Claude Opus 5は何が変わったのか — 最上位に並んだ半額モデルの設計と落とし穴

Claude Opus 5 は2026年7月24日に公開されました。前世代の Claude Opus 4.8 と価格が同じで、しかも同社の最上位である Claude Fable 5 に多くのタスクで並ぶ、という位置づけです。Fable 5 の価格は Opus 5 のちょうど2倍ですから、半額で最上位に届いたという主張になります。

こういう主張は、そのまま受け取るには話がうますぎます。実際に独立した第三者の実測を見にいくと、主張が裏付けられている部分と、はっきり負けている部分の両方が見つかりました。そして移行にあたっては、放置すると応答が途中で切れる仕様変更も含まれています。

この記事では Claude Opus 5 を分解します。価格と提供範囲、思考が既定でオンになったという挙動の反転、effort の5段階が実際にどれだけの幅を生むのか、独立実測が示すコスト効率、そして見出しにならなかった数字まで。Anthropic 自身の主張と第三者の実測は、必ず区別して並べます。

半額で最上位に並んだ、という主張から始める

まず数字を確認します。Claude Opus 5 の API 価格は100万トークンあたり入力5ドル・出力25ドルです。Claude Opus 4.8 と完全に同額で、値上げはありません。一方 Claude Fable 5 は入力10ドル・出力50ドルで、きっかり2倍にあたります。

では性能はどうか。独立した測定機関である Artificial Analysis の Intelligence Index を見ると、2026年8月時点の値は次のとおりです。

この単一指標に限れば、Opus 5 は Fable 5 をわずかに上回っています。半額で最上位に並んだ、どころか追い越したことになります。同機関の他の指標でも、GDPval-AA v2 で1861 Elo（Fable 5 比プラス114）、AA-Briefcase で1720 Elo（同プラス146）と、Fable 5 を上回る結果が出ています。

ここで指標の性質を押さえておきましょう。この種の総合指数は、複数の試験の成績をひとつの数字に合成したものです。数学、科学、コーディング、指示への追従、長文の読解といった性質の違う課題をまとめて平均するため、単一の値で「頭の良さ」が測れているわけではありません。合成に使う課題の選び方と重み付けを変えれば、順位は容易に入れ替わります。したがって、この数字は絶対評価ではなく、同じ物差しで測った相対比較の材料として読むべきものです。

実際、後述するように別の測定機関では逆の結果が出ています。ひとつの指標で断じるのは危険だという原則は、ここでも当てはまります。上の表を見るときに本当に注目すべきなのは、誰が1位かではなく、上位5モデルが63から57という狭い範囲に密集しているという事実のほうかもしれません。

いくらで、どこで使えるのか

価格の次に確認すべきは提供範囲です。使えない環境で性能を語っても意味がありません。

Anthropic の発表によれば、Claude Opus 5 はすべての有料プランと Claude API で利用できます。注目すべきは Claude Max では既定モデルになった点で、Claude Pro でも選択可能な最上位という位置づけです。つまり Max を契約している利用者は、意識的に設定を変えていなければ、既に Opus 5 を使っていることになります。

提供プラットフォームは Claude API、Claude.ai（Pro・Max・Team・Enterprise）、Amazon Bedrock、Google Cloud、Microsoft Foundry です。GitHub Copilot でも公開当日から利用可能になりました。企業がクラウド経由で使う経路は一通り揃っています。

ひとつ限定条件があります。約2.5倍の速度で動く fast mode（価格は入力10ドル・出力50ドル）は Claude API でのみ提供され、Bedrock・Google Cloud・Foundry では使えません。クラウド経由の運用を前提にしている場合、この機能は選択肢に入らないので注意してください。

思考が既定でオンになった — 移行時に最も注意すべき変更

仕様変更のうち、実害が出やすいのがこれです。

Claude Opus 5 では、リクエストで思考の設定を省略すると思考ありで動作します。Claude Opus 4.8 では省略すると思考なしで動いていたため、挙動が反転しました。同じコードをモデル名だけ差し替えて動かすと、意図せず思考が走ることになります。

これが問題になるのは、出力の上限が思考と本文の合計にかかるからです。思考なしを前提に上限を切り詰めていた設定では、思考にトークンを食われて本文が途中で切れます。エラーではなく、単に応答が尻切れになるため、気づきにくい種類の不具合です。移行時には、思考の設定を明示するか、上限に余裕を持たせるかのどちらかが必要になります。

