Fable 5の賢さは、盗める。7月7日までにSonnetへ移植する5つの手順

プロンプトだけで小型AIモデルをフロンティア級に引き上げたGoogleの研究が、定額期間の正しい使い方を教えてくれる

ベンチマークスコアの高いAIを使えば、質の高いコンテンツが出てくる。多くの人がそう思い込んでいます。

これは半分しか正しくない。

AIの出力の質は、モデルの性能だけでは決まりません。性能と設計の掛け算で決まります。今話題のFable 5は、私たち一般ユーザーが触れるAIとしては最高性能と言われていますし、私自身も使い倒した上で、その性能には感動を覚えるレベルだと断言できます。しかし同じFable 5を使っても、出てくるものの質は人によってまるで違う。モデルという分子が同じなら、差を生んでいるのは分母、つまり設計です。

モデルの中身は私たちには動かせません。動かせるのはプロンプト、スキル、メモリ、カスタマイズ設定、パーソナライズ設定。ここは完全に自分の意思でコントロールできる領域です。そして私が今考えているのは、この領域を鍛え上げることで、SonnetやOpusといった下位モデルにFable 5に近い挙動をさせる準備を、Fable 5が定額で使えるうちに終わらせることです。7月7日を過ぎれば従量課金に移る。最高性能のモデルを湯水のように使える時間は、もう残っていません。

では具体的にどうするのか。実はこの問いへの答えは、英語圏で既に出ています。

プロンプトだけで小型AIモデルがフロンティア級になった実験

2026年2月、Googleの研究者がarXivに「Prompt-Level Distillation」という論文を発表しました。やったことは単純です。高性能な教師モデルから判断のパターンを抽出し、それを明文化した指示として小型モデルのシステムプロンプトに移植した。それだけです。

結果、わずか40億パラメータの小型モデルGemma-3 4Bが、偏見検出タスクのベンチマークでスコアを57%から90%に、契約文書の論理判定タスクで67%から83%に引き上げ、これらのタスクにおいてフロンティアモデルに匹敵する性能に到達しました。追加学習なし。ファインチューニングなし。書き換えたのはプロンプトだけです。

正直に言えば、これは分類や判定といったタスクでの実証であり、文章生成の質がそのまま保証されたわけではありません。しかし英語圏の実践者たちは、同じ構図を文章生成に持ち込み、書き手の文体定義ファイルと禁止表現リストをAIに読ませる運用で成果を出し始めています。研究と実践の両方が、同じ一つの事実を指しています。賢いモデルの賢さの相当部分は、言語化してファイルに落とせる。

だからこそ、今Fable 5にやらせるべき仕事は「答えを出すこと」ではありません。自分の思考のレシピを吐き出すことです。答えは消費されて終わりますが、レシピは資産として残り、下位モデルの上で動き続けます。

Anthropic自身も、スキル作成の公式ガイドで同じ構図を推奨しています。最も効果的なスキル開発プロセスは、Claude Aがスキルを設計し、別のClaude Bが実タスクでテストするというもの。教師と生徒です。今ならこの教師役に、史上最高の教師を据えられる。

Fable 5をSonnetの教師にする5つの手順

手順1。お手本となる出力の保存。

毎週繰り返している定型タスク、たとえばニュースレター執筆、セールスレター、クライアントへの提案文を、Fable 5に最高品質で実行させ、その出力を保存します。これが後で下位モデルに見せるお手本、つまりfew-shot用の実例になります。重要なのは量ではありません。Anthropicの公式ガイドは、例は厳選した3個から5個に絞れと明言しています。エッジケースを何十個も詰め込むのは逆効果です。

手順2。判断レシピの言語化。

お手本を出させた直後に、Fable 5にこう指示します。「なぜこの出力になったのか。判断基準、手順、避けた選択肢を、別のAIモデルが再現できる形で書き出せ」。先ほどの論文が組織的にやったことの、個人版です。感覚でやっている判断を、明文化された指示に変換する。

手順3。スキル(SKILL.md)へのパッケージ化。

言語化したレシピを、SKILL.mdの形式に落とし込みます。ここでの鉄則は1スキル1ワークフロー。文体、構成、リサーチ手順を一つの巨大ファイルに詰め込むと、どの場面でも中途半端に働く汎用品になります。英語圏の実践者が口を揃えて指摘しているのは、文体ファイルには「やること」だけでなく「やらないこと」を書けという点です。使わない言葉、避ける構造、AIが勝手に直したがる癖への上書きルール。個性とは、何を選ぶかより何を捨てるかに宿ります。

手順4。下位モデルでの並走テスト。

作ったスキルをSonnetに読ませ、同じタスクをやらせて、Fable 5の出力と並べて差分を確認します。ここが最大のポイントです。今なら教師と生徒を横に並べて答え合わせができる。定額の窓が閉じた後では、比較対象そのものを気軽に呼び出せなくなります。このテストは今しかできません。

手順5。自分専用ベンチマークの構築。

過去の自分の最高の成果物を10本選び、これを採点基準として固定します。機械学習の開発現場では、100件から500件の評価用データを先に作れ、これを省略したチームは後で後悔すると言われています。個人にそこまでの件数は要りません。ただし原理は同じです。「なんとなく良くなった気がする」ではなく、固定した基準に照らして合格か不合格かを判定できる状態を作っておく。

一つだけ釘を刺しておきます。この5つの手順で埋まるのは、判断基準と様式の差です。モデルの基礎体力の差がゼロになるわけではありません。しかし実務のコンテンツ制作において品質を決めているのは、その判断と様式の部分です。だからこそ移植する価値があります。

コンテキストエンジニアリングの本質は引き算

最後に一つ、直感に反する話をします。

コンテキストは盛れば盛るほど良いわけではありません。Anthropicが公式に掲げている原則は、望む結果の確率を最大化する、最小限の高信号トークンを見つけることです。モデルの注意力は有限の予算であり、無関係な情報を詰め込むほど、本当に必要な情報を拾う精度が落ちる。研究者たちはこの現象をコンテキストロット、文脈の腐敗と呼んでいます。

つまりこの準備作業の本質は、足し算ではなく引き算です。自分の仕事の判断基準を、最小限の言葉で、最大の密度で記述する。これはAIのための作業のようでいて、実際には自分のビジネスの核心を言語化する棚卸しそのものです。

高性能モデルが定額で使える今は、いわばボーナスステージです。ボーナス中に目先のスコアを稼ぐ人と、ステージが終わった後も残る資産を作る人。その差は、課金体系が切り替わった翌日から数字になって表れます。

私は後者を選びます。あなたの7月7日は、何に使いますか。