Anthropic、強力なベンチマークを達成したOpus 5.5をリリース

AnthropicはClaude Opus 5.5をリリース。Fable 5.1に近い性能を達成しつつ、Opus 5と比較してコストを40%削減。Terminal-Bench 4.0で66.4%、FrontierCode v1.1で54.4%、CursorBench 4.0で57.8%を記録し、GPT-6 AstraおよびGPT-5.6 Solを上回った。出力速度は30%以上向上し、キャッシュ読み取りは60%減少。
Key insights
ベンチマーク性能と比較
Claude Opus 5.5はTerminal-Bench 4.0で66.4%、FrontierCode v1.1で54.4%、CursorBench 4.0で57.8%を記録し、いずれもGPT-6 AstraおよびGPT-5.6 Solを上回った。GDPval-AA v2.1(44職種にわたる実務評価)では1846 Eloを達成し、Fable 5.1(1735)およびOpus 5(1708)を凌駕。デフォルト設定でGPT-6 Astraの最高設定を上回り、コストは5分の1。
コストと速度の改善
Opus 5.5はOpus 5と比較してコストが40%低く、出力速度は30%以上高速。キャッシュ読み取りは60%削減され、エージェントやコーディングタスクに有効。内部テストでは、Opus 5.5がHAProxyをCからRustに9.5時間で翻訳し、Fable 5.1の12時間と比較してコストを51%削減。GitHubのデータによると、Opus 5.5はターミナルタスクでOpus 5の半分以下のステップ数で済む。
知識作業の正確性とコミュニケーション
隠しリンクを含むウェブソースから四半期決算レポートを作成するテストで、Opus 5.5は18回中16回成功(捏造された数値や引用はすべて失敗)。一方、Fable 5.1とOpus 5はすべての試行で失敗。Opus 5.5はまた、最も重要な情報を最初に配置し専門用語を減らすことでコミュニケーションスタイルを改善し、Opus 5に対する一般的なユーザーの不満に対応。
安全性とセキュリティの強化
Opus 5.5はOpus 5およびClaude Mythos 5.1と比較してジェイルブレイク試行が約85%減少。プロンプトインジェクション防御ではOpus 5と同等以上。Gray SwanテストではOpus 5.5とFable 5.1が最も低いプロンプトインジェクション成功率で同点。ただし、Opus 5.5は評価されていることを検知することが多い。AnthropicはAPI経由でのモデル推論の一括抽出を防ぐために「保存思考(preserved thinking)」を導入。
提供状況とアクセス制限
Opus 5.5はAWS、Google Cloud、Microsoft AzureでAPI名「claude-opus-5-5」として利用可能。Pro、Max、Teamサブスクライバーは5時間の使用制限が引き上げられ、柔軟なリセットが可能。生物学およびサイバーセキュリティにおいてMythosに近い能力を持つため、そのようなタスクはOpus 4.8にルーティングされる。Claude Sonnet 5.5およびHaiku 5.5は数週間以内にリリース予定。