もうひとつ、破壊的な変更があります。思考を明示的に無効化する指定は、effort が high 以下のときにしか受け付けられません。xhigh または max と組み合わせるとエラーが返ります。Opus 4.8 ではこの組み合わせが通っていたので、該当する箇所は事前に洗い出しておく必要があります。

なお、思考の中身そのものは返ってきません。要約を受け取る指定はありますが、既定では空になります。画面に推論の途中経過を流している実装では、長い沈黙のあとに答えが出てくるように見えるので、必要なら明示的に要約表示を指定してください。

effortの5段階が生む407ポイントの幅

Claude Opus 5 は low・medium・high・xhigh・max の5段階を持ち、既定は high です。この設定がどれだけ効くのかを、実測値で見てみます。

Artificial Analysis の測定では、GDPval-AA v2 という指標において、effort の違いだけで Elo が407ポイント動き、出力トークン量は low から max まで約8倍の開きが出ました。同じモデルの同じ質問に対して、設定ひとつで結果も費用もこれだけ変わるということです。

この幅の大きさは、二通りの意味を持ちます。ひとつは節約の余地が大きいこと。定型的な整形や分類に max を使うのは、8倍のトークンを無駄に燃やす行為です。もうひとつは失敗の余地も大きいこと。難しい問題に low を当てれば、当然ながら浅い答えが返ります。しかもどちらの失敗もエラーにはならず、静かに起こります。

公式の推奨は明快です。既定の high から始め、自分の評価基準で調整する。要求の高いコーディングやエージェント作業では xhigh に上げ、費用を気にせず正確さを優先すべき場面では max を使う。そして品質が保てることを確認できた範囲では、low と medium を積極的に使って費用と応答時間を抑える、という順序です。effort の使い分けの考え方そのものはClaude Opus 4.8を選ぶ理由はまだあるか (2026-07-30 公開)で整理した枠組みがそのまま使えます。

興味深いことに、高くすれば良いとは限らないという分析もあります。MindStudio の分析によれば、Frontier 系のコードベンチマークでは medium 付近の約53パーセントで頭打ちになり、それ以上に effort を上げると性能が下がったうえに費用も増えたとのことです。単一の分析なので鵜呑みにはできませんが、「とりあえず max」が最適解ではないことの傍証にはなります。

独立実測が示したコスト効率の逆転

費用対効果を、タスク単位で見てみましょう。Artificial Analysis は Intelligence Index の1タスクあたりコストも公開しています（以下は公開直後の7月末時点の実測値です。単価は据え置きのため、相対関係は現在も概ね変わりません）。

この表を読む前に、単価と総額の違いを整理しておく必要があります。トークンあたりの単価が同じでも、1つの仕事を終えるまでに消費するトークンの量が違えば、支払額は変わります。よく考えるモデルは、そのぶん多くのトークンを吐き出します。つまり価格表の数字だけを見比べても、実際の請求額は予測できません。1タスクあたりでいくらかかったかという指標は、この落とし穴を避けるための見方です。

max 同士で比べると、Opus 5 は Opus 4.8 より高くつきます。トークン単価は同じでも、より多く考えるぶん総量が増えるためです。ここだけ見ると「値段据え置きで賢くなった」という単純な話ではありません。据え置かれたのはあくまで単価であり、支払額ではないからです。

ただし同機関は、high および xhigh の設定では Opus 5 が Opus 4.8 と Sonnet 5 の両方を、より低いタスク単価で上回りうると述べています。つまり効率の良い領域は max ではなく、その一段二段下にあるということです。この所見は、前節の「高ければ良いわけではない」という話と整合しています。

実務的な結論はこうなります。Opus 5 に移行しただけでは請求は下がりません。effort を意識的に設定して初めて、価格据え置きの恩恵が実額として現れます。

Anthropic自身のベンチマークをどう読むか

ここまでは第三者の測定でした。Anthropic 自身が公表している数字も見ておきます。以下はすべて同社の発表による値です。

同社によれば、Frontier-Bench で43.3パーセント、ARC-AGI-3 で30.2パーセント（次点の約3倍）、SWE-bench Pro で79.2パーセント、コンピュータ操作の OSWorld 2.0 で70.57パーセント（Opus 4.8 は55.7パーセント）を記録しています。コンピュータ操作の伸びは特に大きく、55.7から70.57への変化は、画面を見て操作する用途の実用性が一段上がった可能性を示します。

