Claude Fable 5 vs GPT-5.6 Sol vs Gemini 3.5 徹底比較｜エンタープライズが選ぶべきAIモデル【2026年最新】

こんにちは、株式会社TIMEWELLの濱本です。

この記事の初版を書いたのは2026年4月でした。当時は「エンタープライズがメインモデルを1つ選ぶならClaude Opus 4.7」と結論づけていたのですが、たった3か月で、その主役はもう2世代前の型落ちになりました。Anthropicは5月にOpus 4.8、6月にClaude Fable 5を投入し、OpenAIは7月にGPT-5.6「Sol」を出しています。Googleはコンピュータ操作までこなすGemini 3.5 Flashをエージェントの最前線に押し出しました。この記事は、その4月版を2026年7月時点の事実で全面的に書き直したものです。

私は複数のクライアントでAI導入を伴走している立場として、この入れ替わりの速さを毎週のように痛感しています。だから今回は、個々のモデルのスペック比較だけで終わらせません。「約6週間で主役が変わる世界で、どうやって腐らない選び方をするか」という問いに、現場の実感を交えて答えていきます。自社のAI活用がいまどの段階にあるかを一度棚卸ししたい方は、先にAIリテラシー診断で現在地を測っておくと、この記事の使い分けがそのまま自社の意思決定に落ちます。

まず「4月から3か月で何が変わったか」を押さえる

初版で軸に据えたClaude Opus 4.7は、いまや起点にすぎません。Anthropicは2026年5月28日にOpus 4.8を出しました。料金はOpus 4.7と同じ入力$5・出力$25（いずれも1Mトークンあたり)に据え置き、コンテキストは1M、生成速度はおよそ57.3トークン/秒です¹。その11日後の6月9日には、新しい最上位モデルであるClaude Fable 5が登場しました²。さらに6月30日にはClaude Sonnet 5が「最もエージェント的なSonnet」として発表され、性能はOpus 4.8に肉薄すると位置づけられています³。

OpenAIも動きました。7月9日にGPT-5.6「Sol」を投入し、これがGPT-5.5の後継です⁴。Googleは2026年6月のI/O 2026近辺でGemini 3.5 Flashを打ち出し、エージェントとコーディングのフロンティアに据えました。上位のGemini 3.5 Proは執筆時点で「coming soon」の段階で、まだ一般提供には至っていません⁵。

つまり、初版で比べていた3モデルは、3か月で全部が後継に置き換わったわけです。ここで学ぶべきは個々の勝敗ではありません。フラッグシップが約6週間周期で入れ替わるという「速度そのもの」です。この前提を飲み込まないまま「4月時点で最強のモデル」を全社標準に固定すると、契約と実装が固まった頃には型落ちを使い続ける羽目になります。私が現場で口を酸っぱくして言うのは、モデル名ではなく差し替えられる構造に投資しましょう、という一点に尽きます。

現行フラッグシップの基本スペックと料金

ベンチマークに入る前に、料金と速度を揃えておきます。ここで方向性の大半が決まるからです。

項目	Claude Fable 5	Claude Opus 4.8	Claude Sonnet 5	GPT-5.6 Sol
リリース日	2026年6月9日	2026年5月28日	2026年6月30日	2026年7月9日
入力料金 / 1Mトークン	$10	$5	$2（〜8/31、以後$3）	$5
出力料金 / 1Mトークン	$50	$25	$10（〜8/31、以後$15）	$30
コンテキスト	1M	1M	大規模（詳細は公式要確認）	1M
生成速度（参考）	約60.7 tok/s	約57.3 tok/s	未取得	約53.1 tok/s
AA Index v4.1	60（#1）	56（#6）	Opus 4.8に肉薄	59（#2, max設定）

