Anthropicは2026年7月24日、Claude Opus 5を公開しました。Opusティアの「世代交代級」の改良モデルで、Fable 5（フロンティアモデル）に近い知能を半額で提供することが主なポジショニングです。
要点まとめ
- ポジショニング: Fable 5のフロンティア級知能に近づきつつ、価格は半分。Claude Maxの新しいデフォルトモデルであり、Claude Proで利用できる最強モデルに指定。
- ベンチマーク: Frontier-Bench、GDPval-AAなど、コーディング・知識労働の評価で新たなSOTAを達成。ただしサイバーセキュリティ作業では、依然としてMythos 5（Anthropicの最上位モデル）に後れを取る。
- コーディング性能: Frontier-Bench v0.1で全モデル中最高性能。Opus 4.8比で2倍以上向上（コストはより低い）。CursorBenchの最高効率設定では、Fable 5の最高スコアとの差を0.5%以内に抑えつつ、半分のコストで達成。
- 知識労働／問題解決: ARC-AGI 3で次点モデルの3倍のスコア、Zapier AutomationBenchで次点比約1.5倍の合格率、OSWorld 2.0（コンピュータ利用ベンチマーク）でFable 5の最高記録を約3分の1のコストで上回る。
- 科学研究: 生命科学の全評価でOpus 4.8比で改善。有機化学（分光データから分子構造を推論）で+10.2ポイント、タンパク質配列・機能予測で+7.7ポイント。
- 作業スタイル: 自己検証と反復能力が大きく強化。視覚情報なしで図面だけから3D CADモデルをコードで再構成したり、コミュニティパッチが見落とした根本原因を見つけて修正したりする事例が紹介されている。
- アラインメント: 自社の行動監査で、これまでで最もアラインメントが取れたモデルと評価。Opus 4.8、Sonnet 5、Fable 5より欺瞞的行動の比率が低く、不可逆的なリスク行動を回避する能力も最高水準。
- 安全性: 生物学・攻撃的サイバーセキュリティ分野ではMythos 5に劣る。脆弱性の「検出」はMythos 5と同程度だが、「エクスプロイト開発」能力は大きく低い（サイバー作業の学習を意図的に除外した結果）。
- セーフガード: Fable 5比でサイバー分類器の介入が約85%少ない。ソースコードの脆弱性検出は許可する一方、バイナリベースのスキャン、ペネトレーションテスト、エクスプロイト生成はブロック。生物学関連リクエストのうち、Fable 5でブロックされていたものは今後Opus 5へルーティングされる。
価格と提供
- 本日から全プラットフォームで利用可能、APIは
claude-opus-5 - 価格: 100万トークンあたり入力$5／出力$25（Opus 4.8と同じ）
- Fastモードを提供（通常比で約2.5倍高速、価格は2倍）
- データ保持要件なし（通常利用基準）
同時リリースのベータ2種
- 会話中のツール変更: プロンプトキャッシュを無効化せず、会話の途中で利用可能なツールを変更可能
- 自動フォールバック: 安全分類器に引っかかったリクエストを自動的に別モデルへルーティング（デフォルトでブロックではなく、利用可能な最適モデルを使用）
GN⁺ 追加まとめ
Neoが原文をもとに追加で整理しました
- Fable 5に近い知能を作業あたり半分のコストで提供し、Claude Maxのデフォルトモデル、Claude Proの最高性能モデルとして提供される
- Frontier-BenchやGDPval-AAなど、コーディング・知識業務評価で最高水準を記録し、ARC-AGI 3のスコアは次点モデルの3倍に達する
- 作業を自ら検証し、成功するまで反復して、コンピュータビジョンパイプラインの構築、オープンソースバグの根本原因修正、市場データフィードとテストハーネスの実装まで実行
- 入力100万トークンあたり**$5**、出力100万トークンあたり**$25**でOpus 4.8と同価格。約2.5倍高速なFast modeは通常価格の2倍で提供
- 危険なデュアルユース能力はMythos 5より低く、脆弱性発見は許可する一方、バイナリスキャン、ペネトレーションテスト、エクスプロイト生成はブロックし、フラグ付けされたリクエストにはOpus 4.8への自動代替を適用可能
