AIの拒否応答が標準化。Claude Code開発者が導入すべき多層防御の理由

Q: ZDR（データ保持なし）が必須の環境でFable 5は使えますか？

現時点では使えません。 Fable 5 および Mythos 5 は、すべてのトラフィックが30日間保持される仕様です。 ZDRを契約条件とする規制業界や、厳格なセキュリティポリシーを持つ企業では、現行の Fable 5 は利用対象外となります。 これらの環境では、保持ポリシーが緩和されるのを待つか、引き続きZDR対応の旧モデルを利用し続ける必要があります。

Q: OpenAIの安全プロンプトは他社モデルでも使えますか？

技術的には可能です。 OpenAI が公開した安全ポリシーはプロンプト形式で提供されているため、他のモデルにも適用できます。 ただし、これらは OpenAI のモデルの特性に合わせて最適化されているため、他社モデルで使用する場合は、出力のトーンや制限の強さを確認しながら、微調整を行うことが推奨されます。

SNS運用を自動化しませんか？

ThreadPostなら、投稿作成・画像生成・スケジュール管理までAIがサポート。

無料で始める

拒否はエラーではなく正常応答。僕らが書き換えるべきコードの正体

200 OK。

画面に返ってきたこのステータスコードを見て、僕は指を止めた。

AIがリクエストを拒否した。

通信エラーやタイムアウトではない。

APIの仕様として、正常な応答として「断られた」のだ。

最新のフラッグシップモデル、Claude Fable 5の登場により、拒否（Refusal）は開発者がハンドリングすべき標準的な状態となった。

これはAI開発における責任の分界点が、モデル提供側から開発者の手元へとシフトしたことを意味する。

開発者はプロンプトを投げる側から、多層的な防御アーキテクチャを設計する側へと役割を変えた。

1つのモデル、2つの顔。Claude Fable 5とMythos 5が示す未来

今回、1つのモデルが2つの製品として提供される構成となった。

一般提供されるClaude Fable 5と、米政府と連携して提供される限定版のClaude Mythos 5だ。

中身は同一モデルであり、違いは安全分類器（safety classifier）の有無のみとなる。

Fable 5には安全装置が組み込まれている。

Mythos 5はサイバー防御や重要インフラに関わる事業者向けに制限が解除されている。

価格は入力10ドル/1Mトークン、出力50ドル/1Mトークンだ。

100万トークンのコンテキストと、12万8000トークンの最大出力を備える。

APIドキュメントには、拒否応答の処理方法が記されている。

Fable 5の分類器が「危険」と判断したリクエストはエラーにならない。

stop_reason: refusal という値を返し、HTTP 200で着地する。

この分類器が発動するのは、全セッションの5%未満だ。

対象は、サイバー攻撃、生物化学兵器、蒸留（モデル能力の抽出）に関わる内容となる。

拒否が発生した場合、システムは次点のモデルであるClaude Opus 4.8に処理を引き継ぐ。

出力前に拒否された場合、料金は発生しない。

ストリーミングの途中でブロックされた場合は、そこまでの分がFable料金、切り替わった後の分がOpus料金として按分される。

従量課金は、この挙動に合わせて設計されている。

しんたろー：
拒否が正常系になるのは開発者にとって大きな変化だ。
これまでのような「try-catchで囲っておけばOK」という考えは通用しない。
コードの至る所に、if stop_reason == refusal という分岐を書く未来が確定した。

※この記事は、Claude Codeで1人SaaS開発しているしらたろーが、海外AI最新情報を開発者目線で解説する「AI活用Tips」です。

開発者の視点：ブラックボックス化する思考と消えたZDR

この新しいAPI仕様により、開発者が直面する3つの変化がある。

第一に、思考プロセス（Chain of Thought）の隠蔽だ。

Fable 5では、モデルの生の思考ログは返ってこない。

設定をデフォルトのままにすれば、思考ブロックは空で返る。

要約表示を選んでも、中身はAIによって「整形された要約」に過ぎない。

第二に、データ保持ポリシー（ZDR）の対象外だ。

Fable 5およびMythos 5は、すべてのトラフィックが30日間保持される対象となった。

Zero Data Retention（ZDR）、つまり「入力データを一切保存しない」という契約は適用されない。

厳格なセキュリティポリシーを持つ企業では、この一点でFable 5の採用を見送る判断が必要になる。

第三に、評価パイプラインの複雑化だ。

同じモデルIDを指定していても、応答したのがFable 5か、フォールバックしたOpus 4.8かでアウトプットの質は変わる。

レスポンスに含まれるメタデータを保存し、拒否経由の応答を分離して集計しなければ、システムの精度測定の数字は濁る。

しんたろー：
思考ログが見えなくなるのは開発効率に影響する。
Claude Codeで複雑なリファクタリングをさせているとき、中身が見えないのは不安だ。
AIを「信じる」のではなく「検証する」仕組みを、より外側に作る必要がある。

ここまで読んだあなたに

今なら無料で全機能をお試しいただけます。設定後はAIが投稿案を毎日生成。確認して選ぶだけ。

無料で始める

実務への影響：多層防御アーキテクチャの構築

業界全体が、安全対策を多層化する方向へ動いている。

OpenAIは、アプリ層での制御を強化するための安全プロンプト集を公開した。

若年層向けの保護や、過激なコンテンツの抑制など、これまで各開発者が手探りで作っていたガードレールを、プロンプトのテンプレートとして提供している。

一方で、Googleはインフラとオープンソース（OSS）のセキュリティにAIを投入している。

1,250万ドルの資金を投じ、AIを使ってOSSの脆弱性を自動で発見し、修正するプロジェクトを推進中だ。

彼らが開発したBig SleepやCodeMenderといったツールは、自社のブラウザの脆弱性修正で実績を上げている。

これらを統合すると、構築すべきAI活用の標準構成が見えてくる。

モデル層: Fable 5のような、内部に分類器を持つ高性能モデルを採用する。
プロンプト層: 標準的な安全ポリシーを組み込み、意図しない挙動を未然に防ぐ。
ハンドリング層: stop_reason: refusal を検知し、自動で下位モデルへ切り替えるロジックを実装する。
インフラ層: Googleが提供するようなセキュリティツールを活用し、AIが生成したコード自体の脆弱性をチェックする。

しんたろー：
AIが「できません」と言ったときの処理を丁寧に書くことが、プロダクトの信頼性に直結する。
僕のThreadPost開発でも、投稿内容がAIに拒否されたときの挙動を、エラー画面ではなく「安全なリライト案の提示」に変える準備を始めている。
拒否を「終わり」ではなく「分岐」として捉え直す必要がある。