AnthropicとGoogle Cloudの提携拡大、Fable 5.1のコーディング経済性を試す
AnthropicはClaude Fable 5.1をリリースした。その中心には明確な緊張関係がある。同社が一般提供する最も高性能なモデルは、より優れたコーディングによって、そのコストを正当化しなければならない。AnthropicとGoogle Cloudの関係により、企業は既存のクラウドインフラを通じてこのモデルにアクセスできるため、この検証は特に重要になる。
Fable 5.1は2026年9月1日、AnthropicのAPIと複数の主要クラウドプラットフォームを通じて一般提供を開始した。Anthropicによると、このモデルは長時間にわたるコーディング、リサーチ、文書作業を改善すると同時に、キャッシュ済み情報を繰り返し読み込むコストを削減する。
この組み合わせは、自律型AIシステムの実務上の弱点を狙ったものだ。モデルは難しい問題を解決できても、エージェントがリポジトリ、仕様、ツールの結果、会話履歴を何度も読み込むと、経済性を失う可能性がある。Google、OpenAI、Anthropicは現在、ベンチマークのスコアだけでなく、完了した作業の経済性でも競争している。
Fable 5.1は長時間コーディングのコストを変える
Fable 5.1は、孤立したテストでより良い回答を出すだけでなく、困難で長期にわたるタスクをより実用的にするために設計されている。
AnthropicはClaude Fable 5.1を、一般提供されている同社最高性能のモデルと説明している。これは、高度な推論と長期的なエージェント型作業、つまり計画、ツール利用、検証、繰り返しの修正を必要とするタスクを想定したものだ。
このモデルは100万トークンのコンテキストウィンドウをサポートし、最大128,000トークンを出力できる。コンテキストウィンドウとは、モデルが1回のやり取りで考慮できる情報量を指す。こうした上限により、エージェントは大規模なリポジトリ、リサーチ資料群、文書セットを処理する余地を得る。
Fable 5.1はFable 5と同じ基本の入力・出力料金を維持している。重要な経済面での変更はキャッシュ読み込みにあり、Fable model documentationによると、そのコストは従来の4分の1になった。
プロンプトキャッシュにより、アプリケーションはモデルがすでに処理した情報を再利用できる。リポジトリを扱うエージェントは、同じアーキテクチャノート、コードファイル、運用ルールを繰り返し参照する場合がある。キャッシュ読み込みの低価格化は、安定したコンテキストを維持するコスト上の不利を軽減する。
この違いは重要だ。モデルの料金だけでは、タスク完了にかかるコストは分からない。一見高価なモデルでも、より早く完了し、再試行が少なく、不要なツール呼び出しを避けられるなら、経済的になり得る。
逆もまた成り立つ。有能なモデルでも、長時間考えすぎたり、過剰なコンテキストを読んだり、求められた範囲外の変更を行ったりすれば、より多くのリソースを消費する可能性がある。そのためチームには、公表料金だけを比較するのではなく、タスク単位での評価が必要になる。
Anthropicの発表資料には、完了作業に関する同社の主張を裏付ける複数の顧客事例が含まれている。Cognitionは、テストにおいてFable 5.1がFable 5と同等、あるいはわずかに上回る性能を示しつつ、タスクあたりのコストは低かったと述べた。
Cognitionはまた、キャッシュの変更により、これまでOpusに割り当てていたワークロード、まずはコードレビューにおいて、このモデルが実用的になったとしている。これはAnthropicが紹介した顧客の主張であり、管理された独立評価ではない。
Red Hatは、Fable 5.1が社内テストセットにおけるすべての壊れたビルドの根本原因を特定したと報告した。また、以前のAnthropicモデルよりも明確な進捗更新を提供したとしている。
MongoDBは、このモデルが数日間にわたり開発したプロトタイプについて説明した。顧客の説明によれば、Fableは社内サービスと文書を調査し、設計を実装し、その結果を示す視覚的な証拠を作成した。
これらの事例は、Anthropicが想定するユースケースを示している。Fable 5.1は、あらゆる要求に対するデフォルトの答えとして位置付けられているわけではない。Anthropic自身のガイダンスは、多くの開発者に対し、まずOpus 5から始め、より厳しい評価で正当化できる場合にFableへ移行するよう勧めている。
