Fable5.2、1000体のAIエージェントが8日でオペレーティングシステムを構築した

ノートパソコンの電源が入り、画面に現れたのは Windows でも Linux ディストリビューションでもありません。空のフォルダーから AI が作り上げたシステムでした。2026 年 11 月 9 日、Anthropic は Claude Fable 5.2 の発表にあわせて、この社内実験を明らかにしました。Fable 5.2 は 1000 を超えるサブ Agent を統括し、8 日間にわたって連続稼働。実際のノートパソコンで起動できる OS のプロトタイプを作り上げました。

この記事のポイント：OS 実験を軸に、Claude Fable 5.2 の本当のブレークスルーはどこにあるのか、1000 の AI Agent をどう捉えるべきか、そしてこのプロトタイプが成熟した製品になるまでにどれほどの距離があるのかを解説します。最後に、開発者の視点から、長期にわたる Agent ワークフローが API インフラに求める要件について考えます。

Claude Fable 5.2のOS実験：概要

まずは、公式に明らかにされている事実を確認しましょう。以下の表には、Anthropicの発表で確認できる内容のみをまとめています。

1000のAI Agentが作ったOSには、どんなモジュールが含まれるのか

主なモジュールの役割を見ていきましょう。カーネルは、ハードウェアとシステムリソースを管理する中核的なソフトウェアです。プロセスのスケジューリング、メモリの割り当て、割り込み処理などを担います。ドライバーは、OSがディスクやキーボード、ネットワークカードといったハードウェアと通信できるようにします。ドライバーがなければ、カーネルは外部機器を「認識」できません。

永続的なファイル保存とは、再起動後もデータが保持されることです。そのためには、メモリ上で一度だけ動くデモではなく、実際に機能するファイルシステムが必要です。

ウィンドウシステム、ログイン画面、インストーラーは、ユーザーから見える部分です。インストーラーが含まれている点は注目に値します。このシステムが少なくとも、「ディスクへの書き込みから、ディスクからの起動まで」という一連の流れを実現できたことを示しているからです。

こうしたモジュールをあわせて考えると、「ノートパソコンで起動できる」ことがなぜ重要なのかが見えてきます。複数のサブシステムが実際につながって機能する必要があり、それぞれが一見正しそうなコードを個別に書くだけでは実現できません。

ここで、この記事の中心となる疑問が浮かびます。1000を超える Agent は、どのように連携して一つの大規模なプロジェクトを完成させたのでしょうか？

Claude Fable 5.2のブレークスルー：AIがエンジニアリングを組織し始めた

Fable 5.2は、プログラミングベンチマークで明らかな進歩を遂げています。Anthropicが公表したFrontierCode 2.0のスコアは49.1%で、前世代のFable 5.1の32.4%を上回りました。FrontierSWE v2では69.9%を記録し、前世代の56.3%から向上しています。

ただし、これらは汎用プログラミングのベンチマークであり、OS実験そのものの成績ではありません。今回の実験で注目すべきなのは、コードの出来栄えよりも、エンジニアリングの進め方が変わったことです。

従来のAIプログラミングアシスタントと長期的なAgentエンジニアリングの違い

従来のAIプログラミングアシスタントは、「質問と回答」を繰り返す協業スタイルです。ユーザーが要望を伝え、AIがコードを書き、ユーザーが確認して修正を依頼する——というサイクルで進みます。この方式では、タスクの分解、進捗管理、全体の統合を人間が担い、AIは効率の高い実行役にとどまります。

一方、長期的なAgentエンジニアリングでは、より多くの役割をモデルに任せます。次の表で、2つの方式の違いを比較します。

OSのようなプロジェクトで難しいのは、まさに右側の列にある内容です。カーネル、ドライバー、ファイルシステムの間には多くのインターフェース上の取り決めがあり、あるモジュールの変更によって別のモジュールのテストが失敗することもあります。

