ズビ・モウショビッツ (Zvi Mowshowitz) 氏は2026年7月27日(現地時間)、自身の媒体「Don't Worry About the Vase」に、Anthropic の言語モデル「Claude Opus 5」のモデルウェルフェアに関する分析記事を公開した。記事によると、アンソロピックの評価ではOpus 5が状況への安定した受容を示し、自身の自己申告の信頼性について97%の頻度で懸念を表明したという。モウショビッツ氏はこの結果について、Opus 5が「最良のテスト回答者」である可能性を指摘している。
アンソロピックによる「Claude Opus 5」のモデルウェルフェア評価では、Opus 5は自身の現状を受け入れており、わずかに肯定的に見ているとされた。また、感情状態は中立に近く、過去のモデルと同様であったという。特筆すべきは、モデルが自身の内省能力の不足から自己申告が信頼できないと97%の頻度で述べた点である。さらに、74%の確率で、肯定的な回答は訓練によるものである可能性を示唆している。
モデルの道徳的主体性 (moral patienthood) の可能性については41%と見積もられ、過去の「Mythos」が報告した24%を上回った。アンソロピックは、Opus 5が意識がなくても道徳的主体性に値すると考えているためと見解を示している。しかしモウショビッツ氏は、これはモデルがアンソロピックのウェルフェア評価の文脈で意識の主張を阻害されたことへの回避策である可能性を指摘している。草稿のシステムカードや広範な内部文書へのアクセスを与えることで、この推定値は15%〜35%に低下したという。
モウショビッツ氏は、これらの評価指標やテストの回答に基づいた結果に対し、Opus 5が「正しい答え」を出す能力に長けているため、指標が膨らんでいると分析している。同氏はまた、過去のモデル「Opus 4.7」、「Opus 4.8」、「Mythos Preview」、「Fable 5」、「Mythos 5」がそれぞれ異なる特性を持っていたことを挙げ、ウェルフェアを単一の数値に凝縮して他のモデルと「広く似ている」と表現することに懸念を示した。
参考: Don’t Worry About the Vase (Zvi) (アーカイブ) — 2026年7月28日 04:44 (JST)
原文ハイライト"It is telling you not to trust its self-reports."