いちばん目を引くのは、最上位のFable 5が入力$10・出力$50と、Opus 4.8のちょうど2倍まで跳ね上がっている点です。初版のOpus 4.7が$5・$25だったことを思うと、フラッグシップの単価は世代交代のたびに素直に下がるとは限らないと分かります。同じ価格帯で見ると割高との評価も出ています⁶。一方でOpus 4.8は前世代と同額に据え置かれ、Sonnet 5は8月31日までの期間限定で入力$2・出力$10という攻めた値付けです³。GPT-5.6 Solは入力$5・出力$30で、Solは「遅くて冗長だが最上位級」という評価があり、生成速度は約53.1トークン/秒とこの中では最も遅い部類に入ります⁷。

私の見立てはこうです。性能を取り切りたい一部の重い推論だけをFable 5に任せ、日常的な業務はSonnet 5かOpus 4.8で回すのが、コストと品質のバランスが取りやすい。全部をFable 5に流すと、月末の請求書で確実に手が止まります。

Anthropicの新命名体系（Fable / Mythos）をどう読むか

ここでつまずく方が多いので、命名の話を挟みます。Anthropicはこの世代から、従来のOpus・Sonnet・Haikuという番号線に加えて、Fableという名前を持ち込みました。Fable 5は一般提供（GA）される最上位のフラッグシップで、単一の新モデルというより、適応推論（Adaptive Reasoning）やMax Effortといった設定に、Opus 4.8へのフォールバックを組み合わせた構成として提供されています²。「賢さを最大化する箱」だと思うと腹落ちしやすいはずです。

さらに上位にはMythos 5があるとされますが、こちらはProject Glasswingという限定枠での提供で、一般には開放されていません。ここは私が社内で確認できる範囲の情報なので、Mythos 5を実際の検討対象に入れるなら、最新の公式情報を必ず一次で当たってください。いずれにせよ、Opus/Sonnet/Haikuの番号線とFable/Mythosの名前線が並行して存在する、という構造だけ掴んでおけば、検索していちばん混乱するポイントは越えられます。

ベンチマークの主戦場はエージェント系に移った

初版ではSWE-Bench Verifiedのスコアを主役に比べていました。いまはそのやり方が古くなっています。Artificial AnalysisのIntelligence Indexがv4.1に更新され、9つの評価で構成されるようになったからです。内訳はGDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCRです⁸。GDPvalやτ³-Banking、Terminal-Benchといった、実務のタスクを最後までやり切れるかを見るエージェント系の比重が増えました。単発の難問を解く力から、道具を使って仕事を完了させる力へ、測る対象そのものが移ったわけです。

この新指標での上位は、Claude Fable 5が60で首位、GPT-5.6 Sol（max設定）が59で僅差の2位、そしてKimi K3が57で続きます。Opus 4.8は56で187モデル中6位です⁸⁷。SWE-Bench Verifiedの小数点以下を競っていた4月とは、比較の景色がまるで違います。

モデル	Intelligence Index v4.1
Claude Fable 5	60（#1）
GPT-5.6 Sol（max）	59（#2）
Kimi K3	57
Claude Opus 4.8	56（#6）

Googleのアプローチはこの流れをさらに極端にしています。Gemini 3.5 Flashは、エージェントとコーディングのフロンティアに、コンピュータ操作（画面を見てクリックやキーボード入力を行う）まで載せてきました⁵。公表されているスコアを並べると、Terminal-Bench 2.1で76.2%、MCP Atlasで83.6%、OSWorldで78.4%、Finance Agent v2で57.9%、CharXivで84.2%です⁹。

ベンチマーク（エージェント系）	Gemini 3.5 Flash
Terminal-Bench 2.1	76.2%
MCP Atlas	83.6%
OSWorld	78.4%
Finance Agent v2	57.9%
CharXiv	84.2%

