Cursor にて、Honeycomb EAP というモデルが一時的に出現し、すぐに削除されました。
やがて多くの人が、これを Claude Opus 5 の早期リークとして扱いました。
しかし、Anthropic は確認せず、Cursor も説明しませんでした。そこで私は Apodex を使って、この現在未解決の疑問を検証することにしました。結果は 2 週間後に検証可能です。
しかし、最終的にこのテストを行う価値があったのは、10% という数字ではありません。その後のフォローアップの質問で、AI が中核となる証拠 2 つを削除し、再計算したことにありました。
本内容は、私の実際の操作とスクリーンショットに基づいています。文中の確率は 2026 年 7 月 17 日時点の公開情報に基づく分析推定値であり、確定した事実ではありません。
私は次のように質問しました。
Anthropic は 2026 年 7 月 31 日までに Claude Opus 5 を正式にリリースし、公開するでしょうか？もしそうでない場合、Honeycomb EAP とは一体何でしょうか？
質問、期限、判断対象となる 3 つの正体は、すべて提出前に明確に記載され、Deep Discover Preview を使用しました。
18:28、調査を開始しました。ページはマルチパスの Swarm プロセスに入り、Research、Verification、Writing が順次表示されました。
タスクが送信され、複数の調査実行が開始されました。
最初のバージョンのレポートは明確でした。7 月 31 日までに Opus 5 が正式リリースされる可能性は非常に低く、Honeycomb は Mythos/Fable レベルの EAP ノードである可能性が高く、次いで Opus 5 の遅延、純粋な研究バージョンが最後であると。
もし私が標準的なスポンサー投稿をしたかっただけなら、これで十分でした。結論、情報源、確率、そしてレポートの素敵なスクリーンショットがいくつかあれば。
しかし、見れば見るほど、2 つの証拠がおかしいと感じました。
まず1つ目：Honeycomb はセーフティフォールバック後に Opus 4.8 に切り替わるため、その能力は Opus 4.8 よりも高いはずです。
これは成り立ちません。フォールバックは、セーフティポリシー、EAP の安定性、可用性、またはルーティング設定に起因する可能性があり、能力の序列に直接結びつくものではありません。
2つ目：Honeycomb は Cursor のモデルリストで上位に配置されているため、より高い製品ティアに属します。
Cursor が公式に並べ替えルールを公開していない限り、リスト内の位置はリリース時期、アルファベット順、統合の優先順位、または UI 上の決定に影響される可能性があります。これを使ってモデルの正体を証明するのは強引すぎます。
そこで 19:02、Apodex にさらに多くの裏付け資料を探させる代わりに、自己監査をさせました。最も強力な反証を見つけ、情報源のレベルを確認し、失敗条件を明確にするように指示しました。証拠が十分でなければ削除し、最初の判断を守ろうとしないように。
2 回目のラウンドは、元のレポートを磨き上げるためではなく、その証拠の連鎖に特に挑戦するためのものでした。このプロンプトは直接再利用可能です。
結果：3 つの修正、1 つは維持。
まず、「Opus 4.8 へのセーフティフォールバック」は Honeycomb がより強力であることを証明しないと認めました。元の資料は単なる二次情報であり、「主張されている」や「一部はこう読んでいる」といった不確かな表現を含むもので、公式の技術ログではありませんでした。
この証拠の重みはほぼゼロにまで減少しました。
次に、Cursor の公式モデル並べ替えルールを見つけることができませんでした。
今回は、リストの位置に基づいて推測するのをやめ、結論を「不明」に変更し、この証拠を正体の判断から完全に削除しました。
3 つ目の修正は、Anthropic の最近のモデルの歴史的なリリースリズムに関するものでした。
最初のバージョンでは、「現在 5 つの公式チャンネルに Opus 5 がない」ことを強力な証拠として扱っていました。しかし、2 回目の確認で、Opus 4.x のような段階的なアップデートは、多くの場合、API ドキュメントと発表が同日にリリースされる一方、Fable/Mythos のような新しいティアのみが約 60 日間の EAP 先行期間を持っていることがわかりました。
したがって、「5 つのチャンネルが空である」ことは、現時点で公開シグナルがないことだけを証明しており、今後 2 週間以内に絶対にリリースされないことを証明するものではありません。
維持不可能な証拠を削除し、歴史的なベンチマークを再調整した後も、Apodex は低い確率判断を維持しました。7 月 31 日までの Opus 5 の正式な公開リリースについては約 10% です。
Honeycomb に関する 3 つの正体も再配分されました。
これらの数字は統計モデルによる客観的な真実ではなく、現在の公開証拠に基づく分析推定値です。
さらに、3 つの説明のいずれも 50% を超えていません。現在、どの正体も「確定した事実」と呼べるものはありません。
最も興味深かったのは、最終的な 10% ではなく、私のフォローアップ後に、AI が実際に維持不可能な 2 つの証拠を削除し、再計算したことです。少なくとも、最初の答えを守るために無理に辻褄を合わせようとはしませんでした。
現在の判断を覆す可能性のあるシグナルもリストアップされました。Anthropic の公式発表、Honeycomb が Fable/Mythos EAP として再出現、削除に関する公式説明、Opus 4.9 の出現、または Honeycomb の長期的な消失などです。
レポートは反証可能な条件を提供し、将来の公開イベントに対する検証を可能にしました。
この後、私は Apodex を「回答マシン」ではなく、「リサーチ監査人」として扱う傾向が強まりました。
最初のバージョンでは、依然として二次資料に過度に重みを置き、公式ルールなしに UI 上の位置から推論します。しかし、情報源、推論、反証、不明点を提示することができます。その後、フォローアップして、証拠の削除や判断の変更を強制することができます。
主要な情報源は依然として手動でのレビューが必要であり、予測は結果が明らかになった後に検証されなければなりません。2 回目の監査では、最終的に 13 の参考文献がリストアップされました。主に Anthropic、Claude Platform、Cursor の公式資料からのものです。
7 月 31 日以降、私は確認に戻ってきます。どの証拠が実際に有用であり、どれがその時点で理にかなっているように聞こえただけだったのかを。
もし「現在は標準的な答えがないが、後で公開検証可能」な質問があれば、Apodex にかけてみてください。1 回だけ尋ねるのではなく、2 回目には直接、自己監査をさせてください。
