Anthropicは2026年7月24日にClaude Opus 5を公開しました。名前だけ見ると単なるバージョンアップのように思えますが、今回の発表の核心は、「最も高価な最上位モデルだけが強力な時代」から「日常業務に投入可能な高性能エージェントモデル」へと重心が移りつつある点です。
Opus 5は、Claude Fable 5のような絶対的な最上位の長期自律作業をターゲットとしたモデルではありません。その代わりに、コーディング、知識業務、文書作業、検索、コンピューター使用、長期ツール使用といった実務型作業において、Fable 5に近い性能をより低いコストで提供するモデルとして位置付けられています。Anthropicは、Opus 5がClaude Opus 4.8よりも大幅に改善され、Fable 5の半分の価格でフロンティア級の知能を提供すると説明しています。
本稿では、Opus 5の発表で注目すべき点をまとめます。単にベンチマークスコアを羅列するだけでなく、なぜOpus 5が開発者や企業ユーザーにとって重要なのか、どのような作業に適しているのか、そして数字を解釈する際にどこまで注意すべきかを一緒に見ていきましょう。
要約
Claude Opus 5は「毎日使う高性能エージェントモデル」に近い存在です。Fable 5が最も複雑で長期的な自律作業のための最上位モデルであるとすれば、Opus 5はコーディング、知識業務、文書分析、長期コンテキスト作業、自動化業務をより現実的なコストで処理するためのモデルです。
特に注目すべき変化は3つです。
- 1Mトークンのコンテキストと128kの最大出力トークンを提供します。
- 思考、すなわちthinkingがデフォルトで有効になっており、effort設定で推論の深さを調整します。
- 価格はOpus 4.8と同じで、100万入力トークンあたり5ドル、100万出力トークンあたり25ドルです。
この組み合わせは非常に重要です。モデルが強力になり、価格が同じである場合、ユーザーは単に「より賢いモデル」を手に入れるだけでなく、同じ予算でより長い作業、より複雑なツール使用、より多くの自己検証ループを実行できるようになります。
Opus 5が狙う位置付け
Anthropicの現在のClaudeラインナップを見ると、モデルの役割がより明確になります。Claude Platformのドキュメントでは、複雑なエージェントコーディングや企業業務を開始する際にはOpus 5を推奨し、利用可能な最高の性能が必要な場合はFable 5を選択するよう説明しています。
| モデル | 位置付け | APIモデルID | 価格 |
| — | — | — | — |
| Claude Fable 5 | 最も高い長期自律作業性能 | claude-fable-5 | 入力10ドル / 出力50ドル |
| Claude Opus 5 | 複雑なエージェントコーディングと企業業務 | claude-opus-5 | 入力5ドル / 出力25ドル |
| Claude Sonnet 5 | 速度と知能のバランス | claude-sonnet-5 | 入力3ドル / 出力15ドル |
| Claude Haiku 4.5 | 高速処理と低コスト | claude-haiku-4-5 | 入力1ドル / 出力5ドル |
ここで興味深い点は、Opus 5が「最も高価なモデル」ではないということです。以前は、最良の結果を得るためには、必ず最上位モデルを選ぶ必要がありました。しかし、Opus 5は、実務家が日々直面する複雑な作業をFable 5よりも低いコストで処理できるように設計されています。
つまり、Opus 5の意味は「最高スコアのモデルが登場した」というよりも、「高性能モデルを業務のデフォルトとして設定できる価格帯に下がった」に近いと言えます。
ベンチマーク表で見るべき点
ユーザーが共有したベンチマーク表とAnthropic公式発表の比較表を見ると、Opus 5が多くの領域でOpus 4.8を大きく上回っています。特に、agentic terminal coding、knowledge work、ARC-AGI-3、OSWorld 2.0、AutomationBenchといった項目が目を引きます。
図: Claude Opus 5とFable 5、Opus 4.8、GPT-5.6 Solの主要ベンチマーク比較。出典: Anthropic公式発表
表を解釈する際には、「いくつ勝ったか」よりも「どのような種類の作業で強くなったか」を見る方が良いでしょう。
第一に、Opus 5はagentic terminal codingで43.3%を記録しました。同じ表では、Fable 5が33.7%、Opus 4.8が21.1%、GPT-5.6 Solが34.4%と示されています。ターミナルベースのコーディングベンチマークは、単純なコーディング問題ではなく、ツールを使い、失敗を観察し、再試行する能力を評価します。この領域でスコアが上がるということは、「一度で正解を出すモデル」よりも「作業を最後までやり遂げるモデル」に近づいたことを意味します。
