Anthropic / Claude Opus 4.5 のリリースと高度なツール使用機能

Anthropic は Claude Opus 4.5 を発表し、高度なコーディングおよびエージェントモデルとして位置付け、性能、効率、および高度なツール使用に重点を置いています。
Key insights
Opus 4.5 はコーディングおよびエージェントベンチマークで先行
Anthropic は Opus 4.5 がコーディングベンチマーク SWE-bench Verified で 80.9% のスコアを獲得し、内部エージェントおよびコンピュータ使用テスト(OSWorld)でも高得点を記録したことを発表しました。これにより、長期的な目標指向行動と複雑な多システムバグの解決能力が示されました。内部評価では、Opus 4.5 が長期コーディングタスクを処理する際にトークン使用を最大 65% 削減し、以前のバージョンでは達成できなかったタスクを完了できることが確認されました。
価格革命により高端能力がより手頃に
Opus 4.5 の価格設定は、入力トークンが百万あたり $5、出力トークンが百万あたり $25 に調整され、前代の Opus 4.1($15/$75)から三分の一に引き下げられました。これにより、Opus レベルの能力が初めてより広範な手頃さを持ち、クラウドプラットフォーム(Bedrock/Vertex/Azure)で開発者が利用できるようになりました。
高度なツール使用モジュールが文脈コストを削減し、ツール呼び出しの正確性を向上
Anthropic のエンジニアリングブログでは、3つの重要な技術が紹介されました:Tool Search Tool(オンデマンドで遅延読み込みするツール)、Programmatic Tool Calling(生成および実行する調整コード)、Tool Use Examples(複雑なパラメータを示すガイド)。これらの改善により、実験ではトークン消費と遅延が大幅に削減され、ツール選択の正確性と複雑なパラメータの正確性が大きく向上しました。
新たな操作パラメータと提示エンジニアリングの調整が必要
Opus 4.5 は推論計算の投入を制御するために「努力パラメータ」を導入しました。同時に、モデルはシステムプロンプトに対してより敏感になり、旧式の強制的なプロンプトはツールの過剰トリガーを引き起こす可能性があります。提示エンジニアリングの提案には、ツールトリガーを緩和し、過度のエンジニアリングを制限し、モデルがコードを修正する前に関連文書を完全に読むことを要求することが含まれます。
市場反応は実用主義に傾き、単なるスコアでは注目を集められない
Opus 4.5 の性能は著しく向上しましたが、リリース後の業界の反応は静かでした。観察によれば、業界は「実用主義の時代」に入り、ユーザーはモデルが直接効率を向上させ、ROIをもたらすかどうかに関心を持っています。モデルの能力向上が顕著な実用的応用を伴わない場合、一般の興奮を引き起こすことは難しいとされています。