Anthropic、「Claude Opus 5」を発表 ― Fable 5の半額でコーディング性能は上回る新フラグシップ
Anthropicは2026年7月24日、新しいAIモデル「Claude Opus 5」を発表しました。前モデルであるOpus 4.8が5月28日に登場してからわずか2カ月というスピードでのアップグレードです。これにより、6月に投入されたMythos 5・Fable 5・Sonnet 5と合わせて、5系列モデルのラインナップは軽量モデルのHaikuを除きほぼ出揃った形になります。本稿では、Anthropic公式発表をもとに、Opus 5の特徴と位置づけを整理します。
1. Fable 5に迫る性能を、半額のコストで
Anthropicは、Opus 5について次のように説明しています。
「Opus 5は、思慮深く主体的なモデルであり、Claude Fable 5のフロンティア級の知能に、その半額のコストで迫っている」
同社によれば、Frontier-BenchやGDPval-AAといったコーディング・知識労働系の評価において、Opus 5は、新たな最高水準を記録したとされています。ただし、サイバーセキュリティ関連タスクについては、依然としてMythos 5に及ばないとも説明されています。
TechCrunchは、Opus 5が、Fable 5より小型のモデルでありながら、価格面・制限面の両方でFable 5より扱いやすく、複数のベンチマークではFable 5の性能を実際に上回る結果も出ていると報じています。価格は前モデルのOpus 4.8と同水準の、入力100万トークンあたり5ドル、出力100万トークンあたり25ドルに据え置かれました。
1-1. コーディング・知識労働タスクでの具体的な成果
Anthropicが示したベンチマーク結果によれば、ソフトウェアエンジニアリング関連のタスクでOpus 5は際立った性能を示しています。Frontier-Bench v0.1では、全モデル中最高のスコアを記録し、前モデルのOpus 4.8の2倍以上の性能を、より低いコストで達成したとされています。また、CursorBench 3.2では、最大の推論設定(max effort)においてFable 5の最高スコアとの差はわずか0.5%にとどまりながら、コストは半分だったといいます。
知識労働・問題解決系のタスクでも同様の傾向が見られます。未知の問題を解く能力を測るARC-AGI 3では、Opus 5のスコアは、次点モデルの3倍に達しました。ビジネスタスクの完遂能力を測るZapier AutomationBenchでは、同じコストで次点モデルの約1.5倍の合格率を記録し、最も低い推論設定であっても他のどのモデルより多くのタスクをクリアしたとされています。コンピュータ操作能力を測るOSWorld 2.0では、あらゆるコスト水準で他モデルを上回り、Fable 5の最高スコアを3分の1強のコストで超えたといいます。
1-2. 科学研究分野での進歩
Opus 5は、構造生物学、有機化学、バイオインフォマティクスを含む生命科学系のすべての評価項目で、Opus 4.8を上回る性能を示しました。特に、分光データから分子構造を推定する有機化学タスクでは、内部ベンチマークでOpus 4.8比10.2ポイントの向上を記録し、タンパク質配列の変異が機能に与える影響を予測するタスクでも7.7ポイントの向上が見られたとされています。
2. 具体的な事例で示された「粘り強さ」
Anthropicは、Opus 5が、自らの作業を検証し、成功するまで丁寧に反復する能力に優れている点を強調しています。例として、Frontier-Benchのあるタスクでは、機械部品の図面から3D CADモデルを再構築するようOpus 5に指示されましたが、意図的に図面を直接「見る」手段は与えられていませんでした。Opus 5は、これに対し、独自のコンピュータビジョンパイプラインを自ら書き上げ、生のピクセルデータから幾何学情報を抽出して部品を再構築することに成功したといいます。同じ設定の下では、競合モデルは5回試行しても解決できなかったとされています。
別の事例では、あるトレーディング企業のエンジニアが、新しい取引所向けの市場データフィードを1セッションでOpus 5に構築させたところ、従来のモデルでは詳細な計画を与えても完遂できなかったタスクを達成したと紹介されています。
3. 顧客企業からの評価
早期アクセスを行った企業からも多数のコメントが寄せられています。コーディングエージェントのDevinを手がけるCognition社のCEO、スコット・ウー氏は次のように述べています。
「FrontierCode 1.1において、Claude Opus 5は、Fableに近い性能を半分のコストで達成する」
Zapierのウェイド・フォスター CEOは、Opus 5が、同社のAutomationBenchで最高スコアを記録し、口座健全性のワークブックを元に解約防止フローを最初から最後まで完遂したと紹介しています。また、BoxのCTOであるベン・カス氏は、Opus 5がOpus 4.8を8%上回り、データ分析ワークフローで11%、デューデリジェンスのワークフローで17%の性能向上を確認したと述べています。
4. 安全性評価 ― 「これまでで最も整合的なモデル」
Anthropicの事前配備テストにおける自動行動監査では、Opus 5は、同社モデルの中で最も整合的(aligned)なモデルと評価されました。同社によれば、Opus 5は、Opus 4.8、Sonnet 5、Fable 5のいずれよりも「Claudeの憲法」への準拠度が高く、欺瞞的行動の発生率が最も低く、悪用目的で騙されにくいモデルだといいます。取り返しのつきにくい副作用を伴う無謀な行動を避ける点でも、これまでで最も安全なモデルとされています。
一方で、危険性の高いデュアルユース能力については、Opus 5は、フロンティアを更新していないとも説明されています。民間企業・政府機関との共同評価において、生物学研究および攻撃的サイバーセキュリティの両分野で、依然としてMythos 5に及ばないことが確認されたとされています。
4-1. サイバーセキュリティ:脆弱性の「発見」は得意、「悪用」は不得意
Anthropicは、脆弱性の発見と悪用(エクスプロイト化)を分けて評価する独自のベンチマーク「OSS-Fuzz」において、Opus 5がMythos 5と同程度の成功率で脆弱性を発見できる一方、それを実際の攻撃手段に転換する能力についてはMythos 5に大きく劣るという結果を示しました。
TechCrunchは、Opus 5の安全フィルター(サイバー分類器)について、ソースコード内の脆弱性発見は許可する一方、より悪用リスクの高いバイナリベースの脆弱性スキャンやペネトレーションテスト、エクスプロイト生成は引き続きブロックされると報じています。Anthropicは、これらの分類器がOpus 5に対して介入する頻度は、Fable 5と比べて約85%少なくなると見込んでいると説明しています。
5. 新機能:自動フォールバックとツール変更
Anthropicは、Opus 5と同時に2つのベータ機能も公開しました。
1つは、会話の途中でClaudeが使用できるツールを、プロンプトキャッシュを無効化することなく変更できる「Mid-conversation tool changes」です。
もう1つは、安全フィルターに引っかかったリクエストを自動的に他のモデルへ振り分ける「Automatic Fallbacks」機能です。
TechCrunchは、この自動フォールバック機能により、API利用者が、この設定を有効にしていれば、安全フィルターに抵触するプロンプトであってもエラーメッセージではなく、実用的な回答を得られるようになると説明しています。なお、前モデルのOpus 4.8と同様、Opus 5は、一般提供において30日間のデータ保持義務の対象外とされています。