この推奨は有益な規律をもたらす。チームは、計画の質、持続力、エラーからの回復が、より遅い応答特性を上回るタスクにFable 5.1を限定すべきだ。
したがって、このリリースはモデル能力以上の変化をもたらす。エンジニアリングチームは、日常的なタスクにはより低コストのモデルを使い、失敗のコストが高い仕事にはFableを使うという形で、モデルポートフォリオ全体に作業を配分するもう一つの方法を得る。
AnthropicのGoogle Cloud提供が重要性を高める理由
AnthropicのGoogle Cloudでの提供は、Fable 5.1を専門的なAPIリリースから、エンタープライズの調達判断へと変える。
Fable 5.1はAnthropicのAPI、Amazon Bedrock、Google Cloud、Microsoft Foundry、そしてAWS上のAnthropicプラットフォームを通じて利用できる。この広がりにより、購入者はアイデンティティ、請求、ガバナンスのワークフローをすべて作り直さずにモデルを試せる。
Google Cloudの顧客にとって、Claudeへのアクセスは、より広いVertex AI環境においてGoogleのGeminiモデルと並ぶ。Vertex AIは、機械学習アプリケーションの構築、評価、運用のためにGoogle Cloudが提供するマネージドプラットフォームだ。
この取り決めにより、Googleは流通パートナーであると同時に、重要な競合上の比較対象にもなる。選択されるモデルがAnthropic製であっても、顧客が同社のインフラでより多くのAIワークロードを実行すれば、Googleは利益を得る。
同時に、Geminiはそれらのワークロードを争う競合でもある。Googleは低コストモデルのラインアップを拡大しつつ、コーディング、推論、マルチモーダル作業向けのフロンティアシステムの開発を続けている。
結果として、多層的な競争が生まれる。Anthropicはモデル選定で競い、Googleはアプリケーションをホストするクラウド環境で競う。購入者は、これらの意思決定をますます切り分けられるようになる。
この切り分けは、切り替え時の摩擦を減らす。すでにGoogle Cloudを利用している企業は、慣れた運用上の境界内でClaudeとGeminiを比較できる。その後、異なるタスクを異なるモデルに振り分けることも可能だ。
AnthropicとGoogleの関係は、アクセス制御やリージョン別インフラ要件を扱ううえで、企業の購入者により明確な道筋も与える。こうした懸念は、有望なモデルがパイロット段階を超えられるかどうかを左右することが多い。
ただし、クラウドでの提供が完全な移植性を生むわけではない。モデルAPIは、ツール定義、推論制御、キャッシュ動作、安全性に関する応答、サポートするコンテンツ形式で異なる。
Fable 5.1には、独自の移行上の注意点もいくつかある。強制ツール利用ではエラーが返る可能性があり、以前のモデルはそのthinking blocksを読み取れず、過去のターンを編集するとそれらのブロックが無効になる場合がある。
Thinking blocksは、アプリケーションがターンをまたいで保持できるモデルの推論状態を格納する。通常のテキスト応答ではなく、開発者は再利用時にプロバイダーのルールに従う必要がある。
Fable 5.1はまた、メッセージごとのeffort制御、ターン単位のシステムメッセージ、ツール呼び出しの間に表示される読みやすい更新情報を追加した。各機能はオーケストレーションを改善し得るが、いずれもアプリケーションでのテストを必要とする。
Claude partner guidanceでは、Google Cloudの顧客がVertex AIを通じてAnthropicモデルを利用する方法が説明されている。エンタープライズ上の利点はマネージドアクセスにあり、プロバイダー間で挙動が同一であることではない。
これはGoogleのGeminiチームに圧力をかける。顧客はGoogle Cloudを離れずにAnthropicの最も高性能な公開モデルを評価でき、同時にGeminiを代替手段として維持できるからだ。
Anthropicにも圧力がかかる。提供範囲の拡大により、Fable 5.1は実際のリポジトリや業務ワークフローを中心に設計されたテストを含め、より多くの社内評価にさらされる。購入者が自社の成果を測定できるようになれば、マーケティング上のベンチマークの重みは小さくなる。