第二に、knowledge workではGDPval-AA v2基準で1861と示されました。GDPvalは、経済的に価値のある実際の業務に近い作業を評価しようとするベンチマークです。数字そのものよりも重要なのは、モデル評価が数学問題やコーディング問題から、レポート、文書、業務判断、分析成果物といった領域へと拡大している点です。
第三に、ARC-AGI-3では30.2%が示されました。ARC Prizeの別途結果ページも、2026年7月24日時点でClaude Opus 5がARC-AGI-3で30.2%レベルの最高スコアを出したと説明しています。ARC-AGI系の評価は、訓練データで覚えた知識を取り出す能力よりも、見慣れない問題を一般化して解く能力を見ようとする性格が強いです。
第四に、OSWorld 2.0では70.6%が示されました。OSWorldは、実際のデスクトップ環境で長い作業フローを実行するコンピューター使用エージェントの評価です。今後、エージェントがブラウザ、ターミナル、文書エディタ、社内ツールを行き来して作業するようになるにつれて、このような評価はさらに重要になる可能性が高いです。
ただし、この表が提供者の発表資料であるという点も忘れてはなりません。ベンチマークは、条件、ハーネス、試行回数、ツール提供方法、推論effort、コスト計算方法によって異なります。したがって、実務的には「Opus 5が特定の公開表で優れていた」というよりも、「私たちの業務の失敗タイプにおいて実際に失敗が少ないか」を別途検証する必要があります。
Opus 5で最も実務的な変化: thinkingのデフォルト有効化
Claude Platformのドキュメントで最も重要な変更点は、thinkingがデフォルトで有効になったことです。Opus 4.8では、明示的に thinking: {“type”: “adaptive”}を設定しない限り、thinkingなしで実行されていました。Opus 5では、同じリクエストでもデフォルトでthinkingがオンの状態で実行されます。
この変化は開発者にとってかなり実質的な影響を与えます。
client = anthropic.Anthropic()
with client.messages.stream(
model="claude-opus-5",
max_tokens=64000,
output_config={"effort": "max"},
messages=[
{
"role": "user",
"content": "Explain why the sum of two even numbers is always even.",
}
],
) as stream:
response = stream.get_final_message()
print(response)この例の核心は output_config={“effort”: “max”}です。Opus 5は low, medium, high, xhigh, max のeffort段階を提供し、デフォルトは high です。複雑な作業ではeffortを高めてより深く推論させることができ、単純な作業では下げてコストと遅延時間を削減できます。
ただし、 max_tokens の解釈にも注意が必要です。ドキュメントによると、 max_tokens は思考プロセスと最終応答を合わせた全体の出力上限です。以前Opus 4.8をthinkingなしで使用していたワークロードをそのまま移行すると、Opus 5ではthinkingがトークン予算の一部を使用するため、出力上限を再設定する必要があるかもしれません。
もう一つの破壊的変更もあります。Opus 5でthinkingを無効にするには、effortが high 以下である必要があります。 xhigh や max effortで thinking: {“type”: “disabled”}を設定すると、400エラーが発生します。これは移行時に見落としやすい点です。
1Mコンテキストと128k出力が意味するもの
Opus 5は、1Mトークンのコンテキストウィンドウをデフォルト値かつ最大値として提供します。出力は同期Messages API基準で最大128kトークンです。これは単に「長い文書をたくさん入れられる」というレベルを超えています。
実務では、以下のような作業が可能になります。
- 大規模なコードベースの複数のファイルを一緒に読み込み、リファクタリングの方向性を決定する。
- 長いポリシー文書、契約書、セキュリティ基準書、運用マニュアルを一度に比較する。
- エージェントが作業中に生成したログ、テスト結果、エラーメッセージを累積し、コンテキストを失わないようにする。
- 文書の草案、表、スライド、コード変更案を1つのセッションで複数回修正する。