8日間にわたって問題を見つけ、修正を手配し、未完了の作業を進められたことは、「コードを書く」能力だけでなく、「プロジェクトを管理する」能力を示しています。

なお、上図は大規模なエンジニアリングプロジェクトで一般的な工程を分析したものです。Anthropicは、OS実験における具体的な役割分担、Harness、通信プロトコル、プログラミング言語を公開していません。

同時期に行われたフェルマーの最終定理に関する別の実験では、「1名のLead＋999名のHelper」といったアーキテクチャの詳細が明かされました。しかし、これは独立した実験であり、その内容をOSプロジェクトにそのまま当てはめることはできません。

企業の早期テスターが見た「コーディネーター」の役割

Anthropicはリリース時に、複数の早期テストパートナーから寄せられたフィードバックを公開しました。企業のエンジニアによる実体験であり、独立したブラインドテストではありませんが、いずれも同じ傾向を示しています。モデルが計画や調整を担い始めているということです。

• Vercel：Member of Technical StaffのJoe Haddad氏によると、これまで他のモデルでは完了まで数週間かかっていたプロジェクトが、Fable 5.2では数日で完了し、チームのレビューも通過しました。コードレビューで指摘される修正点も少なくなったといいます。
• Shopify：Staff EngineerのTom Pritchard氏は、モデルに大まかなアイデアを伝えると、数回のやり取りで計画をまとめ、その後の作業を自律的に完了できると評価しています。別のStaff Engineerと協力しているような感覚に近いそうです。
• Datadog：Senior Staff EngineerのMatt Lee氏は、モデルをインシデントコマンダー（Incident Commander）になぞらえています。未知のシステムに直面すると、より高速なモデルを呼び出して情報を集め、異なるタスクを調整するため、人間のオペレーターの調整負担が軽減されるといいます。
• Uber：Agentic Systems担当のStaff Engineer、Andrew Mager氏は、10—12時間にわたって連続稼働したセキュリティ監査の事例を明かしました。モデルは約170のレビュー用エージェントを派遣し、最終的に監査レポート、修正用のPull Request、ポリシー提案書を作成しました。特に強調したのは、もっともらしい中間結果を出して止まるのではなく、タスクが本当に完了するまで実行を続ける点です。

Uberの事例は、形式としてはオペレーティングシステムの実験に最も近く、どちらも1つのモデルが多数のサブエージェントを派遣して長時間のタスクを完了させます。ただし、両者は完全に独立したプロジェクトです。

Claude Fable 5.2は実際の本番環境で活用されている

OSの実験だけであれば、入念に準備されたデモにすぎないと思われるかもしれません。しかし、Anthropicが同時に公開した2つの社内データからは、こうしたエンジニアリング能力が日々のソフトウェア開発ですでに活用されていることがわかります。

1つ目は、コードの作成割合です。Anthropicによると、同社の主要なコードベースで最終的にマージされたコード変更のうち、90%を超える部分が人間の指導のもとでClaudeによって書かれました。この数字が示すのは、マージされた変更のうちClaudeが書いた割合です。開発作業の90%が人間の関与なしに行われたという意味でも、これらのコードがすべてFable 5.2によって書かれたという意味でもありません。

2つ目は、本番サービスの移行です。初期版のFable 5.2を使うAgentチームが、重要な本番サービスをPythonからRustに移行しました。移行後、サービスの効率と信頼性が向上し、起動速度は約26倍になりました。言語の移行は、「長期間にわたり、繰り返し検証が必要な」典型的な作業です。動作の一貫性を保つには、コードの書き換えそのものより、テストと修正に多くの労力がかかることも少なくありません。

これらの事例はそれぞれ性質が異なります。違いを以下の表にまとめました。

これらを総合すると、共通して示されているのは「エンジニアリングを実行する能力の拡大」です。だからといって、すべてのエンジニアリング作業を人間の監督なしで進められるというわけではありません。

