Claude Opus 5 リリースと性能ベンチマーク

Anthropicは2026年7月25日にClaude Opus 5をリリース。Opus 4.8と同価格(入力$5/100万トークン、出力$25/100万トークン)で、Fable 5に近い知能を半額で実現。日常利用モデルとしてClaude Maxのデフォルト、Claude Proの最強オプションとなる。主要ベンチマークでは、Frontier-Bench v0.1でOpus 4.8の2倍以上の性能、ARC-AGI-3で2位の3倍のスコア、OSWorld 2.0で全モデルを凌駕。CursorBench 3.2では半額でFable 5に迫る。Fastモード(2倍価格で2.5倍速度)やAPIセーフティフォールバックも導入。オープンソースモデルの台頭によりプロプライエタリモデルの独自性が薄れつつあるとの指摘もある。
Key insights
Opus 5の価格設定が価値を確定:同じコストでFable 5に迫る性能
AnthropicはOpus 5を、入出力価格をOpus 4.8と同一(トークン100万あたり5ドル/25ドル)に維持しつつ、主要ベンチマークでFable 5に匹敵またはわずかに上回る知能を提供することで、ハイエンドでありながら手頃な日常利用モデルとして位置づけている。このモデルは頻繁な呼び出しを想定して設計されており、Claude Maxのデフォルト、Claude Proの最上位選択肢として機能する。これはフラッグシップ能力に高い料金を課す従来のパターンを打破し、最先端に近い性能を日常業務に経済的に利用可能にしている。
ベンチマーク総なめ:Opus 5がコーディング、知識、新規問題、コンピュータ利用で新たなSOTAを達成
Claude Opus 5は、Frontier-Bench v0.1(コーディング、Opus 4.8の2倍以上の性能を低コストで達成)、一般知識ベンチマークのGDPval-AAおよびFrontier-Bench、OSWorld 2.0(コンピュータ利用、同等コストで全モデルを上回り、Fable 5を3分の1のコストで凌駕)、ARC-AGI-3(2位の3倍のスコア)で新たな最先端スコアを記録した。サイバーセキュリティの脆弱性発見はMythos 5に迫るが、エクスプロイト作成は依然として大きく遅れている。これらの結果はソフトウェア工学、新規推論、エージェント型タスクに及ぶ。
トークン単位ではなくタスク単位のコスト:様々なシナリオでの実効性向上
Anthropicはトークン単位ではなく、完了したタスクあたりのコストを重視している。CursorBench 3.2では、Opus 5は半額でFable 5のピーク性能に迫る。財務モデリングのユースケースでは、精度が9ポイント向上し、ターン数とツール呼び出しが3分の1削減、所要時間が60%短縮された。トレーディングシナリオでは、Opus 5はOpus 4.8の約7分の1の推論トークンを生成し、レイテンシは半分以下を達成。これらの効率向上により、エンタープライズのタスク完了にかかる総コストが低減される。
Opus 5はより積極的な主体性と自己修正行動を示す
このモデルは自律的な問題解決能力を示す:既存のツールがない場合に自らツールを構築し(例:ピクセルからのCVパイプライン)、表面的な修正ではなく根本原因を特定し(オープンソースパッケージマネージャのバグにおいて)、フロントエンド開発者のようにページを開いて出力を自己検証し、欠陥のあるユーザーデザインに対して説明と妥協案を提示して異議を唱える。また、金融、ゲノミクス、法務領域における長期的タスクで高い一貫性を維持し、ドリフトを低減する。
FastモードとAPIセーフティフォールバックが本番環境の信頼性を向上
Anthropicは、2倍の価格で2.5倍の速度を実現するFastモードと、API自動フォールバック機構を導入する。セーフティ分類器がOpus 5またはFable 5のリクエストをブロックした場合、失敗する代わりに自動的に制限の緩いモデルにダウングレードできる。これらの機能は、応答性と中断のないサービスの両方を必要とするエンタープライズAPIユーザーを対象としている。
オープンソースモデルが追いつき、プロプライエタリな差別化を侵食
あるユーザーの考察によれば、オープンソースモデルはOpus 5以前にすでにOpus 4.8を超えており、Opus 4シリーズの引退を余儀なくさせた。このコメントは、Opus、Fable、その他のプロプライエタリモデルを、より大きなオープンソースの潮流の中での一時的な波と位置づけ、フラッグシップリリースでさえ長期的な独自性を維持できない可能性を示唆している。