開発者にとっては、普遍的な勝者がいなくても競争の効果は好ましい。アクセスしやすいモデル選択肢が増えれば、どのプロバイダーも単一のベンチマークや閉鎖的な流通チャネルに頼りにくくなる。
重要な問いは、ClaudeがGeminiの隣に並ぶかどうかではない。両者が同等のエンタープライズ制御下で利用できるとき、Anthropicが難しいタスクを獲得できるかどうかだ。
より優れたコーディングは単一のスコアではなく、作業内容に左右される
AnthropicはFable 5.1が高度なコーディング作業で優位に立つと述べるが、有用な証拠は普遍的な順位ではなく、タスクにおける挙動にある。
同社によると、Fable 5.1はコーディング、ナレッジワーク、長時間にわたる問題解決を改善する。発表時のベンチマークでは、このモデルをFable 5、Opus 5、OpenAIのGPT-5.6 Solと比較している。
Anthropicは、これらの比較の限界についても言及している。一部の安全性介入により、モデルは特定のタスクでゼロ点となり、他のフラグが付いたタスクはフォールバックモデルを通じて完了したという。
同社はさらに、OSWorld 2.0の結果が2026年8月版のタスクリリースを使用していると警告する。これらの結果は、以前のバージョンのベンチマークを使って公表されたスコアと直接比較できない。
この留保は重要だ。ベンチマークは、更新されたタスク、異なるエージェントハーネス、変更されたツール権限、さまざまな推論設定によって変わり得る。小さなスコア差は、別の設定では消えるかもしれない。
Terminal-Bench-Scienceは、その不確実性をよく示している。Anthropicは、この評価におけるモデルごとの標準誤差を3.5〜4.5ポイントと報告している。そのため、一見した差の一部は統計的ノイズの範囲内にある可能性がある。
公開されたコーディングテストで首位のモデルであっても、企業のリポジトリ内では苦戦し得る。社内コードには、文書化されていない慣習、不完全なテスト、依存関係の競合、ベンチマークではほとんど再現されない権限が含まれる。
長時間にわたる挙動は、新たな失敗モードも生み出す。エージェントは中心的な問題を解決しながら、無関係なファイルを変更するかもしれない。不必要な文書を追加したり、重複する自動化を作成したり、低リスクな判断の検証にリソースを費やしたりする可能性もある。
したがって、最良の評価単位は完了したエンジニアリングタスクだ。チームは、パッチが機能するか、テストが通るか、人間によるレビューがどれだけ残るか、モデルがどの程度頻繁にスコープを拡大するかを測定すべきである。
Anthropicの顧客事例は有用なシナリオを示すが、あくまで選択された発表時の証拠である。Millenniumは、約100万回の実行に1回という頻度で発生し、何年にもわたって説明できなかったまれなクラッシュについて説明した。
その説明によると、Fable 5.1は外部ベンダーのライブラリを調査し、コアダンプと比較して、クラッシュの原因をそのライブラリにたどり着いた。この例は、Anthropicが購入者に試してほしいと考える長時間の調査の種類を示している。
Squareは、30日間継続するシミュレートされたビジネス環境でこのモデルを評価した。モデルは模擬ツール、顧客、従業員、ベンダーとやり取りできた。Squareは、その環境でOpus 5よりもトークンを効率的に使用したと述べた。
Jane Streetは、このモデルがFable 5やOpus 5よりも多くのコーディング問題を解決したと述べた。また、長時間にわたる複数ステップの作業でも、モデルの挙動を追いやすかったと報告している。
これらの説明は、普遍的な主張ではなく、特定の論点を支えるものだ。Fable 5.1は、大量のコンテキスト、ツール利用、複数回の検証を組み合わせるタスクを対象としているように見える。
小規模なコード補完や単純なユニットテストには、その能力は必要ないかもしれない。範囲が限定された作業では、より高速なモデルの方が優れたユーザー体験と低い総コストを実現できる。
Fable 5.1は、Anthropicの他の現行モデルよりも遅いモデルとしても記載されている。夜間の移行処理では重要性が低くても、開発者がエディタ内で待つ場面ではレイテンシが重要になる。
チームは、対話型と非同期型の評価を分けるべきだ。対話型の作業では迅速なフィードバックと簡潔な編集が重視される。非同期型の作業では、計画、持続性、回復、明確なステータス報告が重視される。
