2026.08.01 2026.08.01

Claudeを3Dプリント設計に活用する — Fable 5でAI CADはどこまで変わったか

ゲンキ

Claudeを3Dプリント設計に活用する — Fable 5でAI CADはどこまで変わったか

Claudeの新世代がどれだけ強くなったとしても、メイカーにとっての問いはひとつです。「自分の設計作業は、実際どれだけ楽になるのか」。ベンチマークの数字ではなく、手元のワークフローで確かめたい——本稿はその実践編です。

今週ここまで、Fable 5の登場からClaude Codeの夏機能までを整理してきました。仕上げとして本稿では、OpenSCAD × LLM 実践 (2026-07-18 公開)で組んだコードCADのワークフローを、Claude Fable 5世代の環境で実際に走らせます。何が変わり、何が変わらないのか。誇張なしの観察記録をお届けします。

この検証の約束 — 測ったことと、測っていないこと
出発点 — コードCADという最良の実験台
実走 — 公差テストプレートを作らせてみる
1回で出たもの、2回目に残ったもの
巨大文脈がAI CADにもたらすもの
旧世代との比較を語らない理由 — そして自分で測る方法
メイカーの財布で考える — Fable 5は要るのか
AIが変えない部分 — 検寸と自機計測の文化
まとめ — 道具は進み、原則は変わらない

この検証の約束 — 測ったことと、測っていないこと

先に検証の範囲を正直に宣言します。当サイトの編集方針は「実行していない数値は書かない」です。本稿の実測は、2026年7月19日にClaude Code上のClaude Fable 5セッションで行った設計生成と、その生成物の机上確認までです。机上確認とは、コードの構文と変数の整合、穴位置や刻印位置の干渉を手計算で確かめる水準を指します。検証機にOpenSCADの実行環境がなかったため、レンダリングと印刷、フィットの実測はこの記事の範囲外です。

もうひとつ、旧世代モデルとの定量比較——往復回数が何回減った、所要時間が何分縮んだ——も書きません。条件を揃えた比較実測を行っていないからです。他メディアで見かける「体感2倍」のような数字は、測定条件が書かれていなければ参考になりません。書かないことも品質の一部だと考えています。

なぜここまで線引きにこだわるのか。AIの性能語りは、いま最も誇張が混ざりやすい領域だからです。モデルの更新は速く、検証は追いつかず、印象論が数字の顔をして流通します。だからこそ当サイトは、検証の水準——何をどこまで確かめたか——を成果と同じ重さで記載します。読者に持ち帰ってほしいのは「すごい」という感想ではなく、自分の環境で確かめるための手順と観点です。

その代わり、実際に走らせた記録から言えることを、言える形で書きます。読者が自分の環境で再現できる手順も添えました。

出発点 — コードCADという最良の実験台

なぜOpenSCADなのか、改めて短く。コードCADは、形状をプログラムとして記述する設計手法です。LLMとの相性が良い理由は、入出力がすべてテキストで完結するからです。モデルの実力差が、曖昧な「それっぽさ」ではなく、コードの正しさ・パラメータ設計の質・修正指示への追従という検証可能な形で現れます。

生成的な3Dモデル——プロンプトから直接メッシュを出す方式——との違いも、検証の観点では決定的です。メッシュ生成の評価は「見た目がそれらしいか」に流れやすく、寸法の根拠を後から確かめる術に乏しい。対してコードCADでは、すべての寸法が変数として書かれ、変更は差分として残り、誤りは行単位で特定できます。設計の会話が「もう少し大きく」ではなく「この変数を0.2増やす」という検証可能な言葉になる。この性質は、モデルの実力を測る実験台としてだけでなく、機能部品の制作手法としての本質的な強みでもあります。

題材には、機能部品週で扱った公差テストプレートを選びました。3Dプリント公差設計入門 (2026-07-21 公開)で解説したとおり、自分のプリンターの「癖」を測るこのテストピースは、実用部品づくりの出発点です。単純すぎず複雑すぎず、設計判断の質——パラメータの持ち方、印刷への配慮——が出やすい、良い試験問題になります。