OSWorldやMCP Atlasのような「ツールを操作してタスクを終える」系の数字が主役になっている点に注目してください。ブラウザを開いて申請フォームを埋める、ターミナルでコマンドを打って環境を直す、社内ツールを叩いて集計する。こうした作業をどこまで自走できるかが、いまのベンチの争点です。ちなみにAA-OmniscienceはIndex v4.1の中にも組み込まれていて、「分からないときに分からないと言えるか」という品位も総合点に効いてきます。現行モデルの具体的なハルシネーション率は公式・第三者の最新値を都度確認すべきですが、指標として重視され続けているのは間違いありません。

benchmarkを追うときの注意も添えておきます。SWE-Benchの数字が良いから乗り換える、という4月的な意思決定は、いまはむしろ危険です。自社のエージェントがブラウザやターミナルで実際に何をするのかを決めてから、それに近いベンチ（OSWorld、Terminal-Bench、τ³-Banking）を見る。順番を逆にしないことが、地に足のついた選定につながります。

米3社の外側で起きていること：Kimi K3とオープン系の急伸

初版はAnthropic、OpenAI、Googleの米3社だけで構成していました。ここが、いま最も更新すべき欠落です。Moonshot AI系のKimi K3が、Intelligence Index v4.1で57という数字をたたき出し、トップ5に食い込んできました⁸。米国のフラッグシップと肩を並べる中国系・オープン系モデルが出てきたという事実は、選定の前提を静かに変えます。

なぜエンタープライズがこれを気にすべきか。理由は2つあります。ひとつは価格競争です。上位性能を持つ選択肢が増えれば、Fable 5のような高単価モデルに全部を預ける必然性が薄れます。用途によっては、上位の米国モデルより安価に近い品質を得られる可能性が出てくる。もうひとつはデータ主権と調達の観点です。オープンウェイト系は自社環境での運用も視野に入るため、規制産業や国内処理を求める領域で選択肢の幅が広がります。

もっとも、私は「だからKimiやKに全面移行すべき」とは言いません。ライセンス条件、サポート体制、日本語の実務品質、そしてガバナンス面の確認は米国モデルとは別の慎重さが要ります。ここで言いたいのは、比較表を米3社だけで閉じるのはもう時代遅れになった、ということです。少なくとも「上位に食い込む非米国モデルが存在する」という前提を、選定の初期段階に入れておくべきでしょう。

日付に依存しない選び方：AIゲートウェイと用途別ルーティング

ここからは個人的な見解を遠慮なく書きます。結論を言わない比較記事は読む価値がない、というのが私の信条だからです。

4月から7月までの変化を目の当たりにして、私の確信はより強くなりました。単一モデルにロックインするのは、今後ますますリスキーになります。価格も性能も約6週間単位で動く世界では、AIゲートウェイ（VercelのAI Gateway、CloudflareのAI Gateway、あるいは自社の薄いラッパー)でモデルを束ね、用途ごとにルーティングする構成が現実解です。コーディングとエージェント業務、難問推論、動画や大量バッチ処理では、最適なモデルが違いますし、その最適解が数週間で入れ替わる。だから「用途で振り分け、変動があれば即差し替え」という構造を最初から組んでおく。これが2026年のエンタープライズAI設計の標準形だと考えています。

現時点での私の使い分けは、おおよそ次の通りです。

ユースケース	現時点の第1選択	補足
重い推論・難問解析	Claude Fable 5 / GPT-5.6 Sol（max）	Index上位。コスト高なので流量は絞る
日常のコーディング・業務エージェント	Claude Sonnet 5 / Opus 4.8	期間限定価格と据え置き価格で費用対効果が高い
ブラウザ・PC操作を伴うエージェント	Gemini 3.5 Flash	コンピュータ操作対応、OSWorld・MCP Atlasで強い
コスト最重視・大量処理	Sonnet 5（〜8/31）ほか安価枠	期間限定値下げを活かす
国内処理・データ主権重視	ベンダーニュートラルなClaude系	複数クラウド経由で選べる

表の中身は、来月には順位が変わっているかもしれません。それでいいのです。大事なのは表の完成度ではなく、表を差し替えられる仕組みを持っているかどうかです。

料金設計も同じ発想で見ます。Fable 5が$10・$50へ跳ね上がった一方で、Sonnet 5は8月31日まで$2・$10という期間限定価格、Opus 4.8は前世代据え置き。この凸凹を無視して一律に高単価モデルを流すと、TCO（総保有コスト)は簡単に膨らみます。私のクライアントでも、分類のような軽いタスクにまで最上位モデルを当てていて請求が跳ねた例があり、ルーティングのルールを一枚整理しただけで月額が目に見えて下がりました。

