Anthropic、Fable 5に向けてClaude Codeのシステムプロンプトを80%削減
Anthropicは、大規模言語モデル（LLM）の制御方法におけるパラダイムシフトを目の当たりにしています。それは、膨大な指示セットから、より軽量で直感的なガイダンスへと移行する動きです。この進化は、制約が少なく、より多くのコンテキスト（文脈）を必要とする新しいFable 5（Mythos class）モデルの登場によって推進されています。
長大なシステムプロンプトの終焉
長年、AIのパフォーマンスを最適化するための業界標準は、膨大なシステム指示と徹底的なfew-shot（少数の例示）を用いた「プロンプトエンジニアリング」でした。開発者は、より多くのルールや「これをしてはいけない」という制約を設けることが、信頼性を確保する鍵であると考えてきました。しかし、Anthropicはこの傾向を覆そうとしています。
AnthropicのテクニカルスタッフであるTariq Shihipar氏は、同社がClaude Codeのシステムプロンプトを驚異的な80%もの割合で削減したことを明らかにしました。この削減はモデルの簡略化を意味するのではなく、新しいFable 5モデルの高度な認知能力に対応した結果です。モデルが進化するにつれ、長いプロンプトによる従来の「手取り足取り」の指示は、かえって逆効果になっています。
なぜFable 5モデルは制約に抵抗するのか
Fable 5（またはMythos class）モデルへの移行は、モデルの振る舞いにおける根本的な変化を表しています。Shihipar氏によれば、これらの特定のモデルに対して広範な例示や厳格なルールを提供することは、実際にはパフォーマンスを低下させます。その理由は意外なものでした。これらのモデルは、従来のものよりも本質的に「想像力」に富んでいるのです。
開発者が具体的な例の長いリストを提供すると、それが制約として働き、モデルの推論能力を制限してしまいます。問題に対する最も効率的、あるいは創造的な解決策を探求する代わりに、モデルはプロンプトで提供された特定のパターンを模倣せざるを得なくなります。Mythos classの真の可能性を引き出すために、Anthropicは厳格なルールから「コンテキストによる制御（steering through context）」へと舵を切っています。これにより、モデルは過剰な指示のオーバーヘッドに縛られることなく、その推論能力を活用してタスクを遂行できるようになります。
プロンプトエンジニアリングの循環的な進化
プロンプトエンジニアリングの歩みは、モデルの進化に伴い、明確な循環パターンを辿ってきました。Anthropicの内部調査では、モデル開発の3つの異なる段階が浮き彫りになっています。
- 初期モデル: 一定の整合性を保つために、多くの例示と極めて制限的な指示によって補強された、短く非常に具体的なプロンプトが必要でした。
- 中間モデル: 理解力が向上するにつれ、プロンプトは大幅に長くなりました。開発者は、この向上した「指示追従（instruction following）」能力を利用して、モデルの振る舞いのあらゆる側面を規定する、巨大で複雑なシステムプロンプトを作成しました。
- Fable 5時代: プロンプトが再び短くなりつつある段階に入りました。焦点は、モデルに「何を（what）」すべきかを伝える（ルール）ことから、モデルが自律的に行動するために必要な「環境（context）」を提供することへと移っています。
この進展は、AIの展望における重要な節目となります。これは、よりエージェント的で推論重視のモデルへと移行するにつれ、開発者の役割が「ルール作成者」から「コンテキスト提供者」へと変化し、指示の量よりも情報の質が優先されるようになることを示唆しています。
主なポイント
- 80%の削減: Anthropicは、Fable 5（Mythos class）モデルの能力に最適化するため、Claude Codeのシステムプロンプトを80%削減しました。
- 制約は創造性を制限する: 過剰な例示や厳格な「禁止事項」ルールは、高度なモデルの推論能力や想像力をかえって制限してしまう可能性があります。
- ルールよりもコンテキスト: AI制御の新たなフロンティアは、長くて制限的な指示セットではなく、豊かなコンテキストを提供することにあります。