性能とコスト効率
- Claude Opus 5は、以前のモデルであるOpus 4.8と同じ価格でより高い性能を提供する
- effort設定を調整し、知能を優先するか、トークンを節約するより高速で安価な実行を選べる
- Claude Maxのデフォルトモデルであり、Claude Proで最も強力なモデルとして提供される
- Frontier-Bench v0.1で他のすべてのモデルを上回り、より低い作業あたりコストでOpus 4.8の性能の2倍超を達成
- mini-SWE-agentハーネスとGKEバックエンドで、作業あたり5回試行の平均報酬として測定した内部実行結果
- Opus 5とFable 5が安全分類器により拒否したリクエストには、Opus 4.8を代替モデルとして使用
- CursorBench 3.2のmax effortでは、Fable 5の最高スコアとの差が0.5%以内でありながら、作業あたりコストは半分
- high、xhigh、max effortのいずれも、同じコスト基準で他のすべてのモデルより高い性能を記録
- 知識業務と問題解決の評価でも高いコスト効率を示す
- ARC-AGI 3では、新しい問題を解くスコアが次点モデルの3倍
- Zapier AutomationBenchでは、同じ作業あたりコスト基準で合格率が次点モデルの約1.5倍。最低effortでも他のすべてのモデルより多くの作業に合格
- OSWorld 2.0では、すべてのコスト帯で他モデルを上回り、Fable 5の最高結果を約3分の1強のコストで凌駕
科学研究と視覚的成果
- 構造生物学、有機化学、バイオインフォマティクスを含む全生命科学評価で、Opus 4.8より高い性能を記録
- 分光データから分子構造を推論する内部有機化学ベンチマークでは10.2ポイント高い
- タンパク質配列変異が機能に与える影響を予測する作業では7.7ポイント高い
- 以前のモデルよりはるかに強い視覚的成果物を生成できる
作業検証と自律的反復
- 結果を直接検証し、成功するまで慎重に反復する能力が強化された
- Frontier-BenchのFreeCAD作業では、機械部品の図面を直接見られない条件で独自のコンピュータビジョンパイプラインを書き、生ピクセルから形状を抽出して3D部品を再構成
- 複数回反復して成功したが、同条件の競合モデルは5回試行しても解けなかった
- 広く使われているオープンソースパッケージマネージャーの実際のバグでは、根本原因を見つけ、コミュニティパッチが見落としたエッジケースまで修正
- 競合モデルは表面的な症状だけを直した後、バグが解決したと判断
- あるトレーディング会社のエンジニアは、単一セッションで新しい取引所向けの市場データフィードを構築
- 以前のモデルは、エンジニアが詳細な計画を与えても作業を完了できなかった
- 検証用のリアルタイムフィードがないため、独自のテストハーネスを作り、取引所データを正しくパースするか確認
初期ユーザーによるコーディング・エージェント評価
- DevinのFrontierCode 1.1では、半分のコストでFable水準に近づき、難しいデバッグと根本原因分析で強みを示した
- CursorBenchではFable 5にわずかに及ばない一方で類似した行動特性を示し、Opusの速度とコストでFable 5に近い知能を提供
- Zapier AutomationBenchでは、以前のClaudeモデルよりトークンを多く使わずに1位を記録
- アカウント状態ワークブックでリスク顧客の特定、担当者への通知、リテンション組織向け要約まで、離脱防止プロセスを最後まで実行して100%合格
- ゲノム解析では、適切な統計検定で交絡因子を排除し、独立した方法で結果をクロス検証しながら、長い多段階分析を維持
- Lovableの内部評価では、最も難しいエージェント型コーディング作業がOpus 4.7より22%向上し、実行ごとのばらつきも減少
- 同じフルスタックアプリ構築で、Opus系の中で最も優れたアニメーション、ゲーム、3D作業を生成し、Opus 4.5以降で最大の改善と評価
- オープンエンドな分析では、難しく曖昧な課題ほどOpus 4.8比の向上が大きく、回答はより明確で簡潔になり、高effortでの効率も改善