ただし、長いコンテキストは無料ではありません。多く入力すればコストも上がり、不要なコンテキストが多くなるほど、モデルが重要なシグナルを見落とす可能性もあります。そのため、Opus 5の1Mコンテキストは「何でもかんでも入れよう」ではなく、「本当に長い作業を中断せずに維持できる選択肢」として捉えるのが適切です。
コーディングモデルではなく、エージェントモデルに近い
Opus 5の発表で繰り返される単語は、codingよりもagenticです。Anthropicは、Opus 5がツール使用ループを長く維持し、マルチファイル機能の実装、大規模なリファクタリング、プレースホルダーなしでのエンドツーエンド機能作業の完了に強いと説明しています。
これは一般的なコード生成能力とは異なります。コード生成は「この関数を作って」に近いものです。エージェントコーディングは「このリポジトリでバグを見つけて修正し、テストし、壊れた部分を再確認した後、変更理由まで整理して」に近いものです。
実際の開発業務で重要なのは、最初の回答の華やかさではありません。途中で失敗したときにログを読み、仮説を変更し、テストを再実行し、原因と症状を区別する能力です。Opus 5が強調する「self-verification」と「long-horizon task」は、まさにこの部分と繋がっています。
ブログを運営したり、講義資料を作成したり、クラウドセキュリティの実習を構築する立場から見ても意味があります。一度のプロンプトで完結する文章作成よりも、資料調査、草案作成、コード検証、表整理、画像配置、アップロード検証のように複数の段階が続く作業でモデルの実力が発揮されるからです。
自動フォールバックと会話中のツール変更
Opus 5とともに、Claude Platformには2つのベータ機能も発表されました。
一つ目はmid-conversation tool changesです。会話の途中で使用するツールリストを変更でき、その際にプロンプトキャッシュを維持できます。従来はセッション開始時に固定されたツールリストを送り続ける方式が一般的でした。しかし、実際のエージェント業務では、最初は検索ツールが必要で、途中ではコード実行ツールが必要になり、最後には文書作成ツールだけが必要になることがあります。ツールを柔軟に変更しながらキャッシュを保存できれば、長い作業のコストと設計が変わります。
二つ目はdefault fallbacks modeです。安全分類器や拒否状況に応じてユーザーが直接フォールバックモデルリストを管理する代わりに、Anthropicの推奨フォールバックを適用できます。特にOpus 5やFable 5で特定の要求が安全ポリシーに抵触した場合、無条件にブロックで終わらせるのではなく、適切なモデルに引き継ぐフローを作成できます。
ただし、これらの機能はベータヘッダーを使用する必要があります。つまり、すぐにすべてのプロダクションシステムで何も考えずに有効にする機能というよりも、エージェントプラットフォームを自作したり、コスト最適化を細かく行いたいチームが試してみる機能に近いと言えます。
安全性: 強化されたが、一部領域ではより慎重に
Opus 5の発表で興味深い部分は、性能と同じくらい安全性に関する話が大きいことです。Anthropicは、Opus 5が自社の自動行動監査において、最近のモデルの中で最も低いmisaligned behaviorスコアを示し、誤用されにくいと説明しています。
同時に、Opus 5が危険なデュアルユース能力のフロンティアをさらに押し上げることはないと述べています。特に攻撃的なサイバーセキュリティと生物学の長期自律研究では、Mythos 5の方が強力だと説明しています。セキュリティの観点から重要な文章は、「ソースコードの脆弱性発見は許可するが、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といった領域はブロックする」という部分です。
これはセキュリティ業務を行う人にとってはやや微妙な点です。静的コードレビュー、脆弱性パターンの説明、防御的分析にはOpus 5が有用である可能性があります。しかし、侵入テストの自動化やエクスプロイト作成のように悪用可能性が高いフローでは、セーフガードが介入する可能性があります。
また、Anthropicは、Fable 5よりもOpus 5のサイバー分類器が制限的ではなく、Opus 5でフラグが立てられたリクエストは、Claude.ai、Claude Code、Claude CoworkでデフォルトでOpus 4.8にフォールバックされると説明しています。つまり、Opus 5は「セキュリティ業務ができないモデル」というよりも、「防御的業務はより開放しつつ、危険な実行段階はより慎重にブロックするモデル」に近いと言えます。
開発者がすぐに確認すべき移行ポイント
Opus 4.8からOpus 5へ移行する際の最も単純な変更はモデルIDです。
model = "claude-opus-4-8" # before
model = "claude-opus-5" # afterしかし実際には、以下も一緒に確認する必要があります。