データ主権の観点では、Claude系がAnthropic直だけでなく複数のハイパースケーラー経由で使えるベンダーニュートラルさが、依然として構造的な強みです。モデルが代替わりしても調達ルートを変えずに済むという性質は、日付に強い。国内処理を求められる領域では、この柔軟性がそのまま選定の決め手になります。エンタープライズAIの導入は、モデル選定で終わりません。プロンプトライブラリの整備、ガバナンス、監査ログ、TCO管理まで含めて設計しないと、ベンチで勝ったモデルが本番で負けるという珍事が普通に起きます。私たちTIMEWELLでは、こうしたモデル選定からガバナンス整備、社内浸透までを、AIコンサルティングサービスWARPで一気通貫に伴走しています。社内ドキュメントを根拠付きで正しく検索する基盤づくりは、GraphRAGを軸にした自社プロダクトZEROCKで具体化しています。どのモデルを選ぶにせよ、社内知識を正確に引ける土台がなければ、ハルシネーションは消えません。

まとめ：2026年7月時点で私が出す結論

ベンチマークと現場感を両輪にして、いまの答えを書きます。エンタープライズが性能の天井を取りに行くならClaude Fable 5、費用対効果で日常業務を回すならClaude Sonnet 5かOpus 4.8、ブラウザやPC操作を伴うエージェントならGemini 3.5 Flash。そして比較の視野を米3社で閉じず、Kimi K3のような非米国モデルを初期検討に入れておく。これが7月19日時点の整理です。

ただし、これはあくまで7月時点の答えです。Gemini 3.5 Proが正式に出れば景色は変わりますし、Anthropicが次のSonnetを刷新するかもしれません。だからこそ、単一モデルにロックインせず、AIゲートウェイ経由で複数モデルを束ねる設計を最初から取る。約6週間で主役が入れ替わるという前提を制度として組み込む。これが「フラッグシップ乱立時代」を生き抜く最低限の構えだと思います。

最後に、いちばん伝えたいことを。最新のベンチマークだけを追いかけて毎週乗り換える必要はありません。大事なのは、自社のユースケースで本当に効いているのはどこかを毎月測ることです。スコアシートではなく、自社のKPI（リードタイム、CSAT、エラー率、TCO）で判定する。モデル選定に迷ったら、まずは自社の課題を個別相談で棚卸しするところから始めてください。それが、6週間で古くなる知識に振り回されないための、いちばん確実な一歩です。

関連する記事として、エージェント関連の動きを整理したGoogle Cloud Next 2026とAIエージェント、コーディングエージェントの選び方をまとめたClaude Code vs Cursor vs Cline 比較、そしてClaude Code Skillsを紹介したClaude Code Skills 45選も、合わせて読むと今回のモデル比較がより立体的に見えてくるはずです。

Footnotes

1. Anthropic「News（モデル発表ハブ）」 https://www.anthropic.com/news ↩

2. Claude Blog（Claude Fable 5 フィールドガイド等） https://claude.com/blog ↩ ↩²

3. Anthropic「Claude Sonnet 5」 https://www.anthropic.com/news/claude-sonnet-5 ↩ ↩²

4. OpenAI「News」 https://openai.com/news/ ↩

5. Google DeepMind「Gemini models」 https://deepmind.google/models/gemini/ ↩ ↩²

6. Artificial Analysis「Claude Fable 5」 https://artificialanalysis.ai/models/claude-fable-5 ↩

7. Artificial Analysis「GPT-5.6 Sol」 https://artificialanalysis.ai/models/gpt-5-6-sol ↩ ↩²

8. Artificial Analysis「Models / Intelligence Index v4.1」 https://artificialanalysis.ai/models ↩ ↩² ↩³

9. Google「The Keyword — Gemini」 https://blog.google/products/gemini/ ↩