Anthropicは、新しい旗艦モデル「Claude Opus 5」をClaude Fable 5の低コスト代替として位置づけており、Fable 5の性能に迫りつつ、複数のベンチマークで上回ると述べています。このリリースは、AI企業が能力とコストの両面で激しく競争する中で行われ、エンタープライズ顧客は本番環境のワークロード向けにモデルを選択する際、価格と性能のトレードオフをますます重視するようになっています。

同社によると、Opus 5はエージェント型コーディングとナレッジワークのテストでトップを記録しています。これらは企業がAIを最も重点的に導入している分野です。新規問題解決を測定するベンチマーク「ARC-AGI-3」では、Opus 5が30.2%を記録し、GPT-5.6 Solのほぼ4倍の成績です。

Anthropicはさらに、Opus 5が反復ステップを通じて自身の作業を確認・改善できること、また必要に応じてコードを記述してツールを構築できると述べています。これらの機能は、モデルが人間の介入を最小限に抑えながら複数ステップのタスクを完了する必要がある自律エージェントワークフローにおいて重要です。

Opus 5はOpus 4.8の価格設定を維持

Anthropicは、GPT-5.6 Solや中国の競合他社からの価格競争圧力が高まる中、Opus 5を投入しています。この新モデルは、より高価なFable 5との価格・性能ギャップを縮めることを目的としています。Opus 5はClaude Maxのデフォルトモデルとなり、Claude Proで提供される最も高性能なモデルとなります。

本モデルは、100万トークンのコンテキストウィンドウと前身のOpus 4.8と同等のトークンレートを維持しています。Opus 5の料金は、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ドルです。新しいFast Modeは速度を2.5倍に向上させますが、価格は2倍になります。

基本トークンレートは、モデル間でトークン効率が異なり得るため、総タスクコストを完全には反映しません。Opus 4.7は、基本レートが同じであったにもかかわらず、タスクあたりのコストがOpus 4.6より30〜40%高くなりました。同様の傾向は最近、Claude Sonnet 5でも見られました。この違いは、数百万人規模のAPI呼び出しにわたってタスクごとのコスト差が蓄積される大規模デプロイメントを実行する組織にとって重要です。

高いeffort設定はコスト増につながる一方で結果が改善されない場合も

ユーザーは、low、medium、high、xhigh、maxの5つのeffort設定を通じて、性能とトークン使用量のバランスを調整できます。Anthropicは、Opus 5がすべてのeffortレベルで前身よりも優れた価値を提供すると述べています。

Anthropicはプロンプトガイドで、「low」と「medium」設定の幅広い使用を推奨しています。同社は、これらの設定が以前のOpusモデルの同じ設定を上回りながら、トークン使用量とレイテンシのごく一部で良好な結果をもたらすと述べています。コーディングおよびエージェント型タスクについては、Anthropicは引き続き「xhigh」からの開始を推奨しています。

Opus 5は、max effort設定において2つのベンチマークで2番目に高い設定よりもわずかに低いスコアを記録しましたが、maxの方がコストが高くなります。この低下はFrontier-Bench v0.1とArtificial Analysis Coding Agent Indexで見られます。この結果は、より高い計算effortがより良い出力を保証しないことを示しており、コスト対品質を最適化するチームにとって考慮すべき点です。

Anthropicのベンチマーク：エージェント型コーディングでOpus 5がリード

Anthropic独自のベンチマーク結果によると、Opus 5は複数の評価で記録を樹立しています。Frontier-Bench v0.1では、エージェント型ターミナルコーディングで43.3%に達し、Fable 5の33.7%、GPT-5.6 Solの34.4%、Opus 4.8の21.1%を大きく上回りました。

GDPval-AA v2ナレッジワークベンチマークでは、Opus 5が1,861のEloスコアでリードしています。Fable 5は1,747、GPT-5.6 Solは1,736を記録しました。

Opus 5はすべてのテストでリードしているわけではありません。エージェント型コーディングを測定するDeepSWE v1.1では、GPT-5.6 Solが72.7%で1位、続いてFable 5が69.7%、Opus 5が68.8%となっています。医療タスクと法務ベンチマークでは、それぞれFable 5とMythos 5がOpus 5を上回りました。この結果が混在していることは、モデルの優位性がドメインによって異なることを浮き彫りにしており、エンタープライズの購入者にとってモデル選択はタスクに依存することになります。