| 確認項目 | 重要性 |
| — | — |
| max_tokens | thinkingがデフォルトで有効になり、思考プロセスと応答が同じ出力予算を共有します。 |
| output_config.effort | コスト、遅延時間、品質のバランスを直接調整する主要なパラメータです。 |
| thinking無効化条件 | xhigh、max effortではthinking disabledを設定すると400エラーが発生します。 |
| プロンプトキャッシュ最小長 | Opus 5ではキャッシュ可能なプロンプトの最小長が512トークンに短縮されました。 |
| フォールバック設計 | 安全分類器による拒否時に、別のモデルに引き継ぐか、ユーザーに中断を通知するかを決定する必要があります。 |
| 評価基準 | 提供者のベンチマークだけでなく、内部業務サンプルで回帰テストを行う必要があります。 |
特に社内エージェントや自動化システムに接続して使用している場合、モデルだけを変更して終わらせるべきではありません。同じプロンプトがより長く応答したり、自己検証ステップをより多く実行したり、ツール使用方法が変わったりする可能性があります。良い変化である可能性もありますが、すでに細かく調整されたワークフローでは、予期せぬコスト増加やステップの重複が生じる可能性があります。
どのようなチームがOpus 5を最初に試すべきか
Opus 5は、特に以下のチームに適していると考えられます。
開発チームであれば、複雑なバグ分析、コードレビュー、マルチファイルのリファクタリング、テストの強化、古いコードベースの理解に試してみる価値があります。単純なコードスニペットの生成はより安価なモデルでも十分かもしれませんが、リポジトリ全体のコンテキストを追跡し、自己検証が必要な作業はOpus 5の利点が際立つ領域です。
セキュリティチームであれば、ポリシー文書分析、セキュリティチェックリスト作成、コード脆弱性レビュー、クラウド設定レビュー、インシデントレポート草案作成といった防御的業務に適しています。ただし、侵入テストの自動化やエクスプロイト作成のようにセーフガードが介入する可能性がある作業は、別途検証とポリシー確認が必要です。
データ・リサーチチームであれば、長いレポートの要約、複数の文書比較、複雑な表分析、実験結果の解釈に利用できます。Opus 5が文書やスプレッドシート作業、長期コンテキストで改善された点は、この領域とよく合致します。
運用・業務自動化チームであれば、Zapier AutomationBenchで強調されているように、複数の段階を経て実際の業務を完了させる自動化フローをテストしてみる価値があります。アカウント状態の確認、危険信号の分類、通知の送信、要約レポートの作成といった業務が代表的です。
それでもベンチマークはベンチマークである
Opus 5の発表は印象的ですが、ベンチマークの数字をそのまま購入決定に結びつけるのは危険です。モデル評価はますます複雑になっています。同じモデルであっても、effort設定、ツール提供方法、試行回数、コスト予算、フォールバックの有無、安全フィルターの介入の有無によって結果が変わります。
したがって、実務導入は小さな内部評価から始めるのが良いでしょう。
- 実際の業務で頻繁に失敗するサンプルを20〜50個集める。
- Opus 4.8、Sonnet 5、Opus 5を同じ条件で比較する。
- 正答率だけでなく、コスト、遅延時間、再試行回数、人間が修正した時間も一緒に見る。
- セキュリティ・個人情報・著作権・内部データポリシーに合った使用範囲を定める。
- 良い結果が出た業務から限定的にデフォルトモデルを変更する。
AIモデルの選択は、「最も賢いモデルを一つ選ぶ」というよりも、「業務ごとにeffortとモデルを組み合わせる」という方向に近づいています。Opus 5は、この流れをかなりよく示しているモデルです。
結論: Opus 5の真のメッセージ
Claude Opus 5の真のメッセージは、「また一つのフロンティアモデルのリリース」ではありません。より正確には、高性能エージェントモデルの価格帯が下がり、モデルの使用方法が単発の質疑応答から長期的な業務遂行へと移行しているという兆候です。
Fable 5は依然として最も複雑な長期自律作業のための最上位の選択肢として残っています。しかし、毎日繰り返される開発、文書、分析、自動化、セキュリティレビュー業務では、Opus 5がより現実的なデフォルト値となり得ます。同じOpus 4.8の価格で、より長いコンテキスト、デフォルトのthinking、effort調整、強化されたエージェント性能を提供するからです。
ただし、良いモデルであるほど、より良い評価習慣が必要です。ベンチマーク表は出発点であり、最終的な判断は、私たちの業務で間違いが少なく、迷うことが少なく、より少ないコストで最後まで仕事を完了できるかどうかで下すべきです。Opus 5は、その基準で十分にテストしてみる価値のあるモデルです。
コメントを残す