これらの数字をどう扱うべきか。ベンダーが自社モデルを測った結果は、選ばれた指標であるという前提を外せません。得意な土俵を選ぶのは当然の行為で、不正ではありませんが、比較の基準にはなりません。第三者の横断指標を骨格に置き、ベンダーの数字は「同社がどの用途を主戦場と見ているか」の表明として読むのが健全です。

なお、SWE-bench Verified のスコアについては情報源によって96パーセントと約97パーセントで食い違っていたため、この記事では記載しません。数字が一致しないものは書かない、という原則を優先しました。

見出しにならなかった数字

好意的な記事では触れられにくい結果も並べておきます。判断材料としてはこちらのほうが重要です。

まず幻覚率です。Artificial Analysis の AA-Omniscience では、正答率こそ Opus 4.8 より7ポイント高いものの、幻覚率は50パーセントで、Opus 4.8 から14ポイント上昇しています。知っていることは増えたが、知らないことを知らないと言えなくなった、という読み方ができます。事実確認を伴う用途では、この傾向は見過ごせません。裏取りの工程を省ける相手ではない、ということです。

なぜ賢くなると幻覚が増えるのか、直感に反するように思えます。ひとつの説明は、答えようとする範囲が広がったことです。難しい問いに手を出さなければ間違えようがありませんが、手を出せば当然に外す確率が生まれます。もうひとつは、文章としての説得力が上がったことです。同じ間違いでも、より整った論理と自然な言い回しで語られると、読み手が疑いを持ちにくくなります。利用者から見た危険度は、間違いの回数だけでなく、間違いの見破りにくさでも決まります。

次に、負けている指標が複数あります。Epoch AI の Epoch Capabilities Index では、Opus 5 は Claude Fable 5 と GPT-5.6 の両方の後塵を拝しています。この指標は項目反応理論という手法で多数のテストを合成する設計です。簡単に言えば、問題ごとの難易度を統計的に推定したうえで成績を組み立てる方式で、易しい問題ばかりで満点が並んでも差がつかなくなる、いわゆる天井効果を避けやすいという特徴があります。上位モデルの実力が接近してきた局面では、こうした飽和しにくい指標のほうが差を捉えやすいという見方もできます。Vales AI の Vales Index でも、米国 GDP への産業別寄与で重み付けすると Fable 5 をわずかに下回りました。Cognition が構築した Apex SWE でも、Fable 5 が小差でリードしています。

つまり「Opus 5 が Fable 5 を超えた」と言い切れるのは、Artificial Analysis の指標に限った話です。測る物差しを変えれば順位は入れ替わります。半額で最上位に並んだという主張は、多くの指標で妥当だが、すべてではないというのが公平な評価でしょう。Fable 5 の設計そのものについてはClaude Fable 5とは何者か (2026-07-28 公開)で詳しく扱っています。

拒否を減らし、拒否に受け皿を用意した

安全性まわりにも変更があります。Anthropic によれば、安全分類器が作動する頻度は Claude Fable 5 と比べて85パーセント少ないとのことです。セキュリティや生命科学に隣接する正当な作業が誤って弾かれる、という Fable 5 で報告された問題への対応と読めます。

あわせて Automatic Fallbacks というベータ機能が導入されました。分類器が作動した場合にエラーを返すのではなく、より制約の緩い下位モデルへ自動的に振り分けて応答を返す仕組みです。拒否そのものを減らし、それでも起きたときの受け皿を用意する、という二段構えになっています。

業務に組み込む立場からすると、この機能の意味は「止まらなくなった」ことにあります。従来はエラー処理を自前で書く必要があった場面が、設定ひとつで吸収されます。フォールバックを設計として考える枠組みはAIへの依存リスクが現実になった日 (2026-07-29 公開)で整理したとおりで、公式機能として使えるようになったのは前進です。

キャッシュとレートリミットの地味だが効く変更

見落とされやすい2つの変更に触れておきます。

ひとつはプロンプトキャッシュの最小サイズです。キャッシュが効く最小の長さが 512トークンに下がりました。Claude Opus 4.8 では1024トークンだったので、半分です。短すぎてキャッシュできないと諦めていたプロンプトが、コードを変えずにキャッシュ対象になった可能性があります。繰り返し同じ前置きを送っている用途では、請求を見直す価値があります。

もうひとつはレートリミットです。Claude Opus 5 は、Opus 4.8 以前の系列とは別の枠として計算されます。従来の Opus 系で上限に張り付いていた場合でも、その枠が空くわけでも引き継がれるわけでもありません。本番のトラフィックを移す前に、契約している層での Opus 5 の上限を確認しておく必要があります。

