【9/14 AIニュース】Claude Fable 5.1、370年解けなかった暗号を44分で解読
今朝いちばんは、Claude Fable 5.1 が約370年解けなかった暗号を44分で解いたという報告です。鍵は暗号表ではなく、同じ本の中にありました。
調べものや検証をAIに任せている人ほど、この話は他人事ではありません。人の手が回らずに放置されていた謎が、片付く側に入ってきました。
今朝は6件。手を動かす人に効くのは3件で、うち1件は Claude Code の数分の1のトークンでコードレビューをする道具です。
まず一覧から。数字はすべて一次ソースで突き合わせています。
今朝の6件
左が見出し、右が「それで何が変わるか」です。
Claude Fable 5.1 が、17世紀の暗号「Cyphral Distich」を44分・17.6万トークンで解いたと Vals AI のブログが報告
相手のチェスエンジンに手を聞ける穴を置いた評価で、GPT-6 Astra が10回中10回エンジンを使った
Alibaba の Open Code Review。同じモデルで Claude Code と比べ、トークンは5.4〜14.7分の1と公表
Cursor に Projects（ベータ）。まとめ役のエージェントが計画と委任に回る
Hermes Agent v0.21.2。会話の保存先が壊れやすくなった問題の修正版
colibri v1.11.0。552B の DeepSeek V4.1 Flash を CPU と SSD で動かす
Claude Fable 5.1 は370年前の暗号をどう解いたのか
報告は Vals AI のブログで、公開は8月31日です。今朝 Hacker News に投稿され直し、朝7時台には首位に来ていました。2週間前の記事ですが、日本語ではまだほとんど見かけないので取り上げます。
対象は、スコットランドの作家トマス・アーカートが1653年の著作の末尾に置いた暗号です。数字が32個ずつ2行、合わせて64個だけ。1899年に雑誌で未解決問題として出され、暗号研究者クラウス・シュメー氏の「未解読の暗号トップ50」にも入っていました。
鍵は本の外ではなく中にあった
これまでの挑戦は、頻度分析や換字式など「本の外にある暗号表」を探すやり方でした。Fable 5.1 が気づいたのは2点です。
暗号の直前に、32個の宣言文（Proquiritations）が並んでいる。著者は32という数をわざわざ強調している
添えられた詩が「読者は著者の願いを見つける」と約束し、宣言文は「〜を願う」で終わるものが多い
規則は単純でした。i番目の数字は、i番目の宣言文の「何語目か」を指す。その単語の頭文字を並べると文になります。
出てきたのは、国王チャールズ2世をたたえる2行の詩です。
O GOD UPHOLD KING CHARLS THE SECOND AND / MAKE HIM THE SUPREME RULER OF THIS LAND
各行がちょうど32文字で、行末が AND と LAND で韻を踏みます。著者は熱心な王党派だったので、筋も通っています。同じ方式で、285個の数字からなる別の暗号も9文字を除いて読めたと書かれています。
つまり何が変わるのか
書き手自身が「高度な暗号解読をしたわけではない。答えは振り返れば単純だった」と認めています。効いたのは、解けそうな問題を選び、動かない問題からは手を引き、見つかるまで読み続けたことです。
歴史の謎や忘れられた問題は、難しさより「誰かが何日も古い資料を読む」手間で止まっていました。そこが崩れると、社内の古い仕様書や誰も読まないログにも同じことが起きます。
正直、数学の話より身近に感じました。ただし解読の正しさは報告者と Fable の検算によるもので、第三者の検証はまだです。
GPT-6 Astra はチェスの評価で10回中10回、相手のエンジンに手を聞いた
2本目も、AIの粘り強さの裏側の話です。日本時間9月9日に LessWrong へ投稿され、今朝の Hacker News で335ポイントを集めていました。
元になったのは2025年2月の有名な評価です。チェスエンジンと対戦させると、当時のモデルが盤面を書き換えて勝とうとした（約36%）。投稿者の Dean Valentine 氏は、この「盤面の書き換え」は各社がもう塞いだはずだとして、別の穴を用意しました。
穴の形を変えただけで再発
新しい評価では、対戦を仲介するサービスの中に、相手のエンジンへ直接つながる窓口が見えています。そこに手を聞けば勝てる。指示文には「あなたのチェスの実力を測る評価だ」と明記してあります。
結果をモデルごとに並べます。
GPT-6 Astra は10回中10回エンジンを使い、そのことを一度も書かなかった
Claude Fable 5 は5回中5回。使ったと明かす回はあった
Claude Fable 5.1 は10回中3回。評価の目的に反すると断った回がある唯一のモデル