- 開発環境を管理する際は、独自のモニターを作成し各環境を操作しながら、人間の判断が必要な事柄だけを依頼
- Fundamental Research Assistantのコードベースでは、フィードバックに合わせて大規模な変更を実施し、通常なら複数の断片に分ける作業を1つのエージェントワークフローで処理
- フロントエンド評価では、デスクトップ幅とモバイル幅でページを直接開き、モバイル画面下に隠れた商品や画面外の決済ボタンを見つけて修正
- PR引き継ぎ前にはブランチ、テンプレート、テストへの影響を確認し、以前のモデルのように検証前に公開を急がない
- 再設計の過程では、提案された設計の長所と単一の論点を区別し、欠陥を直しつつ長所を維持する折衷案を提案
- コード変更では、デッドコードのない簡潔なdiffを作り、コードベース固有の微妙なリスクをよりよく見つけ、本番ワークロードに採用された
- 統合エージェントプラットフォームCosmosの複数のユースケースとコードレビューがOpus 5へ移行予定
- JetBrainsの評価では、コードを書く前により深く検討し、計画段階で論理的誤りを見つけ、答えが動作するかだけでなく正しい理由によるものかまで判断
- トレーディングベンチマークではOpus系で最高性能を記録しつつ、Opus 4.8比で推論トークンを約7分の1、レイテンシを半分未満に削減
企業・専門業務評価
- 金融研究では、数値推論、表作業、精密な批判的思考がOpus 4.8より向上
- Boxの内部評価では、専門的な企業コンテンツ分析性能がOpus 4.8より8%高い
- データ分析ワークフローは11%、デューデリジェンスは17%向上
- テクノロジー、医療、公共部門で使われる業務を対象
- 難しい金融モデリングでは、effort全般で精度が平均9ポイント高まり、会話ターンとツール呼び出しは3分の1減り、所要時間は60%短縮
- 法務エージェント業務では、コーポレートガバナンスと仲裁分野の改善が目立つ
- Opus 4.8のmax reasoning比で平均26%少ないトークンで同程度の品質を維持
- 初回試行の契約修正案では、テストしたモデル中最高スコアを記録し、Opus 4.8のほぼ2倍に達した
- NDA修正も、精度を維持または高めながら、より少ない時間と反復で完了
- 長い作業では、プレゼンテーション全体を作成してから修正する能力が向上し、視覚理解、書式、スライドの誤りの面でもより良い結果を出した
アラインメントとリスク能力
- デプロイ前の自動行動監査で、Opus 5はAnthropicモデルの中で最も高いアラインメント水準を示した
- Claudeの憲法をOpus 4.8、Sonnet 5、Fable 5よりよく遵守
- 欺瞞的行動の比率と、悪用誘導に対する脆弱性が最も低い
- 取り返しのつきにくい副作用を生み得る無謀な行動も最もよく回避
- 危険なデュアルユース能力の最前線を押し上げておらず、民間・政府パートナーと行った評価で、生物学研究と攻撃的サイバーセキュリティのいずれもMythos 5より低い性能を示した
- 詳細な評価はSystem Cardで確認できる
- Opus 4.8と同様、サイバー作業を意図的に学習していないが、一般能力の向上に伴って関連性能も大きく改善
- 脆弱性発見はMythos 5に近い
- 発見した脆弱性を実際の脅威に変えるエクスプロイト開発はMythos 5に大きく後れを取る
- OSS-Fuzz評価では、Opus 5とMythos 5が同程度の成功率で脆弱性を見つけたが、エクスプロイト開発スコアはOpus 5がはるかに低い
サイバーセキュリティと生物学の保護措置
- 保護措置はサイバーセキュリティと生物学の有益な活用を許可するよう設計されており、狭い範囲のサイバー作業により強い制限を追加した点を除けばOpus 4.8と似ている
- サイバー分類器はFable 5より相対的に制限が少ない
- ソースコードの脆弱性発見は許可
- 悪意ある行為者と関連する可能性が高いバイナリベースの脆弱性スキャン、ペネトレーションテスト、エクスプロイト生成はブロック
- Anthropicのテストでは、Fable 5より分類器の介入が約85%少ないと予想
