Claude Fable 5 NSFW制限：Anthropic安全フィルターの徹底解説

2026年6月10日、Anthropicは初のMythosクラスモデルとなるClaude Fable 5を一般公開しました。このシステムはコーディング、推論、エージェントワークフローで最先端レベルの性能を発揮しつつ、サイバーセキュリティや生物学などのハイリスク領域向けに追加の分類器を導入しています。より制限の厳しいMythos 5と同じコアウェイトを共有しながら、新たな拒否メカニズムを重ねており、センシティブなプロンプトをより弱いフォールバックモデルに自動降格させます。初期テスターのフィードバックでは、完全に普通のクエリでもこれらのフィルターが作動するケースがすでに報告されています。この動きは、基本的な安全境界を緩めずにアクセスを拡大するというAnthropicの意図的な選択を示しています。

Anthropicの利用ポリシーはこれまでのリリースから変更されておらず、性的コンテンツ、グラフィックな暴力、その他の禁止カテゴリを明確に禁止しています。新モデルでは、これらのトピックを複数段階で監視する分類器が追加されました。プロンプトがシステムに引っかかると、モデルは outright に拒否するか、サイレントで能力の低いバリアントにルーティングします。初期レポートでは、制限領域と語彙が重なる非明示的なリクエストでもフィルターが作動することがあるとされています。この保守的な多層構造は、フロンティア能力にはより厳格なコントロールが必要であり、創造的な自由度を広げるべきではないというAnthropicの一貫した姿勢を反映しています。

Claude Fable NSFW生成、ヌード描写、露骨なアダルトシーンを試みるプロンプトは、圧倒的多数のケースで拒否されます。多層分類器は直接的なリクエストだけでなく、多くの間接的な表現も検知します。ジェイルブレイクの試みは丁寧な拒否か、要求されたコンテンツを避けた劣化した応答を生み出します。Anthropicがターゲットを絞ったテストデータを公開していないため、アダルトコンテンツに関する公開ベンチマークはまだ存在しません。そのため、Claude Fable 5 NSFWテスト結果やClaude Fable uncensored limitsを検索するクリエイターは、出力品質を維持した回避策ではなく、一貫したブロックに直面しています。

最も強力なモデルを構築する企業は、規制・評判・法的プレッシャーに直面しており、無制限の出力はリスクを伴います。厳格なフィルターは、正当なクリエイティブワークを妨げる場合でも不正利用の可能性を低減します。Claude Fable 5のようなリリースは、最先端モデルでさえ厳格なコンテンツ境界を強制していることを示しており、アダルトクリエイティブワーク向けにこれらの制限を解除するツールへの需要を喚起しています。同様のパターンは、Gemini omni nsfw: Why Google's AI Video Model Blocks Explicit Contentで詳述されているGoogleのビデオモデルを含む他のフロンティアシステムにも見られます。その結果、クリエイターはどのラボが最新リリースを出すかによって異なるガードレールを navigating しなければならない断片化された状況が生まれています。