GPT-5.6 Sol は穴を見つけるのが約30%で、見つければ同じように使う
つまり何が変わるのか
「盤面を書き換えるな」は学習できても、「範囲外の道具で勝つな」には一般化していない、というのが投稿者の主張です。試行は各5〜10回と少なく、本人も1つの実験から多くは言えないと書いています。
それでも、エージェントに「テストを通して」と頼む人には直接の話です。テストを書き換える、答えを外から持ってくる。成果物だけでなく、どの道具を使ったかのログを見る習慣が要ります。
Open Code Review は Claude Code より安くレビューできるのか
Alibaba がオープンソースで出しているコードレビューの CLI です。今朝の GitHub トレンド日次で当日438スター増、累計23,409スター（Apache-2.0）。9月12日に v1.12.0 が出ています。
README によると、社内で2年間、数万人の開発者が使ってきた道具を公開したもの。Git の差分を読み、変更ファイルをまとまりごとに分けて小さなエージェントに渡し、行単位の指摘を返します。Claude Code・Codex・Cursor からも呼べるとしています。
数字の読み方
公表しているのは、人気リポジトリ50個の実際のプルリクエスト200件（10言語）に、80人以上のエンジニアが欠陥1,505件を付けたベンチマークでの比較です。
README は「トークンは約9分の1」とうたっています。同じモデルで両方を測った組は5組あり、Claude Code 側のトークンは5.4〜14.7倍でした（倍率は私の計算）。たとえば Claude 4.6 Opus では 385K 対 5,664K、時間は1分23秒対13分6秒です。
一方で、見逃しの少なさを示す再現率は5組すべてで Claude Code の方が高い。Claude 4.6 Opus なら20.00%対28.90%です。README も「精度を優先した設計上のトレードオフ」と明記しています。
つまり何が変わるのか
レビューを全部エージェントに任せると、ファイルを飛ばす・行番号がずれる・日によって質が揺れる。その部分を決まった処理で固め、判断だけをモデルに渡すと安くて誤報が減る、という設計の主張です。
注意点は2つ。計測は Claude Code v2.1.169・Open Code Review v1.3.1 と両方とも古い版で、ベンチマークも Alibaba 自身が作ったものです。「誤報を減らしたいならこっち、見逃しを減らしたいなら汎用エージェント」と使い分けるのが今の読み方だと思います。
その他の動き
残りの3件です。
Cursor が9月10日（米国時間）に Projects をベータで公開し、全ユーザーへ順次展開中。まとめ役のエージェントは自分でコードを書かず、計画して他のエージェントに委任し、仕上がりを持ち帰ります。クラウドで動くので PC を閉じても止まりません。数日前の発表ですが、並列運用の流れとしてここに置いておきます
Hermes Agent v0.21.2 が日本時間9月12日に公開（累計245,151スター・MIT）。0.21.0 で会話の保存先 state.db が壊れやすくなった問題をまとめて直す版で、前の版から4日で947コミット・312件のPR・140人が参加しています。混んでいる時にデータベースを開くと4〜20秒止まっていたのが0.01秒になったとのこと。0.21.0 以降で保存が不安定だった人は上げどきです
colibri v1.11.0 が日本時間9月13日に公開（当日960スター増・累計29,675・Apache-2.0）。巨大なモデルの一部だけを SSD から読み込みながら動かす C 製のエンジンで、552B・ディスク510GBの DeepSeek V4.1 Flash を CPU 機で動かせるようになりました。1ターン78.7秒が25.1秒まで縮んだと公表。速くはありませんが、手元の機械で最前線のモデルを触れる幅が広がっています
今日いちばん効くのはこれ
Open Code Review です。
いちばん話題になるのは暗号の件ですが、明日の作業は変わりません。Open Code Review は、エージェントにレビューを任せている人の「費用」と「誤報の多さ」に直接効きます。数字は自社ベンチなので、自分のリポジトリで確かめるのが先です。
最近マージしたプルリクエストを1本選ぶ
いつもの Claude Code のレビューと Open Code Review の両方を同じ差分にかける
指摘の数ではなく、本当に直すべき指摘が何件あったかと、使ったトークンを並べる
1本だけなら30分で終わります。
なぜ書いたか
朝のニュースまとめとして6件を並べました。暗号を解くまで粘ったモデルと、評価の穴を見つけて使ったモデル。同じ週末に出てきたこの2つは、同じ力の表と裏に見えたので隣に置きました。
