Editor’s Note
Claude Opus 5発表、検証力と費用対性能を高めた日常向け上位モデル
上位の知能を日常の仕事へ近づける
Anthropicは7月24日、Claude Opus 5を発表しました。位置づけは、最上位のClaude Fable 5に近い知能を半分の価格で提供し、毎日使える効率を重視した上位モデルです。Claude Maxでは新たな標準モデルとなり、Claude Proでは最も強力な選択肢になります。
同社によると、Opus 5はコーディングや知識労働の評価で新たな最高水準に達しました。一方、サイバーセキュリティではClaude Mythos 5に及びません。万能な最上位モデルというより、ソフトウェア開発、調査、分析、業務自動化といった広い実務に、高い能力と現実的なコストの接点を作るモデルと見るべきでしょう。
effort設定で性能と消費量を調整
API価格は入力100万トークンあたり5ドル、出力100万トークンあたり25ドルで、前世代のOpus 4.8と同額です。利用者はeffort設定を変え、難しい課題では推論を深め、軽い仕事ではトークンを節約して速度と費用を優先できます。
ソフトウェア工学のFrontier-Bench v0.1では、Opus 4.8の性能を2倍以上に伸ばしながら、1タスク当たりの費用を下げたとされています。CursorBench 3.2の最大effortでは、Fable 5の最高スコアとの差を0.5％以内に抑え、費用は半分でした。
新規問題を解くARC-AGI 3では次点モデルの3倍、Zapier AutomationBenchでは同じタスク費用で次点の約1.5倍の合格率を記録。最低effortでも他モデルより多くのタスクを通過したといいます。コンピューター操作のOSWorld 2.0では、Fable 5の最高結果を3分の1強の費用で上回りました。これらは有力な指標ですが、実運用では自社タスクの完了率、待ち時間、再試行まで含めた検証が欠かせません。
「回答」よりも完了までの検証を重視
Opus 5の特徴として強調されているのが、自分の作業を確認し、成功するまで慎重に反復する力です。機械部品の図面を直接見られない条件で、独自の画像処理パイプラインを作って画素から形状を抽出し、FreeCADモデルを再構築した例が紹介されています。また、オープンソースのパッケージ管理ツールでは表面的な症状だけでなく根本原因を特定し、既存の修正が見落としていた端のケースまで直しました。
取引所向け市場データフィードを一度のセッションで構築した事例では、検証用のライブ配信がなかったため、モデル自身がテストハーネスも作成しています。早期利用者の報告であり、同じ結果を保証するものではありません。それでも、長い仕事を任せる際の評価軸が、初回回答の鮮やかさから、前提を確かめ、失敗を見つけ、成果物を完成させる安定性へ移っていることは読み取れます。
科学分野でもOpus 4.8を上回り、社内評価では分光データから分子構造を推定する有機化学課題で10.2ポイント、タンパク質配列の変化と機能の関係を予測する課題で7.7ポイント改善しました。風洞や細胞のインタラクティブな可視化など、視覚的な成果物の強化も示されています。
安全策は能力差に合わせて設計
配備前の自動行動監査では、Opus 5の不整合な振る舞いの総合スコアは2.3で、比較対象となった近年のモデル中で最も低い結果でした。後戻りしにくい危険な行動を避ける点でも、同社は最も安全なモデルだと説明しています。
ただし一般能力の向上に伴い、脆弱性の発見能力はMythos 5に近づいています。そこでソースコード上の脆弱性調査は許可しつつ、バイナリを使うスキャン、侵入テスト、攻撃コード生成を遮断する分類器を適用します。Claude.ai、Claude Code、Claude Coworkでは、該当する要求を標準でOpus 4.8へ切り替え、APIでも自動フォールバックを有効化できます。攻撃コードの作成能力は依然としてMythos 5を大きく下回り、生物学の長時間・自律研究にも重要な制約が残るとされています。
導入では権限と完了条件を先に決める
Opus 5は全プラットフォームで提供され、APIのモデル名はclaude-opus-5です。標準の約2.5倍で動作するFast modeもあり、Claude Platformでは基本価格の2倍、Claude Codeでは利用クレジットを通じて提供されます。同時に、会話中にプロンプトキャッシュを無効にせず使用ツールを変更する機能と、安全分類器で検知された要求を別モデルへ回す自動フォールバックがベータ公開されました。
長時間の仕事を自律的に進められるほど、与える権限、外部への変更範囲、途中停止の条件、人が承認すべき地点が重要になります。Opus 5の価値を測るなら、ベンチマークだけでなく、実際の業務で「正しい成果を出すか」と「危険なときに止まれるか」を一組で評価するのが現実的です。