もうひとつ、この題材には追試のしやすさという利点があります。プロンプトは1文で、要件は数値で明確、成否の判定基準も本稿に書いたとおり。つまり読者が自分のモデル・自分のプランで同じ実験を走らせ、当サイトの観察と突き合わせられます。検証記事は再現されて初めて価値が確定するものです。もし結果が違ったら、それ自体が興味深い一次情報になります。使用したプランやeffort設定によっても初手の出来は揺れうるので、条件のメモも忘れずに残してください。

実走 — 公差テストプレートを作らせてみる

投げたプロンプトは次のとおりです。「外径10mmの軸に対する公差テストプレートをOpenSCADで。穴径9.8mmから10.6mmまで0.1mm刻み、パラメトリックに。印刷しやすい板状で」。

プロンプトの作り方にも意図があります。目的（公差テスト）、基準（軸径10mm）、範囲と刻み（9.8〜10.6mm・0.1mm）という要件だけを渡し、板の寸法や穴の並べ方といった実装の詳細はあえて指定していません。実装まで細かく縛ると、モデルの設計判断の質が見えなくなるからです。要件と制約を渡して裁量を残す——これは先日のOpus 4.8解説で触れた、adaptive thinking世代と噛み合う指示の型でもあります。

1回目の応答で返ってきたコードの骨格を抜粋します（全体は変数定義を含めて20行弱でした）。

clearances = [-0.2, -0.1, 0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6];
pitch = 8;
margin = 10;
plate_w = margin * 2 + pitch * (len(clearances) - 1);

difference() {
    cube([plate_w, plate_d, plate_h]);
    for (i = [0 : len(clearances) - 1])
        translate([margin + i * pitch, plate_d / 2, -1])
            cylinder(h = plate_h + 2, d = shaft_d + clearances[i], $fn = 96);
}

コードを読み慣れていない読者への補足も添えます。この検証手法は、コードが読めなくても運用できます。生成されたコードについて「この設計で印刷時に問題になりうる点を、根拠付きで列挙して」と続けて頼めばよいのです。自己点検の説明を読んで納得できるか、説明同士が矛盾していないかを見る——これは文章の校閲と同じ技能であり、プログラミングの素養を要しません。監督者に必要なのは実装力ではなく、良い質問と判断基準です。

注目してほしいのは、指示していない部分の判断です。板の幅を固定値にせず、穴の数とピッチから自動計算にしている。クリアランスを配列で持ち、穴の追加が1行の変更で済む。差し引く円柱を板より上下に1mmずつ長くして、境界面の造形不良を避けている。「パラメトリックに」という一語から、変更に強い構造を選ぶところまで含めて解釈されています。机上確認では、変数の整合も穴と端の余白も問題ありませんでした。

1回で出たもの、2回目に残ったもの

では1回で完成だったかと言えば、そうではありません。印刷して使う道具として見ると、2つの不足がありました。穴の上縁に面取りがなく、軸の挿入時に引っかかりやすいこと。そして各穴にクリアランス値の刻印がなく、印刷後にどの穴が何mmか分からなくなることです。

この2点をチェックリストから追加指示すると、2回目の応答で面取り用の円錐と、クリアランス値を0.1mm単位の整数で刻印するtext()の処理が、既存のパラメトリック構造を崩さずに組み込まれました。刻印位置と穴の干渉も、机上の計算では問題ありません。

この体験が示す構図は明快です。コードとしての正しさ、構造の筋の良さは、もう最初の応答から高い水準にあります。残るのは「印刷物として使う人の事情」——挿入のしやすさ、識別のしやすさ、自分の機体の癖——であり、これは指示する側の知識から来るものです。機能部品週で整理した設計チェックリストが、そのままAIへの指示リストとして機能しました。道具が強くなるほど、注文する側の設計リテラシーが成果を分ける。この関係は世代が進んでも変わっていません。