ここで支援インフラが重要になる。検索可能なエンジニアリング・ナレッジベースがあれば、モデル評価の際にチームが一貫したアーキテクチャおよびポリシーの文脈を提供しやすくなる。
ただし、モデルには依然として明確な境界が必要だ。リポジトリの指示には、許容されるファイル、必須テスト、エスカレーションのルール、作業を停止する条件を明記すべきである。推論能力が向上しても、運用上の制約が不要になるわけではない。
コーディングに関する主張の信頼性は、実運用での成果が繰り返し示されることで高まる。独立したチームは、多様なリポジトリ、言語、ツール環境において、成功タスク当たりのコストが低いことを再現する必要がある。
真の仕組みはメモリの再利用と計算量の制御にある
Fable 5.1の経済性は、文脈を効率的に再利用しつつ、タスクが必要とする場面にだけ深い推論を投入することに支えられている。
エージェント型コーディングは、単一のプロンプトとは異なる。モデルは観察と行動を繰り返すからだ。ファイルを読み、計画を立て、コードを編集し、テストを実行し、失敗を解釈し、方針を修正する。
各サイクルでは、同じ背景情報が再び取り込まれる可能性がある。リポジトリのマップ、コーディング規約、インターフェース定義、過去の決定は、エージェントの作業中も変わらないことがある。
プロンプトキャッシュは、その繰り返しにかかるコストを削減する。そのためFable 5.1の低いキャッシュ読み取り料金は、大規模で安定した文脈を伴う長時間セッションで最も重要になる。
一方、すべてのリクエストが新しい情報を使う場合、この利点の意味は薄い。頻繁なプロンプト変更や一貫性のないメッセージ構築によってアプリケーションがキャッシュを無効化した場合も、効果は低下する。
開発者は、プロンプトを安定要素と可変要素に分けて設計する必要がある。安定した指示は再利用可能な位置に維持し、タスク固有の情報は共有プレフィックスを乱さずに追加すべきだ。
Fable 5.1のメッセージ単位の計算量制御は、別の無駄の要因にも対処する。計算量は、モデルが特定のターンにどれだけの計算を適用するかを決める。
エージェントは、移行計画の策定や未知の障害の診断では、より大きな計算量を使うかもしれない。その後、ステータス更新、簡単な検索、定型的な編集では計算量を下げられる。
この制御はタスクの経済性を改善し得るが、新たなチューニング判断も加える。常に最大の計算量を使うエージェントは、結果を改善しないまま時間とリソースを多く消費するおそれがある。
モデルの読みやすい進捗更新も、実用上の導入障壁を対象としている。ユーザーが作業内容を確認できない場合、長時間動作するエージェントは停止しているように見えることがある。
進捗メッセージにより、アプリケーションはツール呼び出しの合間の活動を表示できる。有用な更新では、非公開の推論を露出させずに、現在のタスク、関連する根拠、次の判断を示すべきだ。
明確な進捗は監督を改善する。開発者は、誤ったディレクトリに入った、割り当てを誤解した、不要な作業を始めたエージェントを停止できる。
Visionは別の検証経路を追加する。Anthropicによれば、Fable 5.1は、ファイルやPDFに埋め込まれたグラフ、表、図、コンテンツを解釈できる。
インターフェース作業では、モデルはレンダリング結果をデザインや提示された目標と比較できる。これにより、コード変更と可視出力を結び付けるフィードバックループが生まれる。
同じ仕組みは、文書中心の作業にも適用される。エージェントはソース資料を確認し、下書きを作成し、生成されたスプレッドシートやスライドデッキを評価できる。
AnthropicのFableリリースページは、これらの機能を多段階のナレッジワークのための一つのシステムとして提示している。しかし、モデルの持続力は、信頼できるツールと適切に構造化されたフィードバックに依存する。
誤解を招く成功を報告するテストコマンドは、どのモデルでも欺く可能性がある。権限の欠如は繰り返しの再試行につながり得る。ラベル付けの不十分な文書は、エージェントに誤った根拠を取得させる場合がある。
したがって、周辺システムも製品の一部であり続ける。モデル品質、ツールの信頼性、文脈設計、評価ルールが、最終的な結果をともに決定する。
この仕組みは、今回のリリースがベンチマーク更新以上に重要である理由を説明する。Anthropicは、持続的な推論の運用コストを下げながら、その周囲の制御を改善しようとしている。
Googleやその他のクラウドプラットフォームは、この仕組みを組織規模でテストしやすくする。同じインフラ内で代替モデルを利用できるため、比較もより直接的になる。
