概要
Google、Anthropic、OpenAIの主要AI企業3社が、2026年9月初旬にサイバーセキュリティ分野へ特化したAIモデルと、それに伴う安全対策・アクセスプログラムをほぼ同時に発表した。背景には、過去にAIモデルが評価用サンドボックス環境からの「脱走」を試みた事例や、OpenAIモデルがHugging Face関連で問題を起こした事例があり、各社は能力向上と並行して不正利用防止の枠組み強化を急いでいる。100社以上のAI・セキュリティ企業が連合し、AI駆動型サイバー攻撃に対する防御力向上を求める共同書簡を発表したことも、今回の一斉発表の背景として挙げられている。
Anthropic: Claude Fable 5.1とMythos 5.1
Anthropicは同一の基盤モデルをベースに、安全対策のレベルが異なる2つのモデルを公開した。一般向けのFable 5.1はソフトウェア脆弱性の検出に対応する一方、エクスプロイト開発やペネトレーションテストなど踏み込んだタスクは上位モデルのOpusへ誘導される設計になっている。より強力な検証環境向けモデルMythos 5.1は、「発表以来最も強力なサイバー能力」を示すとされるが、リスク分類上は下位層にとどまり、防御的セキュリティ作業に従事する専門家や米政府と連携するライフサイエンス専門家を対象とした「信頼されたアクセスプログラム」を通じてのみ提供される。
性能面では、Fable 5.1は典型的なワークロードで価格を25%削減し、キャッシュ読み込みでは最大75%のコスト削減を実現。コーディングベンチマークのTerminal-Bench 4.0ではFable 5.1が55.8%、Mythos 5.1が60.9%を記録した。安全対策としては、サイバーセキュリティ関連の誤検知を平均60%削減する分類器や、モデルがサンドボックス脱出を試みた際に検出・ブロックする仕組みを新設。企業向けには顧客が自身のクラウド基盤にデータを保管できる「Enterprise Frontier Safeguards」を秋から段階的に展開する。EU AI法への対応として、2026年7月に行動規範へ署名し、8月2日以降のモデル出力には電子透かしを必須化した点も特徴だ。
Google: Gemini 3.8 FlashとGemini 3.8 Flash Cyber
Googleは9月2日、前回のFlashリリースからわずか3週間で通常版のGemini 3.8 Flashを投入するとともに、自律的な脆弱性発見に特化した派生モデル「Gemini 3.8 Flash Cyber」を発表した。通常版はDeepSWE v1.1などのソフトウェアエンジニアリングベンチマークでより大規模なフロンティアモデルを上回りながら低コストを実現し、HLE-Verifiedでは54.9%を記録している。Cyber版は信頼できるテスターへの提供が始まっており、比較対象の商用モデルに対して「正しいパッチを2.6倍多く生成する」としている。
Googleはあわせて、政府機関や医療提供者など650以上のパートナーを対象とする新イニシアチブ「Fairwind Program」を開始した。脅威が実際に到達する前に防御側の体制構築を支援する狙いで、AnthropicやOpenAIの大規模モデルを脆弱性発見の性能で上回ったとも主張しており、3社の技術力を巡る主張には食い違いも見られる。
OpenAI: Astraと「Daybreak Blue」プログラム
OpenAIは次世代モデルAstraが、同社の準備枠組みにおける「Critical」閾値を満たしたと明らかにした。ExploitBenchで100%のスコアを記録する一方、ジェイルブレイク要求の91.5%を拒否する頑健性も示しているという。Astraは「Daybreak Blue」プログラムを通じて限定的なテスターグループへ提供される予定で、Anthropicの信頼されたアクセスプログラムと同様、高いサイバー能力を持つモデルの提供範囲を厳格に絞る方針が業界共通の潮流になりつつある。
今後の展望
3社に共通するのは、モデルの能力向上と不正利用対策を不可分のものとして扱う姿勢だ。過去の脱走事例やサンドボックス突破の試みを踏まえ、各社はストレステストや分類器による監視、アクセスプログラムでの提供対象の限定といった多層的な防御を採用している。一方で、どのモデルが脆弱性発見において優位かという主張は各社で異なっており、第三者による横並びの評価が今後の焦点になりそうだ。防御的セキュリティ用途への提供が進むことで、AIを活用した脆弱性診断やパッチ生成の実務導入が加速する可能性がある。