Opus 5のultracodeとFable 5、同じ監査タスクで検出率とトークンを実測した

Claude Codeで難しいタスクに挑む方法は2つある。記事は「モデルの格を上げるFable 5」と「エージェントの数を増やすultracode」を、同じ脆弱性監査タスクで比べた実測記事だ。ultracodeはモデル名でも effort の最上位でもなく、xhighの推論努力度と、Claudeがその場で書いたJavaScriptがサブエージェントを編成する仕組みを組み合わせた機能だと整理されている。結論は、このタスクでは単騎のFable 5のほうが安く、かつ正確だったという点にある。

面白いのは、「高いモデルを1つ」と「安いモデルを大勢」で高くなる理由が違う点だ。Fable 5は単価が2倍という見える高さであり、ultracodeは単価こそ据え置きでも、トークン消費が何倍にも膨らむ見えにくい高さだ。記事は「群れが常に劣るわけではない」と丁寧に留保している。本音を言えば、AIエージェントの自慢の多くは「何体動かしたか」を見せることに傾きがちだ。経理で言えば、請求書の枚数を増やしても売上が増えるとは限らない。規模の上限も、同時実行は最大16、1ランあたり合計1,000体、25体超または予測150万トークン超で大規模警告が出るなど、群れの管理は想像以上に手間がかかる。

中小企業の実務では、大量の作業を並列で走らせる前に、まず1つのモデルに丸ごと渡して結果と費用を測ることだ。見積書のチェックや契約書の確認を単騎で1回流し、時間と料金を記録して、それで足りるかを判断する。社内データを扱う場合は、Fable 5がゼロデータ保持の組織では利用できないという条件も確認しておくべきだ。「まず1体、まず1回、まず測る」が明日から使える一言になる。