2026 LLM 対決：Claude Fable 5 vs Opus 4.8 vs Gemini 3.5 Flash — ベンチマークと使い分け

結論から：公開ランキングでモデルを選ぶな。ワークフローの入口と、1 タスクあたりどれだけ深く推論させるかで選べ。2026 年 6 月、同一の開発者タスクパックを Claude Fable 5、Claude Opus 4.8、Gemini 3.5 Flash に回した。下の表は、誰が主役か、誰が下書きか、誰がマージ前にサインするかを示す。分かれ目はリーダーボードの点数ではなく、入口と token 予算だ。

モデル選びが CI Runner 選びに似てきた理由

2026 年、多くのチームは IDE 補完、CLI Agent、GitHub Actions バッチ、アーキテクチャレビュー の 4 レーンを同時に回しているのに、どこでも「最強の 1 モデル」を使おうとする。高価 tier をログ仕分けに浪費し、高速 tier をモジュール横断リファクタに無理やり当てる——能力の問題ではなく、実行境界を間違ったスロットに置いているのが本質だ。

1 job 1 workspace と同じ発想：世界一速いマシンを探すのではなく、ジョブ種別ごとに隔離レベルと単価を合わせる。MMLU スコアは「Issue → PR → CI 緑」をほとんど予測しない。必要なのは この入口で、予算内に安定して通る tier はどれか という問いだ。

もう一つの緊張は ローカル vs リモート：推論はクラウド、git diff・Xcode ビルド・テストは Mac。Agent ループとコンパイルが 16GB RAM を奪い合うと、どのモデルも「遅い」ように感じる——それは IQ ではなく実行環境のボトルネックだ。長時間ジョブを Cloud Mac 実行ノード に移すチームが増えている理由もここにある。

3 つの役割 — tier ではない

フラッグシップ同士の比較の前に、ワークフロー上の役割で分類しよう：

• ループ層 — Claude Fable 5：高頻度・短ターンのコーディング Agent。低レイテンシ、予測可能な tool-use サイクル。
• 熟考層 — Claude Opus 4.8：長コンテキスト推論、アーキテクチャトレードオフ、リスクレビュー。1 パス品質は高いが、毎秒起動向きではない。
• スループット層 — Gemini 3.5 Flash：大量の構化作業、レイテンシ敏感バッチ。「80 点の初稿」を安く出す。

同一パイプライン上の工位であり、昇格階段ではない。Opus を Tab 補完に使えば請求書が爆発する。Flash だけをマージ前レビュアーにすれば、欠陥が main に流れ込む。

核心比較：入口 / 実行 / コンテキスト

列見出しは記事全体で固定。後続のシーン行列とコスト議論も同じ 5 列を使う。

コストと権限（同じ列で延伸）：

表のあと：Fable 5 が日常作業、Opus 4.8 がサイン、Flash がライン最初の工程。OpenRouter の価格 tier で 3 段を 1 ゲートウェイに載せる方法も参照。

ベンチマークタスクと Mac 側実測

推論は各社 API 上で実行。Agent シェル — Claude Code + git + xcodebuild test — は Mac mini M4 16GB（ローカル）と ZavCloud データセンター M4 24GB（リモート）で同一。タスクごと 3 回。分は推定レンジ（中央値 ± 通常変動）であり、ストップウォッチ 1 回の値ではない。評価軸は合格率、E2E 時間帯、週次 token 請求 — 抽象 IQ ではない。

Mac 側の教訓：ボトルネックはしばしば 実行環境 でありモデル IQ ではない。16GB で Xcode と Claude Code を同時に長時間回すと 3 モデルとも「遅く」感じる — Opus に替えても Swap は治らない。16GB vs 24GB 実測 と一致：Agent 主力は 24GB か 専用 Cloud Mac ノード を。

シーン別行列

おすすめスタック

• 個人開発者 — Fable 5 で日常 Agent；Flash でメール / ドキュメント下書き；Opus はリリース週のみ。
• 10 人チーム — Fable 5 を Claude Code 本番ワークフロー に；CI 自動修正は Fable；マージは Opus Bot 読み取り専用。
• コスト優先データ基盤 — Flash バッチ管線 + Fable 5 で内部ツール repo；日常 Opus なし。

AI コーディング Agent の Skills / MCP と重ねるとき：モデルが推論、Mac ノードが実行 — Flash を本番 shell に直結しない。

よくある失敗

• #1 ランキング 1 位をデフォルトに — ベンチは短 Q&A；Issue → PR → CI 緑ではない。
• #2 Opus 常時 ON — 週次請求が教える；イベントトリガーに。
• #3 Flash 単独でモジュール横断リファクタ — token は節約、レビュー時間が人に移る。
• #4 Mac メモリ無視 — Swap で全モデルが「バカに見える」。
• #5 ルーティングなしでモデル比較 — 昇格ポリシーがないと議論が終わらない。

7 ステップで導入

1. 週次入口を記録 — IDE、CLI、CI、レビューの時間。
2. 合格基準を文書化 — テスト緑、diff 上限、セキュリティ checklist。
3. 12 タスクパックを実行 — モデルごと 3 回（上表を再利用）。
4. 週次 token 支出を計算 — リトライ含む；OpenRouter ルートと比較。
5. シーン行列を埋める — 主、予備、昇格トリガー。
6. CLAUDE.md / CI に反映 — Claude Code アーキテクチャ と整合。
7. 4 週間後にレビュー — マージ欠陥 + 請求；使用率 10% 未満 tier を外す。

FAQ

Fable 5 と Opus 4.8 の違いは？

Fable 5 は 高頻度 Agent ループ；Opus 4.8 は 低頻度・高ステークス判断。IQ 階段ではなく工位分担。

Gemini 3.5 Flash は Claude Code を置き換えられる？

完全な Agent 席の代替にはならない。上流の下書きとバッチ層 として最適；下流は Fable 5 が repo とテストを担当。

3 つ全部使うと予算が爆発する？

どこでも Opus デフォルトよりはるかに安い。ルーティング：約 90% Fable/Flash、レビューのみ Opus。

Cursor でのモデル選びとの関係は？

Cursor は IDE 入口、モデルはエンジン。入口選び：Copilot vs Cursor シーン実測；本文はエンジン tier。

まとめ

2026 年に Fable 5、Opus 4.8、Gemini 3.5 Flash のどれを選ぶかは、どの入口からタスクを起動し、1 回の推論の深さにいく token を払うか で決まる。Fable 5 をデフォルトループ、Flash をスループット下書き、Opus 4.8 をマージ前サイン — 本質はワークフローの層分けであり、モデル崇拝ではない。実行を適切な Mac ノードに置く方が、「より強い」デフォルトを追うより配信速度を上げる。