摩擦の低下は安全性とプライバシーのトレードオフをなくさない
Fable 5.1はいくつかの運用上の摩擦を減らすが、Anthropicは依然としてデフォルトの安全ポリシーの下で、機微なリクエストをルーティングし、データを保持する。
Anthropicによれば、Fable 5.1はFable 5よりも不要な安全介入を減らす。安全介入は、別個の分類器が不正利用の可能性を特定し、リクエストを制限またはリダイレクトする際に発生する。
同社がこれらの制御を用いるのは、高度なモデルが、重大な不正利用リスクを伴うサイバーセキュリティ、生物学、化学のタスクを支援できるためだ。
分類器が特定のリクエストにフラグを立てた場合、システムはそれをOpusモデルにルーティングすることがある。ユーザーは有能な応答を受け取るかもしれないが、その時点ではFable 5.1単体を評価しているわけではない。
このフォールバック挙動は、ベンチマークの解釈を複雑にする。顧客は一つのモデルを測定していると考えていても、安全システムが実効的なモデル経路を静かに変更している可能性がある。
Anthropicは、フォールバック発生時にはユーザーに通知するとしている。それでもアプリケーションは、モデルルーティング、介入頻度、レイテンシ、タスク結果を記録すべきだ。
Axiosは、Anthropicが良性の医療、生物学、サイバーセキュリティのセッションに対する介入が大幅に減ると見込んでいると報じた。セーフガードの変更は、正当な作業が制限を引き起こした開発者からの苦情に対応するものだ。
誤検知が減れば、セキュリティチームやライフサイエンスチームでの導入を促進できる。しかし、提供者が公表する介入率は、すべての顧客のワークロードを予測するものではない。
防御的なセキュリティチームは、攻撃活動に似た言葉を使うことがある。製薬研究者は、追加レビューを引き起こす生物学的メカニズムについて議論する可能性がある。こうしたユーザーには、ワークロード固有のテストが必要だ。
データ保持は第二のトレードオフを生む。Anthropicは、Fableがデフォルトで安全性監視のため30日間のデータ保持を行うとしている。
対象となるエンタープライズ顧客は、データを自社クラウドインフラ内に留める追加のセーフガードを利用できる。Anthropicによれば、その場合、人によるレビューはデフォルトで顧客側が担う。
このシステムが広く利用可能になるまで、一部の対象顧客はゼロデータ保持を利用できる。ゼロデータ保持とは、適用されるサービス規約の下で、プロンプトと応答が処理後に保存されないことを意味する。
TechCrunchは、Anthropicが秋の間にEnterprise Frontier Safeguardsを拡大する計画だと報じた。エンタープライズ向けプライバシー制御は、このモデルのエンタープライズにおける訴求力の中核となる。
購入者は、機微なコードを送信する前に正確な条件を確認すべきだ。クラウドで利用できることだけでは、ゼロ保持、顧客管理のレビュー、すべての地域で同一の制御が保証されるわけではない。
コンテンツの来歴は、別の未解決の疑問をもたらす。Fable 5.1は、生成物を識別または追跡することを目的とした仕組みを追加する。
来歴情報は、組織による自動生成コンテンツの監査や不正利用の調査に役立つ可能性がある。一方で、検出システムがAIによる著作を誤って推定する場合には懸念も生じ得る。
エンジニアリングチームは、来歴情報がコード、コメント、ドキュメント、あるいは特定の出力だけに影響するのかを確認すべきだ。また、人による編集後に生成物がどのように振る舞うかもテストすべきである。
最も重要な懐疑的論点は、タスク単位のコストに関するものだ。キャッシュアクセスが安くなっても、すべてのFable 5.1実行がFable 5やOpus 5より低コストになるとは限らない。
モデルは、より多くのトークンを使い、より長く推論し、追加のツール呼び出しを行う可能性がある。初期のユーザー報告でも、新バージョンが特定の評価でより多くのリソースを消費するかについて見解はすでに分かれている。
これらの報告はAnthropicの主張を否定するものではない。組織が自らのタスク分布を用いて、管理された測定を行う必要がある理由を示している。
公正なテストでは、リポジトリのスナップショット、プロンプト、ツール権限、成功基準を一定に保つべきだ。失敗した試行と成功した完了の両方を記録しなければならない。
