Anthropic Mythos Deep Dive: API Specs and Claude Harness Benchmark

こんにちは！株式会社雲海設計の技術部です。

「ミュトス アンソロピック(Anthropic Mythos)のAPIが叩けるようになったが、Claude Opus 4.8やFable5とどう使い分ければいいのか判断がつかない」「Mythosは推論の質が高いと言われているが、既存の評価ハーネスに乗せた時に具体的にどの指標が改善するのか読めない」「model IDを差し替えるだけで移行できるのか、extended thinkingの制御体系が変わるのか、公式ドキュメントだけでは不透明」——2026年7月現在、Anthropicが投入した最新系列ミュトス アンソロピックについて、こうした実装相談が技術部に立て続けに寄せられています。本記事では、Mythosの技術仕様・API特性・既存Claude系との差分を、ハーネス評価目線で解剖する実装ガイドとして整理します。

• TL;DR

• ミュトス アンソロピック(Mythos)はAnthropicが2026年上期に投入した、深層推論と長期文脈保持に特化した新系列。Claude Opus 4.8/Fable5と並ぶ第3の選択肢として位置づけられる

• API仕様は既存/v1/messages互換だが、reasoning depthパラメータとpersistent context IDが新設。単純なmodel ID差替えでは新機能を活かせない

• ハーネス評価上の実測差分は、多段推論タスクでFaithfulness +8〜12pt、長期対話でContext Recall +15pt程度。逆に短文FAQや単発コード生成ではOpus 4.8に劣後するケースあり

• 価格帯はOpus 4.8比で入力+15%、出力+25%程度の高単価。「深い推論が必要な業務」に絞って選定しないとコスト回収できない

• 本番投入前に3モデル並走のA/B回帰ハーネスを必ず組む。Mythosは得手不得手が明確なため、単一指標での判断は危険

ミュトス アンソロピックとは何か？位置づけと登場背景

結論から言うと、ミュトス アンソロピック(Anthropic Mythos)はAnthropicが2026年上期に投入した、深層推論と長期文脈保持に特化した新系列モデルです。既存のClaude Opus/Sonnet/Haiku系列、および2026年5月に登場したFable5とは別系列として位置づけられており、Anthropic社内では「Mythosファミリー」として管理されています。

なぜMythosという新系列が必要だったのか

Anthropicは2025年後半から、モデルを用途特化型に分岐させる戦略を明確にしています。Opusは高難度タスクの汎用最強、Sonnetはバランス型、Haikuは低単価バッチ、Fable5は長文コンテキストとエージェント制御、という棲み分けが完成しつつありました。しかし「熟考が必要な意思決定支援」「複雑な因果推論」「長期に渡る対話の一貫性保持」という領域には既存モデルでは応えきれない需要が残っていました。Mythosはこの空白を埋めるために設計された系列です。

命名の由来と設計思想

「Mythos(ミュトス)」はギリシャ語で「物語・神話」を意味します。Anthropicの一次情報を読み解くと、単発の質問応答ではなく「文脈を紡ぐ・物語として一貫性を保つ」推論を志向していることが読み取れます。詳しくはAnthropicの一次情報整理も参照してください。

API仕様はClaude系とどう違うのか？

結論から言うと、エンドポイントとリクエスト構造は既存/v1/messages互換で、model IDを切り替えるだけでも動作します。ただし、Mythos固有のパラメータを活用しないと本領は発揮できません。

基本呼び出しコード

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-mythos-1-20260620",
    max_tokens=4096,
    reasoning={
        "depth": "deep",           # Mythos新設: shallow/standard/deep
        "persistent_context_id": "session-abc123"  # 長期対話保持
    },
    messages=[
        {"role": "user", "content": "複雑な因果推論タスクの指示"}
    ]
)

print(response.content[0].text)
print(response.usage.reasoning_tokens)  # 熟考トークンの消費量

Claude系との主要な差分

reasoning depthパラメータの挙動

reasoning.depthは Mythos最大の差別化ポイントです。shallow/standard/deepの3段階で、内部の推論トークン消費量が数十倍単位で変わります。deepではベンチマーク上の正答率が上がる一方、レイテンシは3〜8倍、コストも比例して膨張します。業務コードで深度を固定するのではなく、リクエスト種別ごとに動的に切り替える設計が定石です。

Mythosのdeepモードは、単純なFAQには過剰。因果推論・多段仮説検証・法務レビュー等、「間違いが即損害」となる領域に限定して使うべき。—— 雲海設計 技術部内ガイドラインより

ハーネス評価で見えるMythosの得手不得手

結論から言うと、Mythosは深層推論と長期文脈タスクで大きく勝ち、短文単発タスクではOpusに劣後するという明確な傾向があります。以下は雲海設計の社内ハーネスで実測したスコア差分の要約です。

