ClaudeのFable 5とOpus 5を使い分ける方法

TL;DR

要件の擦り合わせ、計画、目標ドリフトの抑制にはFable 5を使い、仕様とガードレールが固まった後の実装や検証にはOpus 5を使う。話者の実践上、Fable 5は長い作業の監督に向き、Opus 5は高いエフォート設定で収束作業を長く自律実行させる用途に適している。

Transcript

おスマサです。本日はですね、クロードの モデル、faイブルとOパス5両方あり ますけどね、え、使い分はどういう感じで していったらいいのか、ま、現状時点で ですね、え、僕の感想というか、ま、僕が こうしていこうと思ってい るっていうことを動画にしていきたいなと いう風に思います。はい。ま、オパス5で リリースされて、ま、結構思ったより賛否 両論な感じになってるかなと思うんです けど、え、それはね、やっぱフェイブルの 影響もあったんじゃないかと、え、思って おります。僕のやってるね、コミュニティ とかでも結局フェイブルだよねみたいな 感想が、ま、あの、あったりだとか、Xと か見てると、ま、これもオパスしかない だろうとか、フェイブルね、え、もう 終わりやろみたいなことをね、言ってる ような人と... Read More

Key Insights

• Fable 5は、話者の実践では要件の擦り合わせ、計画、長い作業ループの監督に向き、認識のずれや目標ドリフトを抑える中心的なモデルである。
• Opus 5は、仕様と制約条件が確定した後の実装、検証、磨き込みなど、答えへ収束させる作業で高い能力を発揮すると話者は評価している。
• ベンチマークは、特定課題の賢さや問題解決能力を比較できる一方、察する力、長文脈での粘り、目標維持などのメタ認知的特性を十分に測れない。
• モデルの使い分けは、Fable 5をオーケストレーターに置き、Opus 5やultracodeを生成担当として動かす構成にすると、それぞれの強みを生かせる。
• エフォートレベルは、ロー、ミディアム、ハイ、Xハイへ上げるほど、話者のLP作成実験では時間とトークン消費が増え、成果物の作り込みも変化した。
• 人間の注意力は有限であり、並行するエージェントや端末を増やしても監督可能な作業数には限界があるため、認知負荷の削減が処理量を左右する。
• ループ中心の仕事設計は、人間とAIの細かなラリーを減らし、エージェントが一度に長く自律実行するため、開始前の仕様確認と共通認識の形成が重要である。
• Opus 5の優位性は万能性ではなく、明確なガードレール内での長時間実行にあり、曖昧な大規模作業を一任する場合はFable 5の監督を残すのが話者の結論である。
• 🎬 このチャンネルの他の動画:
  • Open DesignでUIを作る方法と品質は？
  • AI時代に有限な注意力を守り価値を生む方法
  • Claude・Codex・Geminiを使い分ける方法
• 📺 このチャンネル: まさおAIじっくり解説ch

Questions & Answers

Q: Fable 5とOpus 5を使い分ける方法は？

要件が曖昧な初期段階ではFable 5を使い、仕様とガードレールが固まった後はOpus 5へ渡すのが、話者の推奨する方法である。Fable 5には認識合わせ、計画、目標ドリフトの監視を担当させ、Opus 5には実装、検証、磨き込みなどの収束作業を長く実行させる。

Q: なぜOpus 5だけでは不十分だと感じるのか？

Opus 5だけでは、曖昧な目標を抱えた長い作業で認識のずれを抑える役割が不足すると話者が感じているためである。問題解決能力やコーディング性能は高くても、長文脈の後半で意図を察し続ける力や、無茶な追加依頼への耐性はFable 5のほうが良いという実践上の評価が示されている。

Q: Fable 5をオーケストレーターとして使う方法は？

Fable 5に人間との擦り合わせ、計画作成、仕様書の整理、サブエージェントの指揮を担当させる。仕様が確定したら、Opus 5やultracodeを生成担当として実装ループへ投入し、必要に応じてOpus 5のレビュー視点も加える。この構成により、監督と大量処理を別のモデルへ分担できる。

Q: Opus 5が向いている作業とは何ですか？

Opus 5が向いているのは、仕様、制約条件、完了基準が定まり、答えへ収束させられる作業である。話者は、開発、LP作成、検証ツールの作成、不具合確認、成果物の磨き込みなどで活用している。特に高いエフォート設定やultracodeを使い、長く自律実行させる用途を評価している。

Q: AIモデルのベンチマークだけで選べないのはなぜですか？

ベンチマークは特定課題の問題解決能力を比較する指標であり、目標ドリフトの少なさ、認識のずれを察する力、長文脈での粘りなどを十分に示さないからである。話者はベンチマークをIQテストに例え、数値上の賢さは重要だが、実務で人間の注意力をどれだけ節約できるかとは別の評価軸だと述べている。

Q: Opus 5のエフォートレベルを選ぶ方法は？

人間と対話しながら短い仕事を進める場合はローやミディアムを選び、自律ループで成果物を作り込ませる場合はハイやXハイを選ぶ。話者のLP作成実験では、ローは3.8分、約17.5系トークンで完了し、設定を上げるほど時間、トークン消費、作り込みが増えたため、目的に応じた調節が必要である。

Q: AIエージェントの目標ドリフトを減らす方法は？

実行前に人間とモデルの認識を合わせ、仕様書、制約条件、完了基準、モックなどを用意してからループを開始する。監督役には、話者が認識維持に強いと評価するFable 5を置き、明確になった作業をOpus 5へ渡す。細かな確認を続ける方法もあるが、人間の注意力を多く消費するという tradeoff がある。

Q: なぜAI運用では人間の注意力が重要なのか？

複数のモデルや端末を同時に動かしても、人間が読解、判断、修正できる量には限界があるためである。話者はMacを約7台所有しつつ、常時アクティブに扱えるのは約5台だと述べている。モデルが意図を察して自律的に前進できれば、人間の介入回数が減り、同じ1日でも進められる仕事量が増える。

Summary & Key Takeaways

• モデル選択では、ベンチマーク上の問題解決能力だけでなく、認識のずれや目標ドリフトを抑えられるかを別の評価軸として扱う。話者の実践では、曖昧な目標をすり合わせ、仕様書を作り、長い作業ループを監督する役割はFable 5が中心である。ただし、この評価は公開ベンチマークではなく、ハーネス開発や長文脈作業に基づく使用感である。

• 役割分担は、発散と監督をFable 5、仕様確定後の収束をOpus 5に任せる形になる。最初にFable 5で認識を合わせ、仕様とガードレールを明確化したうえで、Opus 5やultracodeに実装、検証、磨き込みを進めさせる。必要に応じてFable 5をオーケストレーター、Opus 5を生成担当やサブエージェントのレビュー担当として組み合わせる。

• エフォート設定は、所要時間、消費トークン、成果物の作り込みを左右する。対話しながら進める小規模作業ではローやミディアム、ループで自律的に完遂させる作業ではハイやXハイを使うという整理である。自律性を高めるほど最初の仕様確認や認知負荷対策が重要になり、人間の有限な注意力を目標設定と重要な判断へ集中させる必要がある。