人によるレビュー時間も、その計算に含めるべきである。安価な実行でも、肥大化したパッチを生成すれば、エンジニアが確認・修正した後のコストは高くなり得る。
Fable 5.1のローンチの根拠は依然としてもっともらしいが、条件付きである。モデルは、追加で行う推論を相殺できるだけの再試行、レビュー、失敗作業を削減しなければならない。
Fable 5.1が成果を出すかを決める3つのシグナル
AnthropicとGoogleの競争の次の段階は、実運用評価、エンタープライズ向けセーフガード、競合モデルの反応によって決まる。
第一のシグナルは、成功したコーディングタスク当たりの独立したコストだ。チームは、再試行、ツール呼び出し、レイテンシ、トークン消費、人によるレビューを含む評価を公表または共有すべきである。
低いキャッシュ読み取り料金がAnthropicの主張を強めるのは、これらの完全な測定値が低下する場合に限られる。Fable 5.1がより多くの推論や広範な編集を必要とするなら、その優位性は消える可能性がある。
最も強い証拠は、複数のリポジトリにまたがる反復タスクから得られる。一件の印象的なデバッグ事例は能力を示すが、予測可能な運用プロファイルを確立するものではない。
CognitionがDevinトラフィックの一部を移行する決定は、初期の実運用指標となる。重要な追跡点は、実際の顧客業務を数週間経験した後、そのルーティングが拡大するかどうかだ。
第二のシグナルは、Enterprise Frontier Safeguardsの展開である。Anthropicは、より強力なプライバシー制御が、効果的な不正利用監視と両立できることを示す必要がある。
規制対象企業での導入は、そのバランスが機能するかを明らかにする。広範なプライバシー表現よりも、セキュリティレビュー、地域での提供状況、顧客管理の監督が重要になる。
介入率にも同等の注意が必要だ。誤検知の減少は、必要不可欠な制御を弱めずにFable 5.1が使いやすくなったというAnthropicの主張を強める。
予期しない拒否や頻繁なフォールバックルーティングは、機微な技術作業におけるモデルの価値を弱める。顧客は、こうした介入の件数と文脈の両方を確認すべきだ。
第三のシグナルは、GoogleとOpenAIの反応である。Googleは、より安価なGeminiモデル、より強力なフロンティアモデルのリリース、またはVertex AI内でのより優れたクロスモデルルーティングで競争できる。
OpenAIは、コーディング性能、エージェント制御、長大な文脈を扱う作業の経済性改善を通じて対応できる。Anthropicの優位性が重要なのは、顧客がこれらの代替手段をテストした後も持続する場合に限られる。
AnthropicとGoogle Cloudの関係は、この反応を異例なほど見えやすくする。GoogleはClaudeを配布しながら、顧客がどのワークロードをGeminiに残したいと考えるかを同時に学べる。
この力学は、単純なベンダー対ベンダーの物語を妨げる。クラウドプラットフォームはますますモデル市場のように振る舞う一方、その所有者は競合モデルの開発を続けている。
購入者にとって、これはポートフォリオ型のアプローチを支持する。定型的なコーディング、対話型支援、深いデバッグ、長期にわたる移行に、同じモデルは必要ない。
チームは、測定された成果に応じて作業をルーティングすべきだ。また、提供者の更新によって品質、コスト、安全性の挙動が密かに変わることを防ぐ評価セットも維持すべきである。
Fable 5.1が注目に値するのは、コーディングエージェントにおける真のボトルネック、すなわち反復的な監督や制御不能な費用なしに困難な作業を完了することを狙っているからだ。
今回のリリースは、Anthropicが最高のコーディングモデルを持つかどうかを決着させるものではない。競合他社とエンタープライズ顧客が再現できる、より明確な検証基準を打ち立てた。
代表的なリポジトリ作業を選び、実行前に成功基準を定義したうえで、Claude、Gemini、その他の承認済みモデルにおける完了までの総コストを比較する。レビュー時間、再試行、介入、意図しない編集も含める。その後、各プロバイダーがシステムを更新するたびにテストを繰り返す。AnthropicとGoogleをめぐる動きは、見出しとしての重要性よりも、実際のエンジニアリングチームにおける運用上の選択としての意味合いが大きい。今後数か月で、Fable 5.1が最も難しい業務を一貫して担えるのか、それともその進歩が一部のデモに限られるのかが明らかになるはずだ。