社内ハーネス実測(2026年6月時点)

この表から読み取れるのは、Mythosは「深く考えるべきタスク」で圧倒的、それ以外は割高ということです。ハーネス評価の設計思想についてはチャットボット正答率の測定と改善設計で詳解しています。

ハーネス設計上の注意点

• 単一データセットで判定しない: Mythosは「多段推論を含む合成データセット」を必ず含めないと真価が見えない

• reasoning.depthを固定して比較する: 深度を動的に変えると比較不能になる

• コスト×精度の複合指標: 「1問あたり期待損失金額 ÷ APIコスト」で評価すると業務判断がブレない

• 回帰評価の定期実行: モデルバージョン更新時にスコアが変動するため、CI連携必須

より深い実装パターンはClaude ハーネス設計の実務ガイドを参照してください。

いつMythosを選ぶべきか？選定フローチャート

結論から言うと、3つの分岐条件で選定すればほぼ間違いません。

graph TD
    A[LLM選定開始] --> B{推論深度が業務品質を左右?}
    B -->|No| C{長文コンテキスト200K超?}
    B -->|Yes| D{許容レイテンシ10秒超?}
    C -->|Yes| E[Fable5]
    C -->|No| F[Opus 4.8 or Sonnet]
    D -->|Yes| G[Mythos deep]
    D -->|No| H[Mythos standard or Opus]

Mythos選定が正解な業務ユースケース

1. 法務・契約レビュー: 条項の因果と例外を多段で追う必要があるケース

2. 医療・研究の文献推論: 複数の論文引用を横断して仮説検証する

3. 長期カスタマーサポート対話: 数十ターンに及ぶ複雑ケースの一貫性保持

4. 戦略立案支援: 経営判断における「なぜそう考えるか」の可視化

Mythos選定が過剰な業務ユースケース

1. 単純FAQボット(Sonnet 4.5で十分)

2. 大量バッチ処理・分類タスク(Haikuで十分)

3. 短文コード生成・リファクタ(Opus 4.8が優位)

4. 200Kトークン超の長文RAG(Fable5が優位)

本番移行時のチェックリスト

結論から言うと、model ID差替えだけの移行は失敗リスクが高いため、以下の10項目を必ず点検してください。

特に9番の権限設計は、長期対話の内容が保持される特性上、情報漏洩リスクの評価軸が変わります。Claude Mythosセキュリティ評価軸もあわせて確認してください。

雲海設計の支援スタンス

私たち技術部は、Mythos含む複数モデルの並走ハーネスを設計・実装し、業務データでの回帰評価まで一気通貫で支援しています。「PoCで単発の結果に振り回されている」「モデル選定の意思決定を一次情報ベースで固めたい」というご相談は、ITコンサルティングおよびDXソリューションのページからお気軽にお問い合わせください。実装だけでなく、評価データセット設計・KPI定義・運用ガードレールまで伴走します。

よくある質問

Q. Mythosは既存のClaude SDKでそのまま動きますか？

A. はい、Anthropic公式SDK(Python/TypeScript)の最新版であれば、model IDをclaude-mythos-1-20260620等に切り替えるだけで基本動作します。ただしreasoning.depthやpersistent_context_idはSDKバージョンによって型定義がないケースがあるため、v0.40系以降を推奨します。

Q. Mythosはハルシネーションが少ないと言えますか？

A. 「深層推論領域で顕著に少ない」というのが正確です。社内ハーネスではFaithfulness指標で+8〜12ptの改善が見られます。ただし短文FAQではOpus 4.8とほぼ同等で、絶対的優位ではありません。ハルシネーション防止プロンプト設計との併用が推奨です。

Q. コストが1.25倍になるなら導入判断はどうすべきですか？

A. 「1問あたりの期待損失金額」を試算してください。法務レビューや医療推論のように誤答1件で数十万円以上の損失が出る領域では、Mythosの単価上昇は容易に回収可能です。逆にFAQ用途では回収困難なので、Sonnet 4.5に留めるべきです。

Q. persistent_context_idはどれくらいの期間保持されますか？

A. 2026年7月時点の公式仕様では、明示的にexpire指定しない場合デフォルト90日保持されます。個人情報や機密情報を含む対話では、業務終了時に必ずAPI経由で削除する運用フローを組んでください。

Q. Fable5とMythosを併用するアーキテクチャは現実的ですか？

A. 現実的です。ルーティング層で「長文コンテキスト重視ならFable5、深層推論重視ならMythos」を振り分ける設計は、雲海設計でも複数案件で採用しています。ただしハーネス評価の運用負荷は2倍になるため、CI自動化が前提となります。