公開は日本時間25日未明　有料プランとAPIで即日使えるように

米Anthropicは米国時間7月24日、AIモデル「Claude Opus 5」を公開した。日本時間では25日未明にあたる。Claudeの有料プランとAPIで即日使えるようになり、APIのモデルIDは「claude-opus-5」だ。

同社はOpus 5を、複雑な仕事を自分で段取りしながら進めるモデルと位置づける。狙いはソフトウェア開発、業務の自動化、科学研究の3分野。いずれも1回の応答で終わらず、何十回もツールを呼び出しながら進む種類の作業だ。

公開の直前まで、登場時期は読み切れなかった。予測市場Polymarketでは7月24日までの公開に8割を超える確率が付き、開発ツール上では正体不明のモデル「Honeycomb」の目撃情報が相次いだ。発表は米国時間24日。市場が織り込んだ期限の内側に収まった。

関連記事：Claude Opus 5はいつ出る？　予測市場は「24日までに8割」と過熱、謎のモデル「Honeycomb」の目撃情報を整理

料金は入力5ドル・出力25ドル　最上位Fable 5の半分で動く

API料金は100万トークン当たり入力5ドル、出力25ドル。前世代のOpus 4.8とまったく同じ数字だ。性能を上げながら、価格には手を付けなかった。

比較対象になるのが同社の最上位モデル、Claude Fable 5だ。こちらは入力10ドル、出力50ドル。単純に並べればOpus 5は半額で動く。

料金にはもう一つ選択肢がある。応答速度を上げる「Fast」モードで、通常の約2.5倍の速さで走る代わりに、入力10ドル・出力50ドルと基本料金の2倍がかかる。急ぐ作業とじっくり考えさせたい作業を、料金で切り分けられる。ただしこちらはリサーチプレビュー扱いで、使えるのはAnthropicのAPIだけだ。

Opus 5そのものは、Amazon Bedrock、Google Cloud、Microsoft Foundryでも動く。クラウド基盤に業務システムを載せている企業は、契約先を変えずに乗り換えられる。

Anthropicが繰り返し使うのが「タスク当たりのコスト」という見方だ。AIエージェントの費用は1回の応答単価では決まらない。1つの仕事を何回の推論とツール呼び出しで終えられるかで、請求額は大きく動く。単価が同じでも、少ない手数で正解にたどり着けば総額は下がる。

Frontier-Bench v0.1は43.3%　Opus 4.8の18.7%から2倍超に

性能の物差しとして同社が挙げたのが、コーディングエージェントの実力を測る「Frontier-Bench v0.1」だ。推論の深さを最大にしたOpus 5は43.3%を記録し、Opus 4.8の18.7%から2倍を超えて伸びた。同じ試験で最上位のFable 5は33.7%、OpenAIのGPT-5.6 Solは37.5%。Fable 5の半額で動くモデルが、その両方を上回った。

AIコーディングツールCursorの評価「CursorBench 3.2」でも、推論を最大に振ったOpus 5はFable 5の最高スコアとの差が0.5%以内に収まった。しかもタスク当たりのコストは半分で済む。Cursor共同創業者のSualeh Asifは「CursorBenchではFable 5のすぐ下で、挙動の多くが同じだ」と語る。

ほかの数字も並ぶ。抽象的な推論を測るARC-AGI 3では、次点のモデルの3倍のスコアを出した。業務自動化を測るZapier AutomationBenchでは合格率が次点比で約1.5倍。パソコン操作を任せるOSWorld 2.0では、Fable 5の最高値をコスト3分の1強で上回った。分光データから分子構造を推定する有機化学の課題では、同社の社内試験でOpus 4.8を10.2ポイント上回るという。

数字が示す意味は単純だ。上位のFable 5に肉薄しながら、支払う額は半分で済む場面が増える。

Maxは既定モデルに　Proでも選べる中で最も高性能

使う側の変化はプランに出る。Claude MaxではOpus 5が新しい既定モデルになった。何も選ばなければOpus 5が動く。Claude Proでは、選べるモデルの中で最も性能が高い一つとして並ぶ。

コンテキストウィンドウは100万トークン。これが標準であり上限でもあり、小さい版は用意されない。長い資料や大きなコードベースを、細かく分割せずそのまま渡せる幅がある。1回の応答で出せる長さは最大12万8000トークンだ。

中身の作りも変わった。Opus 4.8では指定しない限り止まっていた思考が、Opus 5では最初から動く。どれだけ考えさせるかは「effort」という設定で決め、low、medium、high、xhigh、maxの5段階から選ぶ。標準はhighで、軽い作業なら下げてトークンを節約でき、難しい作業なら上げて粘らせられる。

ベータ機能も2つ加わった。会話の途中で使える道具（ツール）を差し替える機能と、うまくいかないときに自動で別のモデルへ切り替えるフォールバックだ。長時間動き続けるAIエージェントほど、途中で止まらない仕組みが効く。

安全性の指標も改善　焦点は「1つの仕事をいくらで終えるか」へ

Anthropicは安全性の数字も出した。意図しない振る舞いの起きやすさを示す総合スコアは2.3で、同社の最近のモデルで最も低い。サイバー分野では、危険な要求をはじく分類器が働く頻度がFable 5と比べて約85%減る見込みだという。過剰な拒否が減れば、正当な作業が途中で止まる場面も減る。

ただし、サイバー攻撃に使われうる能力を測る評価では、同社のMythos 5より低い水準にとどまる。

競争は激しさを増す。OpenAIのGPT-5.6 Sol、中国Moonshot AIのKimi K3と、この1か月ほどで上位モデルの公開が続いた。各社が価格を下げ、扱える文脈を伸ばし、エージェント用途を前面に押し出す。

関連記事：Kimi K3、中国Moonshot AIが2.8兆パラメータの新AIモデル発表　人気殺到で新規契約を一時停止

Opus 5が選んだのは、性能を上げても価格を据え置くという道だ。企業が導入を決める基準は、ベンチマークの順位よりも、1つの仕事をいくらで終えられるかに移る。次の一手は、この土俵でどこまで下げられるかにかかる。

[文/構成 by MEDIA DOGS編集部]