おはようございます、ファミリー皆様… 1,000人のAIエージェントがオペレーティングシステムのプロトタイプを構築しました。注目すべきはコスト曲線です。 マーケットパルス | 2026年11月10日 Anthropicが11月9日にリリースしたFable 5.2とMythos 5.2は、二つの非常に異なる証拠を提示しています。 このチャートはAnthropicのFrontierCode 2.0の結果を示しています。Fable 5.2が「High effort」で45.3%を記録し、Opus 5.5の最高値45.5%に近い水準ですが、タスクあたりのコストは約半分です。このベンチマークは、コード変更がオープンソースのメンテナーによって受け入れられるかどうかを評価しています。 緑のラインをさらに先まで見てみましょう：Xhighは49.1%を達成しています。Maxはコストが高く、この評価では得点が低くなっています。より多くの推論に支払うからといって、必ずしもより良い結果が得られるわけではありません。 私の返信で示したデモは、Anthropicのオペレーティングシステムプロトタイプです。同社によると、Fableは8日間にわたり8つのサブエージェントを1,000以上調整してこのシステムを構築したとのこと。これは同社が試みている作業の規模を示しています。動画とベンチマークは異なるワークロードをカバーしているため、このチャートからはそのOSプロジェクトにかかったコストを特定することはできません。 実用的な問いは、より安価なモデル実行が、より安価な完成品を意味するかどうかです。リトライ、統合、人間によるレビューにより、コスト削減分が吸収される可能性があります。 今後72時間以内に、同じタスクについて受け入れられた結果、総支出、レビュー時間について報告している独立したテストを探します。同等の品質でコストが低ければ、主張は強化されます。チェック段階で節約分が消えてしまうなら、主張は弱まります。 私がエージェントに求めたいのは、実際に使える作業の完全な請求額です。 チャート：Anthropic。ベンチマーク結果は同社が報告したものです。 https://t.co/dSLUQCBRR5