不足していた2点を一般化しておくと、チェックすべき観点は3つの束に整理できます。第一に挿入性・組立性の束。面取り、逃がし、工具の入る隙間といった「触れる瞬間」の配慮です。第二に識別性の束。刻印や向きの目印など、印刷後の運用で効く情報です。第三に自機補正の束。あなたのプリンター固有の縮みや癖の反映で、これは実測値がなければ書きようがありません。AIの初手が強くなった分、この3束を意識的に点検する側の役割が、以前より純化された形で残っています。

巨大文脈がAI CADにもたらすもの

今回の小さな実走では、Fable 5の看板である100万トークンのコンテキストはまったく必要ありませんでした。この規模の部品なら、既定モデルのSonnet 5でも文脈は十分に足ります。では巨大文脈は設計者に何をもたらすのか。

効いてくるのは、セッションの寿命です。実際の設計作業は、1個の部品では終わりません。たとえば家電の廃番部品を複製するプロジェクトを想像してください。破損部品の観察から始まり、採寸、周辺部品との勘合の確認、素材選定、弱点の補強設計、試作と修正——工程ごとに数値と判断が積み上がり、後の工程は前の工程の結論に依存します。ケースを作れば、蓋、ボス、基板の逃げ、ケーブルの通り道と続き、それぞれの決定が互いに制約し合います。「蓋の勘合は本体側の公差設定に合わせて」「この寸法は3日前に測った実測値が根拠」——そうした判断の履歴を落とさずに長い設計セッションを続けられることが、大容量文脈の実務的な意味です。

つまりFable 5級の文脈は、単発の部品生成ではなく、プロジェクト単位の設計対話で価値を持ちます。裏を返せば、日々の小物づくりに最上位モデルは要らない、という健全な結論にもつながります。

ただし、文脈の器が大きくても「設計台帳」の運用はやめないでください。決定した寸法・素材・実測値を短いテキストにまとめて設計セッションの冒頭に貼る、あの地味な習慣です。台帳はセッションが変わっても、モデルが変わっても、供給が止まっても持ち運べます。大容量文脈は台帳の代替ではなく、台帳を土台にした長い対話を可能にする増幅器だと位置づけるのが、依存リスクの観点からも健全です。

旧世代との比較を語らない理由 — そして自分で測る方法

比較の数字を載せない代わりに、あなた自身が測る方法を置いていきます。やり方は単純です。過去にAIとの設計往復で苦労した題材——途中で構造が破綻した、指示が通らなかった——を3つ、記録から掘り出してください。同じプロンプトを現行モデルに再投し、完成までの往復回数と、指示の意図がどこまで一発で汲まれたかを記録します。

記録の取り方も型にしておくと、次のモデル更新でも同じ物差しが使えます。題材ごとに、初回プロンプト・完成までの往復回数・人間が補った知識の内容、の3項目をメモするだけで十分です。特に3つ目が重要で、「AIが届かなかった部分」の中身が世代とともにどう変わるかは、公開ベンチマークには決して載らない、あなただけの進化の記録になります。

この「自分の失敗アーカイブ」こそが、あなたのワークロードにおける唯一信頼できるベンチマークです。公開ベンチマークは他人の問題集での成績にすぎません。設計の題材も、指示の癖も、印刷環境も人それぞれである以上、モデル更新の価値は自分の題材で測るのが最短です。測った結果、既定モデルで足りるならそれが答えですし、上位モデルとの差が見えたなら、その差が出る題材の種類まで特定できます。

メイカーの財布で考える — Fable 5は要るのか

費用の現実も直視しましょう。Fable 5はサブスクリプションでは利用クレジット制で、APIでは$10/$50。一方、Proプランの既定になったSonnet 5は追加費用なしで100万トークンの文脈を持ち、Opus 4.8は$5/$25です。

今回の実走が示したとおり、部品単位のコードCADは既定モデルの守備範囲に完全に収まっています。したがってメイカーの合理的な構成は、日常の設計をSonnet 5とOpus 4.8で回し、Fable 5のクレジットは「プロジェクト全体を1つの対話で持ち続けたい長い設計セッション」のために温存する形になります。