1000個のAI Agentが意味すること

「1000個のAgent」は、今回の実験で最も目を引く数字であると同時に、最も誤解されやすい数字でもあります。

Agentの総数は同時稼働数ではない

まず、Anthropicが公表したのは「1000個を超えるサブAgentが参加した」という情報であり、それらが同時に稼働していたかどうかは明らかにされていません。8日間の期間中、サブAgentは順次作成され、タスクを終えると終了し、その後は新しいAgentが引き継いでいた可能性があります。

また、1000個のAgentが、能力も同じで完全に独立したエンジニア1000人を意味するわけではありません。実際の効率は、タスクをどれだけ並列化できるか、調整にかかるオーバーヘッド、共有状態、コードの競合、テストカバレッジ、呼び出しコストなど、複数の要因に左右されます。

わかりやすい例を挙げると、カーネルのメモリ管理の方針が固まるまでは、ファイルシステムやドライバーの開発を本格的に進めるのは困難です。こうした依存関係があるため、大規模なエンジニアリング作業を無制限に並列化することはできません。

公開されているManaged Agentsの2つのオーケストレーション方式

Anthropicが開発者向けに公開しているManaged Agentsのドキュメントからは、製品化されたマルチAgentシステムの仕組みをうかがい知ることができます。そこでは、2つのオーケストレーション方式が紹介されています。

Subagent方式：メインAgentがサブAgentを作成できます。各サブAgentは独立したSession Threadとコンテキスト履歴を持ち、メインAgentは後から追加のタスクを送ることもできます。1つのSessionで同時に存在できる直接の子スレッドは最大25個で、直接委譲できるのは1階層のみです。

Dynamic Workflow方式：より大規模なタスクを対象としています。メインAgentが最初にワークフロープログラムを作成し、そのプログラムが複数のAgentを並列で実行します。各段階の結果を集約し、前段階の結果をもとに次の処理を決定します。失敗したAgentは通常、サーバーによって新しいスレッドで1回再試行されます。公式ドキュメントに記載されている制限は以下のとおりです。

強調しておきたいのは、OS実験はAnthropic社内のエンジニアリング実験であり、公開されているManaged Agentsは製品化されたサービスだという点です。この情報だけをもとに、実験がManaged Agentsを使って行われたと断定することはできません。また、同時実行数の上限である64スレッドを実験に当てはめることもできません。

ただし、これらの数字からわかることがあります。大規模なAgentのオーケストレーションには、モデルそのものだけでなく、スケジューラー、タスク状態の管理、並行処理の制御、再試行の仕組み、予算管理システムも必要です。「1000」という数字の背後では、インフラもモデルと同じくらい重要な役割を担っています。

Claude Fable 5.2のOSプロトタイプが示す限界

「起動できる」ことは大きな節目ですが、「本番環境で使える」ようになるまでには、まだ長い道のりがあります。Windows、Linux、macOSのような成熟したOSは、数十年にわたるハードウェア対応、セキュリティ強化、コミュニティによる保守の積み重ねによって成り立っています。

この表は実験を貶めるためのものではなく、何が証明されたのかを明確にするためのものです。今回の実験が示したのは、モデルが長期にわたって複数のモジュールからなるソフトウェア開発を進め、各サブシステムが実際に連携する成果物を作り上げられるということです。AIが作成したOSが、既存製品をそのまま置き換えられると証明されたわけではありません。

この種の開発では、今なお人間のエンジニアが重要な役割を担っています。目標の設定、アーキテクチャ上の判断、安全性の境界設定、最終的な受け入れ確認は、引き続き人間が責任を負う必要があります。Anthropic自身も、「マージされたコードの90%をClaudeが書いた」としつつ、「人間の指導のもとで」と慎重に説明しています。

妥当な結論は、AIが複雑なソフトウェア開発を組織する能力を示し始めている一方で、成熟したソフトウェア開発チームに人間が不要になったわけではない、ということです。

Claude Fable 5.2が開発者に与える影響

単発の呼び出しから長期的なAgentワークフローへ

多くの開発者は、短期的にOSを作ることはないでしょう。しかし、今回の実験で明らかになった作業スタイルは、コードレビューの一括処理、リポジトリ全体のリファクタリング、言語の移行、セキュリティ監査など、日々のプロジェクトにも徐々に取り入れられていくはずです。

こうした場面では、開発者の関心は「今回の呼び出しの回答はよかったか」から、よりエンジニアリングに関わる次の点へと移っていきます。

• タスク管理：タスクをどう分割し、各サブタスクの状態をどう記録するか。失敗した場合に、中断したところから再開できるか。
• 複数モデルの役割分担：Datadogの事例では、Fable 5.2が「より高速なモデル」を呼び出して情報を収集します。コーディネーターには高性能なモデル、実行役には高速または低コストのモデルを使うのが、一般的なコスト構成です。
• 呼び出しの安定性：1つのワークフローに数百から数千回の呼び出しが含まれる場合、1回ごとの失敗率が低くても、累積すると頻繁な中断につながります。そのため、リトライやフェイルオーバーが必要です。
• 予算管理：Fable 5.2の公開API価格は、入力が100万Tokenあたり8ドル、出力が100万Tokenあたり40ドルです。Fast Modeでは価格が2倍になります。AnthropicはOS実験の実際の費用を公表していませんが、長期間にわたるマルチAgentタスクのコストを継続的に監視する必要があることは想像に難くありません。
• タスクのモニタリング：各Agentが何をしているのか、どれだけ消費しているのか、どこで行き詰まっているのかを把握する必要があります。

Vercelは同日、AI GatewayがFable 5.2に対応したと発表しました。プロバイダーの障害時の切り替え、フォールバックモデル、使用量とコストの集計、予算管理、リトライルールを提供します。これは、複雑なAgentアプリケーションを支えるモデル呼び出しのインフラが整いつつあることを示しています。

OpenAI互換インターフェースでClaude Fable 5.2を呼び出す方法

Fable 5.2の公式API Model IDはclaude-fable-5-2です。1M Tokenのコンテキストと、最大128K Tokenの出力に対応しています。OpenAI互換インターフェースから呼び出す場合の最もシンプルな書き方は、次のとおりです（モデル名はプラットフォームのコンソールに表示されるモデル一覧を確認してください）。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI 統一インターフェース
)

resp = client.chat.completions.create(
    model="claude-fable-5-2",
    messages=[{"role": "user", "content": "把这个 Python 模块的迁移计划拆成可并行的子任务"}]
)
print(resp.choices[0].message.content)

import json
import openai
from concurrent.futures import ThreadPoolExecutor, as_completed

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI 統一インターフェース。複数のモデルプロバイダーに切り替え可能
)

PLANNER_MODEL = "claude-fable-5-2"   # 調整役：タスクの分割と結果の集約を担当
WORKER_MODEL = "gpt-4o-mini"         # 実行役：実際に使用する高速モデルに置き換えてください
TOKEN_BUDGET = 200_000               # ワークフロー全体のToken予算
MAX_WORKERS = 8                      # 同時実行数の上限。必要に応じて調整してください
used_tokens = 0


def chat(model, prompt, max_tokens=2000):
    global used_tokens
    if used_tokens >= TOKEN_BUDGET:
        raise RuntimeError("超出预算，停止派发新任务")
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        max_tokens=max_tokens,
    )
    used_tokens += resp.usage.total_tokens
    return resp.choices[0].message.content


def plan(goal):
    prompt = (
        f"目标：{goal}\n"
        "请拆成 3-6 个可以独立完成的子任务，"
        '只输出 JSON 数组，格式为 [{"id": 1, "task": "..."}]'
    )
    return json.loads(chat(PLANNER_MODEL, prompt))


def run_task(item, retries=1):
    for attempt in range(retries + 1):
        try:
            return item["id"], chat(WORKER_MODEL, item["task"])
        except Exception as e:
            if attempt == retries:
                return item["id"], f"失败：{e}"


