Anthropicの言語モデル「Claude Fable 5.2」を使い、画像生成専用モデルに直接絵を出力させず、プログラムで一本ずつ筆跡を重ねて絵を描く実験が注目されている。
Anthropicのスタッフ、Jake Eaton氏は2026年11月9日、Pythonで仮想の絵筆を動かす制作例を公開。写実的な表現を目指した作品では、約70万回のシミュレーション上の筆致を重ねたと説明した。
11月15日には海外メディアが実演を紹介したが、これはClaudeに専用の画像生成ボタンが追加されたという製品発表ではない。コードを生成・操作できる言語モデルの創作的な使い方を示す事例だ。
Claude Fable 5.2の描画は、AIが筆を動かすコードを作成する方式
実演の中心は、ClaudeがPythonプログラムを作り、そのプログラムが仮想キャンバス上へ色と形を描いていく処理だ。
Eaton氏によれば、一つの作品で使うPythonのプログラムは約1,000〜2,000行に及ぶことがあり、絵筆の毛の質感、塗料の広がり、筆致の重なりをシミュレーションする。
制作では「画風を持つ架空の画家」を設定し、その画家が描くような判断をモデルへ促している。ユーザーが好みや修正点を伝えると、Claudeが画筆エンジンの動き方や表現の仕方を変えるという。
描画結果は最終的に画像として見られるが、モデルが直接ピクセルを出力する拡散型画像生成とは処理の経路が異なる。
一般的な画像生成AIとの違いは、描画過程をコードで表現できること
拡散モデルは画像データを生成し、今回の実演では筆跡の工程を組み立てる
一般的な画像生成AIでは、学習した画像表現をもとに、プロンプトから直接画像を生成する方式が用いられる。
これに対して今回の方法では、言語モデルが描画用のプログラムや指示を作り、絵筆を動かす規則を通して画像を完成させる。
描画の過程がプログラムに記述されていれば、筆の太さ、ストローク数、絵具の質感、乱数の扱いなどを後から検証・変更しやすい点が利点だ。
描画工程が増えるため、制作時間と計算資源の負担が課題
約70万回のストロークを実行する実験は、作品表現として興味深い一方、短時間に大量の画像を量産する用途に適しているとは限らない。
人間の絵筆に似た描画過程を採用したからといって、作品の権利処理が簡単になるわけでもない。素材の扱い、生成コードの安全性、画像内の不正確な形状などは別途検討が必要だ。
「約70万ストローク」は一つの実験作品の説明であり、標準性能ではない
話題になった作品には、駐車場に置かれたショッピングカートを写実的に表現したものがあり、Eaton氏は約70万回の模擬的な筆致を重ねたと投稿している。ただし、制作コードや実行時間・費用の詳細はこの投稿だけでは検証できず、数字は本人の実演説明に基づく。
ほかの作品では数千の筆致にとどまる場合もあり、描画量は作品によって大きく違う。70万という数字は、Fable 5.2に搭載された固定の画像生成回数や品質ベンチマークではない。
実演者自身も、この手法の表現的な特徴を科学的に十分評価した段階ではないと述べている。さらに、これはモデルが描画プログラムを生成した事例であり、一般ユーザーが同じ所要時間や品質を再現できると示したものではない。作品の美しさや作家性について、AIの自意識や芸術能力を証明した研究だと断定しない方がよい。
Claude Fable 5.2の正式発表と、スタッフ個人による描画実験は別の出来事
Anthropicが2026年11月9日に紹介したClaude Fable 5.2は、推論やプログラミングを含む高度なタスク向けの言語モデルだ。
企業の正式製品情報と、従業員個人が考案した創作手法は分けて扱う必要がある。今回の絵画実演は、すべてのClaude利用者が専用ツールなしで同じ画像を生成できるという保証ではない。
モデルの提供プラン、API料金、プログラム実行環境は別途条件があり、今回の制作の実装全体が公式の画像サービスとして配布されたわけでもない。
クリエイターが参考にできるのは「表現工程を設計する」AIの使い方
グラフィック制作では、ひとつの正解画像を得ること以上に、作風を保ちながら複数のバリエーションを作れることが重要な場合がある。
例えば、画筆の種類や線の揺らぎをパラメータとして定義し、同じ手法で色違いのシリーズ画像を作るといった設計が考えられる。
教材では、描画アルゴリズムと完成画像を並べ、筆跡の密度が画面の質感へどう影響するかを可視化する用途もある。
ただし、実用時には実行コードの安全確認、著作権、出力画像の正確性、制作コストを把握することが欠かせない。
まとめ:言語モデルが「絵を描く工程」まで扱う可能性を示した
Claude Fable 5.2による実演は、文章やコードを作るAIが、描画プログラムを組み立て、繰り返し調整しながら画像表現を作れることを示した。
一方、技術デモと公式製品機能を混同しないことが重要だ。現時点では特定の実験手法として理解し、一般向けの画像生成AIと性能・速度を単純比較しないようにしたい。