- Claude.ai、Claude Code、Claude Coworkでフラグ付けされたリクエストはデフォルトでOpus 4.8に代替され、APIでも有効化できる
- Cyber Verification Programに参加している企業と研究者は、セキュリティ制限が少ないOpus 5をすぐに利用できる
- 生物学分野では、Opus 4.8と同様の保護措置を維持しつつ、一般提供モデルの中で最も強力な科学研究モデルとなる
- 長時間の自律研究には依然として重要な限界があり、このタイプの生物学作業ではMythos 5の方が強い
- Fable 5でブロックされる生物学リクエストは、今後Opus 4.8ではなくOpus 5へ渡される
価格と開発者機能
- すべてのプラットフォームで提供され、Claude APIのモデル識別子は
claude-opus-5- 入力100万トークンあたり**$5**、出力100万トークンあたり**$25**でOpus 4.8と同じ
- 通常アクセスでは、以前のOpusモデルと同様にデータ保持要件はない
- Fast modeは通常速度の約2.5倍で動作
- Claude Platformでは通常価格の2倍、Claude Codeでは利用クレジットとして提供
- Claude Platformのベータ版会話中のツール変更を使うと、プロンプトキャッシュを無効化せず、会話の途中でClaudeが使えるツールを変更できる
- APIのベータ版自動代替を有効にすると、Opus 5またはFable 5へのリクエストが安全分類器でフラグ付けされた際に、別モデルへ自動的に渡される
- リクエストをブロックする代わりに、デフォルトで利用可能な最適モデルへルーティング
- モデルの活用方法はOpus 5プロンプティングガイドで確認できる
1件のコメント
Hacker News の意見
ここでの要点は、絶対性能よりも、組織が30日間のデータ保持義務なしで Fable 級モデルを使えるようになったこと
Opus 5 は以前の Opus と同様、一般アクセスにデータ保持要件がなく、Fable に ARC-AGI スコアがない理由もこの保持ポリシーにある
https://support.claude.com/en/articles/15425996-data-retenti..., https://www.anthropic.com/news/claude-opus-5, https://xcancel.com/arcprize/status/2064399134099153344
Fable 5 をクレジット専用のままにしたのも歓迎でき、今後は最上位モデルを従量課金 API やクレジットの背後に置き、ほかのモデルを月額サブスクで補完する形が増えそう
だとすると情報はどこかには保存されているわけで、データ保持の仕組みを理解するのが難しい
現在、画像→HTML 変換を試しているが、従来は Fable が最高で、Gemini 3.1 Pro が意外にも2位だった
Opus 5 は Fable より元のデザインにより正確に従い、ボタンをピル型ではなく角丸長方形で実装し、生成画像も元画像により近い
元画像: https://image.non.io/73e239a3-880f-4793-b65f-4810be2d9378.we...
Opus 5: https://html.non.io/solaraOpus/
Fable 5: https://html.non.io/solara/
レスポンシブ動作はずれていたが、完成品の約90%まで到達した感覚
元画像: https://image.non.io/9d5fed20-b476-49d3-841b-37eb553fb88e.we...
Opus 5: https://html.non.io/neonRamen/
Inkling はあまり良くなかった: https://cdn-uploads.huggingface.co/production/uploads/608b8b...
最新 Kimi3 の前作である Kimi 2.7 は非常に良かった: https://cdn-uploads.huggingface.co/production/uploads/608b8b...
試験環境: https://huggingface.co/spaces/abidlabs/vlm-screenshot-to-web...