プラン選びの目安も、この構図から素直に導けます。週末メイカーで、作るものが小物と単品の機能部品中心なら、Proの既定構成——Sonnet 5を軸に、難所だけ上位を呼ぶ——で不足を感じる場面はほとんどないはずです。多部品のプロジェクトを継続的に回す人、設計とファーム運用や執筆を横断してAIを使い倒す人は、上位プランでOpus 4.8を常用しつつ、クレジットの使いどころを月に数回の勝負に絞る。どちらの場合も、まず現在のプランで1ヶ月測ってから動くことを勧めます。財布の答えも、実測から出すのが当サイトの流儀です。ジェネレーティブデザイン入門 (2026-07-16 公開)で見たFusionの従量課金と同じで、上位の道具は使いどころを決めてこそ費用対効果が立ちます。

なお、モデル供給が止まる事態への備え——設計プロンプトとコード資産を自分のリポジトリに残す運用——については、AIへの依存リスクが現実になった日 (2026-07-29 公開)で詳しく扱いました。コードCADはこの点でも有利です。資産がすべてテキストなので、どのモデルにでも持ち運べます。今回の2つの生成物も、プロンプトとコードを台帳に残した時点で、特定モデルへの依存から切り離された「あなたの設計資産」になっています。6月の供給停止のような事態が再来しても、テキスト資産は誰にも止められません。

AIが変えない部分 — 検寸と自機計測の文化

最後に、モデルがどれだけ進化しても変わらない工程を確認しておきます。生成されたテストプレートは、印刷して、ノギスで測って、初めて意味を持ちます。あなたのプリンターの穴は設計値より縮むのか、どの向きで縮むのか——その答えはAIの中にはなく、あなたの機体の中にあります。

3Dプリント機能部品設計入門 (2026-07-20 公開)で述べた「測る文化」は、AI設計の時代にむしろ重要度を増しました。生成が速くなるほど、検証が律速段階になるからです。設計はAIに任せられても、実測値という一次情報の供給者は常に人間です。ノギスで測った0.2mmを対話に持ち込んだ瞬間、AIの出力は一般論からあなたのための設計へと変わります。

実測値の渡し方にも型があります。「この機体でPLAの穴は10mm指定で実測何mmだった。以後の設計ではこの補正を既定にする」と一度宣言し、設計台帳に書き込む。以降のセッションでは台帳ごと渡す。こうしておけば、補正はプロンプトの度に思い出す知識ではなく、資産として複利で効く前提条件になります。今回印刷しなかったテストプレートは、まさにこの台帳の最初の1ページを作るための道具です。印刷し、9つの穴に軸を差し、いちばん気持ちよく嵌まる穴の刻印を読む。その1行から、あなたのAI設計環境は本当の意味であなた仕様になります。汎用の知能に、固有の機体データを教え込む最初の儀式だと言ってもいいでしょう。

まとめ — 道具は進み、原則は変わらない

実走から持ち帰るべき結論を並べます。第一に、コードCADにおける現行Claudeの初手品質は高く、パラメトリックな構造化まで含めて一発目から実用水準でした。第二に、残る差分は「使う人の事情」の指示であり、設計チェックリストの価値はむしろ上がっています。第三に、Fable 5級の巨大文脈が効くのはプロジェクト単位の長い設計対話であり、部品単位の日常は既定モデルで十分です。

道具は確実に進みました。しかし、公差は自機で測る、数値は実測で裏を取る、資産はテキストで手元に残す——機能部品週で確立した原則は、一つも古びていません。進化する道具の上で、変わらない原則を回し続けること。それがAI CAD時代のメイカーの強さだと、今回の実走を通じて改めて確認できました。

今日の行動に落とすなら3つです。本稿のプロンプトを自分の環境で再現し、テストプレートを実際に印刷すること。嵌合の実測値を設計台帳の1行目に書くこと。そして過去の失敗題材を3つ選び、自分だけのモデル評価アーカイブを始めること。どれも1時間かからず、どれもモデルの世代が何度変わっても価値を失わない投資です。

主要出典: