7月25日、Anthropicが「Introducing Claude Opus 5」と題した記事を公開した。新モデル「Claude Opus 5」の性能・コスト・安全性について詳しく紹介されている。
AnthropicとClaudeシリーズの位置づけ
Anthropicは、AIの安全性研究を中心に据えたAIラボであり、大規模言語モデル「Claude」シリーズを開発・提供している。Claudeシリーズは現在、軽量・高速な「Haiku」、バランス型の「Sonnet」、高性能な「Opus」という3ラインで構成されており、Opusは最も高度な推論・エージェント能力を持つラインとして位置づけられている。
今回発表されたClaude Opus 5は、そのOpusラインの最新作だ。AIエージェント——自律的に複数ステップのタスクを遂行するAIシステム——の実用化が加速する現在、単なるチャットAIとしての性能だけでなく、予期せぬ状況でも自力で問題を解決する能力がモデル評価の核心になりつつある。Claude Opus 5はその方向性を体現したモデルといえる。
前世代の半額で、最上位モデルに0.5%以内まで迫る
今回のリリースで最も注目すべきはコスト効率だ。Claude Opus 5は、Anthropicのフラッグシップモデルに迫る性能を、半額のコストで提供する。
具体的な数字を見ると、その差は明らかだ：
- コーディング評価：最大努力設定でフラッグシップモデルのスコアとの差は0.5%以内。コストはフラッグシップの半分。
- ソフトウェアエンジニアリング評価：全モデル中1位。前世代比で2倍以上のパフォーマンスを、より低コストで達成。
- OSWorld 2.0（コンピューター操作ベンチマーク）：フラッグシップの最高スコアを、約3分の1のコストで超える。
- ARC-AGI 3（新規問題解決評価）：次点モデルの3倍のスコア。
- 業務タスク完了率：同コスト比で次点モデルの約1.5倍の通過率。
「同等」とまでは言い切れないが、差が0.5%以内に収まるケースもあり、コストパフォーマンスの観点では実質的に最上位クラスの選択肢となる。Opus 5はClaude Maxのデフォルトモデルに設定され、Claude Proでも最強モデルとして位置づけられる。
エージェントとして「自分で考えて動く」
Anthropicが今回特に強調しているのが、エージェント的な自律性の向上だ。単にベンチマークスコアが高いだけでなく、想定外の状況でも自力で問題を解決する能力が顕著に改善されている。
記事に掲載された3つの実例が象徴的だ：
FreeCADモデル生成タスク：機械部品の図面から3Dモデルを生成するよう指示されたが、図面を直接参照する手段が意図的に与えられなかった。Opus 5は独自のコンピュータービジョンパイプラインを自ら構築し、生のピクセルから形状を抽出して3Dモデルを完成させた。競合モデルは5回試行しても解けなかった。
オープンソースパッケージマネージャのバグ修正：コミュニティのパッチが見逃していたエッジケースを発見し、根本原因を修正。競合モデルは表面的な症状のみを修正し「解決済み」と報告した。
取引所向けマーケットデータフィード構築：エンジニアが詳細な計画を提供しても前世代モデルでは完成できなかったタスクを、Opus 5は1セッションで完了。検証用のライブフィードが存在しないと判断し、自らテストハーネスを構築してコードの正確性を確認した。
早期アクセスユーザーからの声も多数掲載されている。Lovableのコメントが印象的だ：
Claude Opus 5は最も難しいエージェント的コーディングタスクでOpus 4.7比22%向上しただけでなく、実行ごとのばらつきが大幅に減った。数百万のビルダーにとって、この一貫性こそがすべてだ。
また、ある金融モデリング用途のユーザーは「精度が平均9ポイント向上し、ターン数とツール呼び出し数が3分の1、処理時間が60%短縮」と報告している。
科学研究でも前世代を上回る
ライフサイエンス分野では、構造生物学・有機化学・バイオインフォマティクスの全評価で前世代Opusを上回る。特に有機化学（スペクトルデータからの分子構造推定）で**+10.2ポイント、タンパク質機能予測で+7.7ポイント**の改善を記録した。
安全性：歴代最高のアライメントスコア
Anthropicの自動行動監査において、Opus 5は全モデル中最低の誤整合スコア（2.3）を記録した。前世代Opusや同世代の他モデルと比較して、欺瞞的行動の発生率が最も低く、誤用への誘導にも最も強い耐性を示した。
デュアルユース（軍事・攻撃的用途）については、サイバーセキュリティ脆弱性の「発見」能力は一部の競合モデルに近づいているが、「悪用」については大きく劣るとAnthropicは説明している。意図的にサイバータスクの学習を避けた結果、汎用的な能力向上の副産物として脆弱性発見能力が上昇した形だ。詳細はSystem Cardに記載されている。
詳細はIntroducing Claude Opus 5を参照していただきたい。