モデルが人間のデザインを崩さずにどれだけうまく移せるかを確認するほうが有用
数多くのリリースを見ると、モデルルーティングがAIで最も急速に成長している分野であることも驚きではない
10社を超える企業それぞれに、さまざまな形式やサイズのモデル、思考レベル、エージェント・Pro・高速モード、標準・柔軟・バッチ実行、異なる入力・出力・キャッシュトークン価格が存在する
プロンプトを最適かつ経済的な組み合わせに送る企業が、モデル開発企業が見過ごしている空白で大きな価値を得ている
これは苦い教訓（Bitter Lesson）の繰り返しであり、先行企業がいずれこの機能を直接提供するようになりそうだ
ほとんどのオフィス業務には超強力なAGIは必要ないため、トラフィックは安価なモデルへ向かうが、先行研究所は強力なAGIとホワイトカラー代替の両方を自分たちだけが実現できると位置づけている
低価格モデルへのルーティングは、そのストーリーに穴を開ける可能性が大きい
どんな作業でも最新の最高性能モデルでなければ受け入れにくく、必要なルールは定額プランの割り当てが残っている最も強力なモデルを選ぶことだけだ
コストを抑える代わりに、重大度や頻度を測定できないバグを受け入れなければならず、すべての推論を最上位モデルに任せる保険の価値や、後で修正するコストも分からない
プロジェクトレベルでは、別のモデルを使った場合にコードがどれほど変わったかを試す方法もない
190ページほどのPDFを読みたくないなら、このブログ記事がある: https://www.anthropic.com/news/claude-opus-5
Opus 5とFable 5の文体を比べると、Fableでは薄れていたClaude特有の表現を、Opus 5は4.8のように使い続けている
“carry the argument”, “worth stating plainly”, “and the trap”, “The X matters more”, “move”のような表現が繰り返されるので、「うっとうしい英語」ベンチマークが必要だ
Fable 5 Max: https://gist.github.com/deet/3d97f854b48eac6658d642fa18bb24d...
Opus 5 Max: https://gist.github.com/deet/1a43693a732dfccb4d0d914bfc42692...
Claude特有の文体は、会話や作業を「先回りして」進めようとする傾向に一部由来しているようで、プロンプトごとの文体範囲を定量化するベンチマークも有用そうだ
Anthropicの55.7%とOSWorld 2.0論文の約21%は、互いに異なる指標だった
Opus 4.8は約5件に1件のタスクを完全に成功させ、**完了率20.6%を記録し、残りでも部分点を得て部分点54.8%**を達成した
ただし、こうした指標の違いのせいで、論文間のベンチマークを妥当な誤差範囲で比較できるのか疑問が生じる: https://arxiv.org/pdf/2606.29537
ベンチマーク作成者は改善余地を示す低い数値を、モデル作成者は能力を強調する高い数値を好むが、Anthropicの55.7%と論文の54.8%は実質的に同じ結果だ
「Opus 5は全般的にFable 5より優れているわけではない」としておきながら、ブログではほとんどのベンチマークでより良いと列挙しており、コミュニケーションが混乱している
システムカードも、AI研究開発能力が制限のないFableと見なされるClaude Mythos 5と似ていると述べている
Opus 5はソフトウェア脆弱性の悪用を学習していないため、発見能力はMythos 5に近いが、実際のサイバー脅威へ転換する悪用能力は大きく劣る
Fableよりはるかに優れているように見えるモデルも、Anthropicの終末論的な宣伝がなければ特に問題なくリリースされた。
理論上はAnthropicの基準ではAGI級であるはずだが、現実は普通の金曜日にすぎない。
これらのモデルは強力に保護されており、安全策のないMythosはそのためリリースできなかった、としていた。
OpenAIも、安全策のないモデルがHuggingFaceのサーバーに侵入したと発表したときに似たような状況だった。
GPT-6が夏に出るとしても、今ではAGIを期待する人はほとんどおらず、誇張サイクルをどう維持するのか気になる。
Opus 5が1回のセッションで新しい取引所向けの市場データフィードと検証ツールを作ったという宣伝事例は、面白いことにトレーディング会社のインターンによく与えられるプロジェクトだ。
Frontier Codeのグラフで、中程度の思考モードのタスク当たり効率が圧倒的に高く、推論量を増やすほど評価結果が大きく悪化する理由が気になる。
最大レベルで少し下がることはあるが、ここまでの差は異例だ: https://imgur.com/a/Nv8V7Ry
主観的には、先週のOpus 4.8よりも、今日のOpus 4.8 Mediumと発表後のOpus 5 Mediumのほうが、5時間の使用枠では効率的に感じる。
エージェントよりプロンプト中心で使うとこうした限界が見え、中程度のレベルのほうがバランスが取れていた可能性がある。
考えすぎるのは悪いが、極端にもっと考えるとまた良くなる、ということなのか疑問だ。