ARC-AGI-3の結果は、Anthropicのベンチマークセットの中で最大の異常値の一つです。ARC-AGI-3は、暗記したパターンに頼らずに新規問題解決を評価します。Opus 5は30.2%を記録し、Opus 4.8の1.5%、GPT-5.6 Solの7.8%と比較して、提示された結果の中で次点モデルのほぼ4倍の成績です。AnthropicはこのベンチマークにおけるFable 5の結果を公表しておらず、このような大規模なベンチマークでのリードが実際の使用に反映されるかどうかは不明です。

Opus 5はサイバーセキュリティタスクにおいてMythos 5に遅れを取っています。Anthropicは、前身と同様に、Opus 5をサイバータスクで意図的にトレーニングしなかったと述べています。本モデルは脆弱性の発見においてMythos 5に迫りますが、悪用を求められた際の性能は大幅に劣ります。

Anthropicはさらに、Opus 5がチャートや図表を含む視覚的コンテンツの生成と分析において改善されたと述べています。

Anthropic、Opus 5が独自のツールを構築可能と発表

Anthropicは、Opus 5が自身の作業を確認し、反復を通じて改善する能力が大幅に向上したと説明しています。この種の自己修正は、自律エージェントを構築するAIラボにとってますます重要な焦点であり、人間の指導なしにエラーを検出・修正できるかどうかが、モデルが複雑でオープンエンドなタスクを処理できるかを左右します。

あるFrontier-Benchタスクでは、Opus 5に機械部品の図面が与えられ、FreeCADで3Dモデルを作成するよう指示されました。このモデルには図面を直接確認する方法が意図的に与えられていませんでした。

Anthropicによると、Opus 5は独自のコンピュータビジョンパイプラインを記述して生ピクセルから幾何学情報を抽出し、その後完全な機械部品を再構築しました。同社は、5回の試行後も他のモデルはこのタスクを解決できなかったと述べています。

Opus 5はまた、人気のあるオープンソースパッケージマネージャーの実際のバグにも取り組みました。Anthropicによると、本モデルは根本原因を特定し、コミュニティパッチが見落としていたエッジケースを修正しました。競合モデルは表面的な症状のみを修正し、バグを解決済みとして報告しました。

Anthropicはさらに、あるトレーディングファームのエンジニアがOpus 5を使用して、1回のセッションで新しい取引所向けの市場データフィードを構築したと述べています。以前のモデルは、詳細な計画が与えられてもこのタスクを完了できませんでした。

Fable 5よりサイバーフィルターのトリガー頻度が低い

Anthropicは、Opus 5のセーフティ設定がソースコードの脆弱性調査を許可する一方で、バイナリベースの脆弱性スキャン、ペネトレーションテスト、エクスプロイト生成をブロックすると述べています。サイバークラスファイアは、Fable 5で使用されているものと比較して約85%少ない頻度でトリガーされます。Fable 5の頻繁な介入は、正当なコーディングやセキュリティ調査タスク中のワークフロー中断を報告した開発者から激しい批判を浴びていました。

Claude.ai、Claude Code、Claude Coworkでブロックされたリクエストは、デフォルトでOpus 4.8にフォールバックします。これはAnthropicがFable 5で使用したのと同じアプローチです。

AnthropicはOpus 5を、科学研究向けに一般的に利用可能な最も能力の高いモデルと呼んでいます。同社は、すべてのライフサイエンス評価においてOpus 4.8を上回り、有機化学とタンパク質関連タスクで顕著な改善を示したと述べています。有機化学では、スペクトルデータからの分子構造導出において10.2ポイント向上しました。タンパク質関連タスクでは7.7ポイント向上しました。

AnthropicはOpus 5と同時に2つのベータ機能もリリースしています。Claude Platformの「Mid-Conversation Tool Changes」により、開発者はプロンプトキャッシュを無効にすることなく、会話中に利用可能なツールを変更できます。APIの「Automatic Fallbacks」は、ブロックされたリクエストを自動的に別のモデルにルーティングします。両機能とも、ワークフローの継続性と信頼性に関する開発者の摩擦ポイントに対処するAnthropicの取り組みを反映しています。