def workflow(goal):
    tasks = plan(goal)
    results = {}
    with ThreadPoolExecutor(max_workers=MAX_WORKERS) as pool:
        futures = [pool.submit(run_task, t) for t in tasks]
        for f in as_completed(futures):
            tid, out = f.result()
            results[tid] = out
    summary_prompt = "汇总以下子任务结果，检查相互之间是否冲突：\n" + json.dumps(
        results, ensure_ascii=False
    )
    return chat(PLANNER_MODEL, summary_prompt, max_tokens=4000)


if __name__ == "__main__":
    print(workflow("为一个小型 Web 服务设计从 Python 迁移到 Rust 的方案"))
    print(f"累计消耗 Token：{used_tokens}")

🚀 すぐに始めるためのヒント：複数モデルを使うAgentワークフローを構築する場合、調整役と実行役には異なるプロバイダーのモデルを使うことがよくあります。APIYI（apiyi.com）なら、1つのAPIキーでClaude、OpenAI、Geminiなどの主要モデルを従量課金で利用できます。新規ユーザー向けの無料テスト枠もあるため、まずは小規模なタスクでワークフローの構成やコストを検証するのに適しています。

よくある質問（FAQ）

Claude Fable 5.2と1000個のAI Agent：押さえておきたいポイント

• 実験で確認されたこと：1000を超えるサブエージェントが8日間で、空のフォルダーから起動可能なOSのプロトタイプを作成しました。
• 本当のブレークスルー：モデルがタスクの分解、並列実行、継続的な修正、結果の統合まで担うようになりました。
• 実用化の兆し：Anthropicでは、マージされたコードの90％以上をClaudeが記述しています。また、Rustへの移行により起動速度が約26倍になりました。
• 数字の捉え方：1000個のAgentは、1000人の独立したエンジニアが最初から最後まで並列で作業したことを意味するわけではありません。
• プロトタイプとしての限界：第三者による監査や再現検証がないため、成熟した商用OSとはまだ大きな隔たりがあります。
• 開発者が注目すべき点：スケジューリング、リトライ、予算管理、監視もモデルの能力と同じくらい重要です。APIYI（apiyi.com）を利用すれば、複数のモデルをまとめて接続できます。

まとめ

1000個のAI Agentが8日でOSを作ったというニュースで、注目すべきなのは数字そのものではなく、次の3点です。

1. 能力のあり方が変わった：Claude Fable 5.2が示したのは、コードを生成する能力だけでなく、開発工程を組織して進める能力です。
2. 証拠は分けて捉える：OSの実験、社内の実績データ、企業からの初期フィードバックは、それぞれ性質の異なる証拠です。個別に評価する必要があります。
3. 最後の役割を担うのは人間：プロトタイプは起動できますが、アーキテクチャの選択、安全性の確保、受け入れ判断は、引き続き人間のエンジニアが担う必要があります。

開発者にとって次の一歩は、考え方を「単発の呼び出し」から「長期的なワークフロー」へと切り替えることです。複数モデルの役割分担、呼び出しの安定性、コスト管理をあらかじめ検討しておきましょう。APIYI（apiyi.com）を利用すれば、1つのAPIキーで複数の主要モデルに接続できます。まずは小規模なAgentタスクから検証してみるのがおすすめです。

