。それは、範囲を広げるモデルが自分のコードベースで役立つのか害になるのかを、本番経路をうわさに賭けずに確かめる方法です。これはルーティングの問いであり、プラットフォームが価値を発揮するまさにその点です。リクエストの一部を、すでに計測済みのモデルを後ろ盾にして未検証のモデルへ送れば、一般化の失敗はインシデントではなくレビュー1回分のコストで済みます。Anthropicの価格変更と新リリースは同日に0%の上乗せでOrcaRouterに反映され、したがって料金表が現れたとき、実験のコストは定価だけで、それに何も加わりません。現在のラインナップ最上位のコストがいくらかはClaude Opus 5.5のモデルページで正確に確認でき、Claude Fable 5.1のページと比較してから、自分のワークロードがどちらを既定にすべきか決められます。

何がこのピースを変えるでしょうか？

3つの点がありますが、そのうち最初のものが最も早く決着をつけるものです。

当事者自身による一文。Anthropicのドキュメントに、モデルがいつスコープを広げるのか、そしてその拡大がデフォルトなのかオプトインなのかを説明する一行があれば、そのリーク全体が仕様に変わるだろう。その一行がないからこそ、ここでのあらゆる主張は留保付きにせざるを得ない。

公開された評価。「クラスを発見した」は「クラスを発明した」との対比でのみ意味を持ち、両者を区別するタスクセットを公開しているベンダーは存在しない。それが存在するまで——欠陥クラス識別における適合率と再現率を、そのラボ以外の誰かが採点するようなものが——一つのバグから一般化できるという主張は、意図の記述であって、モデル間で比較できる能力ではない。

名前と料金表が一体になっている。命名規則は Fable 5、Fable 5.1、Opus 5.5、Sonnet 5.5、Haiku 5.5 を通じて安定しており、識別子がティアを表している：claude-fable-5-5 なら $10 / $50、claude-opus-5-6 なら $4 / $20 を意味する。モデル概要にあるたった 1 つの文字列が、リークが千語を費やして論じている問いに決着をつける。

それまでは、正直な立場としては、報道によればあるフロンティアラボが、あらゆるエンジニアリング組織がすでに方針を持っている振る舞いに向けて構築を進めている一方で、その方針を誰も公表していない、ということになる。モデルが、あなたが報告したバグを直すべきなのか、それともあなたが抱えていると知らなかったバグを直すべきなのかは、能力の問題ではない。それは、誰がマージボタンを握っているかという問題だ。そして、モデルは尋ねる、と述べているそのリークは、大半のコーディングエージェントが現在出している答え——つまり、そのまま進めて差分に説明させるという答え——よりも安心できる答えだ。