Anthropic、競争力のある価格設定とベンチマークでClaude Opus 5を発表

AnthropicはClaude Opus 5を公開した。価格はOpus 4.8と同じ100万トークンあたり5ドル(入力)/25ドル(出力)で、Fable 5の半額となり、最先端に近い知能を提供する。Frontier-BenchではOpus 4.8の2倍のスコアを達成し、CursorBenchではFable 5とほぼ同等の性能を半額で実現、OSWorld 2.0ではFable 5を上回り、コストは3分の1以下。現在、Claude MaxおよびAPIでデフォルトモデルとして利用可能。
Key insights
Opus 4.8と同等の価格、Fable 5の半額
Claude Opus 5は、入力トークン100万あたり5ドル、出力トークン100万あたり25ドルで提供され、価格はOpus 4.8と全く同じで、フラッグシップモデルFable 5の半額となる。AnthropicはOpus 5を、大幅なコスト削減で最先端に近い知能を提供するモデルと位置づけ、これまで高いAPI費用に直面していた開発者に高度な機能をより身近なものにしている。
ベンチマークスコアでOpus 4.8を大幅に上回る成果
Opus 5は、Frontier-Bench v0.1でOpus 4.8のスコアを2倍以上に向上させると同時に、タスクあたりのコストを低減した。CursorBench 3.2の最大努力設定では、Fable 5のピークスコアに0.5%差まで迫り、コストは半額だった。ARC-AGI 3では2位のモデルの3倍のスコアを記録し、OSWorld 2.0ではFable 5の最高結果を上回り、コストは3分の1強に抑えた。有機化学とタンパク質関連タスクでは、Opus 4.8と比較してそれぞれ10.2ポイント、7.7ポイントの改善が見られた。
実世界タスクの例が自律的な問題解決能力を実証
Opus 5は、FreeCADにおいて生のピクセルから3D機械部品を再構築するコンピュータビジョンパイプラインを独自に構築した。また、コミュニティのパッチが見逃したオープンソースパッケージマネージャーの根本原因バグを特定・修正した。トレーディング企業のユースケースでは、ライブデータが利用できない場合に市場データ解析を検証するための独自のテストフレームワークを作成した。
安全性とアライメント指標の改善
Anthropicによると、Opus 5は最もアライメントされたモデルであり、自動行動監査での複合ミスアライメントスコアは2.3と、Opus 4.8、Sonnet 5、Fable 5を下回る。また、欺瞞的行動の発生率も最も低かった。バイオセキュリティフィルターはFable 5と比較して緩和され、以前はブロックされていた科学的リクエストを、古いモデルではなくOpus 5で処理できるようになった。
サイバーセキュリティ:強力な脆弱性発見力、限定的なエクスプロイト能力
攻撃的なサイバーセキュリティタスクで訓練されてはいないが、Opus 5の一般的な能力により、脆弱性発見レベルはMythos 5に迫る。ただし、動作するエクスプロイトの生成では依然として大きく劣る。安全分類器は、バイナリレベルのスキャン、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し、Fable 5と比較して介入数が85%減少した。ブロックされたリクエストは、Claude製品ではOpus 4.8にフォールバックする。
エージェント向けベータ機能:永続キャッシュと自動劣化
エージェント開発者向けに2つのベータ版API機能が用意されている。1つ目は、会話の中でツールを変更してもプロンプトキャッシュが無効化されず、コストの急騰を防ぐもの。2つ目は、安全分類器によってブロックされたリクエストを、完全に失敗させるのではなく代替モデルに自動的にルーティングする自動劣化オプションで、プロダクション環境のエージェントの信頼性を向上させる。
ユーザーの安堵:Opus 4.8の失望後、ようやく使えるモデル
初期のユーザー反応では、Opus 5はAnthropicが提供する必要があった実用的なモデルだと評されている。あるコメントでは、Opus 4.8を継続していれば、パフォーマンスの低さからClaude Maxのサブスクリプションは正当化できなかったと指摘。新モデルはプレミアム層の価値を回復させ、複数のベンチマーク結果がより高価なFable 5を上回っている。
ベンチマーク表の不一致が指摘される
あるユーザーは、Anthropicが公開したスコア表で、53.4が53.5より大きいと赤色で強調表示された比較を発見し、特定のベンチマーク数値の正確性や表示方法に疑問を呈した。この投稿では、これが確認されたエラーか可視化上の見落としかは示されていない。