Opus 4.8から移るときの確認項目

ここまでの内容を、移行時のチェックリストにまとめます。

まず、思考の設定を明示していないコードを洗い出します。放置すると思考が走り、出力上限に余裕がなければ本文が途中で切れます。次に、思考を無効化しつつ effort を xhigh または max にしている箇所を探します。この組み合わせはエラーになります。

そのうえで、effort を用途ごとに設定し直します。既定の high から始め、軽い処理は low や medium へ落とす。ここを触らないと、価格据え置きの恩恵は請求書に現れません。あわせて、出力上限を思考ぶんだけ引き上げておきます。

最後に、レートリミットの枠が別であることを確認し、キャッシュの最小サイズが下がったことを踏まえて、短いプロンプトのキャッシュ設定を見直します。ここまでやって、ようやく移行が完了します。

メイカーの実務にどう効くか

3Dプリントや設計の現場では、この変更はどう効くでしょうか。

最も効くのは effort の使い分けです。パラメトリックな筐体のコードで壁厚の変数をひとつ変えるような作業に max を使うのは、実測で言えば8倍のトークンを燃やす行為です。こうした軽い依頼は low や medium に落として構いません。逆に、締結柱と基板の干渉を導出式まで遡って検算させるような作業では、xhigh に上げる価値があります。この線引きの実例はClaudeを3Dプリント設計に活用する (2026-08-01 公開)の実走記録が参考になります。

100万トークンの文脈も、プロジェクト単位の使い方に効きます。設計メモ、使用中のフィラメントの物性表、過去の失敗記録、スライサー設定の履歴をまとめて渡し、その全体を踏まえた助言を求める。1ファイルずつ相談していた頃とは、返ってくる答えの前提が変わります。断片的に質問すると、相手はこちらの事情を知らないまま一般論で答えるしかありません。手元の資料をまとめて渡せば、過去に何を試して何が駄目だったかを踏まえた回答が返ってきます。同じ質問でも、前提を共有しているかどうかで有用性は大きく変わります。

キャッシュの最小サイズが下がった件も、地味に効く場面があります。毎回同じ設計方針や自機の癖を前置きとして渡している運用では、その前置きが短くてもキャッシュに乗るようになりました。前置きを充実させるほど回答の質は上がりますが、従来は毎回その全文に課金されていました。繰り返し送る内容が固定されているなら、費用の増え方は以前より緩やかになります。

一方で、幻覚率の上昇は設計作業にとって明確なリスクです。材料の耐熱温度、ねじの下穴径、規格の寸法といった数値を尋ねたとき、もっともらしい値が返ってくる確率が上がったと考えるべきです。AIが出した数値は、メーカーの技術データシートで裏を取るという工程は、今回の世代交代で省けるようになったわけではありません。むしろ重要性が増しました。設計工程全体でのAIの位置づけはAI 3D設計 完全ガイド 2026 (2026-07-19 公開)に地図としてまとめてあります。

まとめ — 半額で最上位が意味したこと

Claude Opus 5 について、確認できたことを整理します。

価格は Opus 4.8 から据え置きで、Fable 5 の半額です。Artificial Analysis の Intelligence Index では Fable 5 をわずかに上回りましたが、Epoch Capabilities Index や Apex SWE では Fable 5 に届いていません。「多くの指標で最上位に並んだ」までが公平な言い方でしょう。

移行時の要注意点は、思考が既定でオンになったことと、思考を無効化しながら高い effort を指定できなくなったことの2点です。前者は放置すると応答が途中で切れます。

そして最も実務的な結論は、effort を設定して初めて価格据え置きの恩恵が出るということです。効率の良い領域は max ではなく high や xhigh にあると独立実測は示しています。モデルを差し替えただけで満足していると、賢くなったぶんだけ請求も増えます。

幻覚率が上がった点は、率直に不都合な事実です。賢くなったモデルほど、間違いももっともらしく述べます。数値を扱う仕事では、裏取りの手順を緩めない。7月の世代交代が残した教訓のなかで、これがいちばん地味で、いちばん効きます。

ブラウザだけでできる本格的なAI画像生成【ConoHa AI Canvas】

swiftwand

X

AIを使って、毎日の生活をもっと快適にするアイデアや将来像を発信しています。 初心者にもわかりやすく、すぐに取り入れられる実践的な情報をお届けします。 Sharing ideas and visions for a better daily life with AI. Practical tips that anyone can start using right away.