📚 参考資料

1. Anthropic公式発表：Claude Fable 5.2 and Mythos 5.2（2026-11-09）
2. リンク： anthropic.com/claude-fable-and-mythos-5-2

3. 説明：OSを使った実験、社内の本番データ、企業からのフィードバックを確認できる一次情報です。

4. Claude Platformモデル仕様ドキュメント：Fable 5.2 Overview

5. リンク： platform.claude.com/docs/en/models/fable-5-2/overview

6. 説明：コンテキストウィンドウ、最大出力、Model IDなどの仕様を確認できます。

7. Managed AgentsのマルチAgentオーケストレーションに関するドキュメント：SubagentとDynamic Workflow

8. リンク： platform.claude.com/docs/en/managed-agents/multiagent-orchestration

9. 説明：公開製品における並列スレッド、Agentの数、ライフサイクルの制限を確認できます。

10. Vercel AI Gatewayの接続に関する発表：Claude Fable 5.2 now available on AI Gateway

11. リンク： vercel.com/changelog/claude-fable-5-2-now-available-on-ai-gateway

12. 説明：サードパーティ製APIゲートウェイで利用できるフェイルオーバー、予算管理、リトライ機能について説明しています。

13. The Vergeの記事：Anthropic launches new Claude Fable and Mythos 5.2 models

14. リンク： theverge.com/ai-artificial-intelligence/1030005/anthropic-claude-fable-mythos-5-2
15. 説明：今回の発表を伝えるサードパーティメディアの記事です。

著者: APIYI 技術チーム
技術に関するお問い合わせ: APIYI公式サイトのトップページからお気軽にお問い合わせください。接続に関する資料は、docs.apiyi.comのドキュメントセンターをご覧ください。

関連記事

• AnthropicがClaudeへの虐待や暴言を明確に禁止、11月12日から適用。一体何があったのか？:Anthropicは2026年10月8日に利用ポリシーを更新し、Claudeに対する継続的かつ不必要な暴言や虐待を初めて禁止しましたが、本記事ではその適用範囲や執行方法、モデルの福祉に関する背景、API開発者への実際の影響を解説します。
• Claude Fable 5.2がリリース、HighかMaxか？データで品質とコストを検証:公開評価によると、Claude Fable 5.2は推論レベルをhighからmaxに上げるとスコアが向上する可能性がある一方、タスクあたりのコストも増加するため、タスクの品質基準と予算を踏まえてレベルを決めるべきです。
• Claude Fable 5.2とClaude Opus 5.5を比較：どちらを選ぶべき？:Claude Fable 5.2とClaude Opus 5.5を比較すると、標準価格は2倍ですが、すべての項目で勝っているわけではありません。本記事では、仕様、価格、デフォルトの努力レベル、公開時の成績表の4つの観点から、タスク別のモデル選択表を紹介します。
• Claude Fable 5.2はどれほど強力？コーディングと長時間タスクにおける4つの限界:Anthropicのリリース記事に記載された公式の成績と制限をもとに、Claude Fable 5.2の強みと限界、そしてOpus 5.5から乗り換えるべきでない場合を明確に説明してください。
• 10週間で本番環境向けGitバックエンドを構築：OpenAIはいかにしてCodex AgentチームにPandoの5つの技術的課題を解決させたか:OpenAI Pandoを解説：1人のエンジニアがコアを設計し、複数のCodex Agentチームが実装、少数のエンジニアがデプロイして10週間で本番稼働に至るまでを追い、テスト体系、段階的な移行、参考にできる手法を重点的に分析します。
• Claude Codeから2週間で重要メンバー3人が離脱：ユーザーが注目すべき5つの製品シグナル:Claude Code から2しゅうかんのうちに3にんのじゅうようメンバーがはなれたけいいをじけいれつでせいりし、かくにんずみのじじつとふめいなじょうほうをくべつしたうえで、けいぞくてきにトラッキングできるプロダクトのシグナルを5つあげてください。
• Claude Duetが登場：Opus 5.5搭載のAnthropic製パーソナルエージェント、毎朝のブリーフィングを配信し、PCを閉じても作業を続け、メッセージ送信や支払いの前には確認を求める:Anthropicが2026年10月21日にClaude Duetのリサーチプレビュー版を公開。できることや安全上の制約、利用できるユーザー、利用枠の計算方法、そして国内の開発者が基盤となるClaude Opus 5.5を呼び出す方法を、この記事でわかりやすく解説します。