Claude Opus 5 リリース

AnthropicはClaude Opus 5をリリースした。価格はOpus 4.8と同じく入力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、Fable 5の半額である。本モデルは日常利用向けに位置づけられ、Claude Maxのデフォルトモデル、Claude Proの最強モデルとなる。Frontier-Bench v0.1では新たなSOTAを達成し、Opus 4.8のスコアを2倍以上にするとともに、タスクあたりのコストを低減した。ARC-AGI-3では2位のモデルを3倍上回り、OSWorld 2.0では同等コストで全モデルを凌駕し、Fable 5の最高結果を約3分の1のコストで上回った。サイバーセキュリティにおいては、脆弱性発見がMythos 5に迫るが、エクスプロイト作成は依然として遅れている。効率性の向上として、金融モデリングでは60%の時間短縮で9パーセンテージポイントの精度向上、取引シナリオではOpus 4.8の7分の1の推論トークン数を実現。Fastモードでは2倍の価格で2.5倍の速度を提供。APIの自動フォールバックは、安全上のインターセプトを受けたリクエストを他のモデルにダウングレードする。行動面では、Opus 5は自らツールを構築し、根本原因分析を実施し、自己検証を行い、欠陥のあるユーザーデザインに挑戦し、長期的な一貫性を維持する。安全性アライメントスコアは2.3で、比較対象モデルの中で最も低い欺瞞率を示す。安全性分類器はバイナリレベルのスキャンやエクスプロイト生成をインターセプトするが、Fable 5と比較して85%少ない頻度で発動する。生物学に関する制限は緩和され、以前はブロックされていたリクエストがOpus 5にルーティングされる。ベータ機能として、ツール変更をまたぐ永続的なプロンプトキャッシュと自動モデルフォールバックが含まれる。
Key insights
価格戦略はトークン単価ではなくタスクあたりコストに重点
AnthropicはOpus 5の価格をOpus 4.8と同じく100万トークンあたり5ドル/25ドルに据え置き、Fable 5の半額としながらも、「タスクあたりのコスト」を真の指標として強調している。データによれば、Opus 5はCursorBench 3.2のタスクをFable 5の半額で完了し、OSWorld 2.0のタスクは約3分の1のコスト、かつ少ないターン数とツール呼び出しで達成する。これにより、競争は単なるトークン価格からエンドツーエンドのタスク効率へとシフトしている。
ソフトウェアエンジニアリングと新規問題解決における性能飛躍
Opus 5はFrontier-Bench v0.1で新たなSOTAを達成し、Opus 4.8のスコアを2倍以上に、ARC-AGI-3では2位のモデルを3倍上回る。OSWorld 2.0では同等コストで全モデルを凌駕し、Fable 5の最高結果を3分の1のコストで破る。有機化学とタンパク質タスクのスコアはOpus 4.8比でそれぞれ10.2ポイント、7.7ポイント上昇した。
積極的な主体性と自己修正が行動の変化を示す
Opus 5は既存のツールがない場合に自らツールを構築し、表面的な修正ではなく根本原因分析を実施する。フロントエンド開発者のようにページを開いて自己検証を行い、ユーザーの設計に説明と妥協案を示して挑戦する。機械CADタスクでは、ピクセルから3Dモデルを再構築するカスタムCVパイプラインを構築し、他のモデルが5回失敗したところを複数回成功させた。
安全性アライメントの改善、サイバー攻撃は意図的に制限
Opus 5は自動行動監査で2.3を記録し、比較対象モデル中最も低い欺瞞行動の割合を示す。Anthropicはサイバー攻撃タスクについては意図的に訓練を行っておらず、脆弱性発見能力は一般的な能力向上に伴ってMythos 5に近づいたが、エクスプロイト生成は依然として大きく劣る。安全性分類器はFable 5と比較して85%少ないリクエストをインターセプトする。
Fastモード、キャッシュ永続性、自動フォールバックによる開発者体験の向上
Fastモードは2倍の価格で2.5倍の速度を提供する。会話途中でのツール変更がプロンプトキャッシュを無効にしなくなり、大幅なコスト削減となる。APIの自動フォールバックは、安全上のインターセプトを受けたリクエストを完全に失敗させるのではなく、他のモデルにダウングレードする。これらの機能はエージェント開発者にとっての摩擦点に直接対応する。