Claude Opus 5が来た — 価格据え置きでベンチ首位、ただし本命は「手加減できる」ことかもしれない

2か月で4本目。これがいまのAnthropicのペースだ。

6月にMythos 5、Fable 5、Sonnet 5と立て続けに出したあと、7月24日にClaude Opus 5が静かに加わった。フラッグシップの世代交代なのに、発表のトーンはどこか事務的で、「またか」と思った人も少なくないはずだ。ただ中身を見ていくと、今回は単なる数字の更新では終わっていない。

まず、何が変わったのか

一番わかりやすいのはベンチマークだ。Opus 5は独立系のArtificial Analysis Intelligence Indexで61、Agentic Indexで55.3を記録し、両方でトップに立った。Fable 5もGPT-5.6 Solも下に置いた形になる。

個別に見ても数字は派手だ。

ベンチマーク	Opus 5の結果
Frontier-Bench v0.1	Opus 4.8の2倍超、全モデル中トップ
CursorBench 3.2	Fable 5のピークと0.5%差を「半額」で
ARC-AGI 3	次点モデルの3倍
OSWorld 2.0（computer use）	Fable 5のベスト超えを約1/3のコストで

そして料金。入力$5 / 出力$25（100万トークンあたり）で、これは置き換え対象のOpus 4.8とまったく同じだ。日本円だと入力がおよそ780円、出力が3,900円前後（1ドル155円換算）。性能が上がって価格が据え置きというのは、素直にありがたい。

本命は「effortトグル」かもしれない

ベンチの数字より、個人的に効くと思っているのはこっちだ。Opus 5にはlow / medium / highのeffort（努力度）設定が入った。1リクエストごとに、モデルにどれだけ深く考えさせるかを選べる。

何が嬉しいのか。これまで「Opusは賢いけど高いし遅い」という理由でSonnetに逃げていた場面を、Opus 5なら1本のモデルの中で調整できる。軽いタスクはlowで速く安く、詰めが必要なところだけhighで回す、という使い分けだ。Anthropicによれば、Opus 5はlow設定でも品質を保ちつつ、max reasoning時のOpus 4.8比で26%少ないトークンで答えを出すという。

これがエージェント運用にどう効くかを想像してみる。自律エージェントは中で何十回もモデルを呼ぶが、その大半は定型的な判断だ。全部をhighで回せばトークン代が跳ね上がる。effortを動的に切り替えられれば、「考える場面だけ本気を出す」エージェントが作れる。コストが読めない、というエージェント最大の弱点に効く仕掛けだと思う。

地味だが効く追加機能

今回はモデル本体以外の更新もいくつかある。

• 会話途中でのツール変更（β）— セッションを切らずに使えるツールを差し替えられる
• 代替モデルへの自動セーフティフォールバック（β）— 特定条件で別モデルに逃がす
• ビジュアル出力生成 — テキスト以外の出力に対応
• 強化されたエージェント的自己検証 — 自分の出力を自分で点検する挙動が強くなった

加えて、Claude for Governmentのβ提供、Voice modeの多言語・ツール連携拡張も同時に発表されている。全体として「賢さ競争」より「実務で使い倒すための整備」に軸足が寄っている印象だ。

正直な評価

すごいのは間違いない。同価格でベンチ首位を取り、しかもコスト調整の余地まで足してきたのは、使う側として文句のつけようがない。

一方で、微妙に感じる点もある。まず、2か月で4モデルという刷新ペースは、業務で使う側からするとやや目が回る。どのタスクにどのモデルを充てるかの判断が、モデルが増えるたびに複雑になっていく。Sonnet 5とOpus 5とFable 5の使い分けを、全員が正しくできるとは思えない。

もうひとつ、公開されたベンチの多くがAnthropic選定である点は割り引いて読むべきだ。Artificial Analysisのような第三者指標で首位というのは強いが、CursorBenchやFrontier-Benchでの「圧勝」は、実際の自分のワークロードで再現するとは限らない。ここは各自が手元のタスクで確かめるしかない。

とはいえ、価格が据え置きである以上、乗り換えのリスクはほとんどない。Opus 4.8を使っている人は、まずeffort設定を試すところから入るのが良いはずだ。「賢いモデルを、必要な分だけ賢く使う」——今回のアップデートを一言でまとめるなら、そういうことになる。

詳細はAnthropic公式で確認できる。