Claude Opus5とは？最上位に迫る性能を半額で使えるモデルの特徴・料金・使い分けを解説

またモデルが増えました。正直に言うと、私は少し疲れています。名前と数字が並んで、ベンチマークのグラフが並んで、そのたびに「で、結局どれを使えばいいの」と思う。同じことを感じている人、けっこういるんじゃないでしょうか。

2026年7月24日、AnthropicからClaude Opus 5が登場しました。日本時間では7月25日の未明です。売り文句はシンプルで、最上位モデルのFable 5に迫る性能を、その半額で使える、というもの。数字だけ見れば、たしかに魅力的です。

ただ、今回のOpus 5は少し様子が違います。リリース直後のXを眺めていて印象に残ったのは、性能を褒める声と同じくらい「モデルの性格が変わった」という戸惑いの声が多かったことでした。単に賢くなった、という話ではないらしい。ここが今回いちばん面白いところだと思っています。

先に結論の骨組みだけ書いておきます。Opus 5は日常の主力候補として十分に強い。ただし、これまでのプロンプトややり方をそのまま持ち込むと、逆に噛み合わないことがある。そういうモデルです。

Claude Opus 5とは？何が変わったのか

位置づけは「フロンティアに手が届いた高性能モデル」

Anthropicのモデルには段階があります。軽くて速いHaiku、バランス型のSonnet、高性能のOpus、そして最高性能のFable。今回のOpus 5は上から2番目、Opusのティアにあたります。

面白いのは、前世代のOpus 4.8と価格が完全に据え置きだという点です。それでいて、最上位のFable 5に肉薄する性能を出してきた。Anthropic自身はOpus 5を「思慮深く、自分から動くモデル」と表現しています。公式の言い回しをそのまま訳すとこうなるのですが、実際に評判を追っていくと、この「自分から動く」という部分が今回の鍵になっている気がします。

対応プラットフォームも広く、Claude API、AWS、Google Cloud、Microsoft Foundryのすべてで当日から使えるようになりました。APIのモデル名はclaude-opus-5です。

キーワードは「判断力」と「自己検証」

公式発表で紹介されていた事例が、なかなか印象的でした。3つほど紹介します。

ひとつめ。機械部品の図面からコードを書いて3Dモデルを再現せよ、という課題があったそうです。ただしこの課題では、モデルが図面を直接見る手段が意図的に断たれていました。Opus 5はどうしたかというと、自分でコンピュータビジョンの処理を書いて、生のピクセルから形状を抽出し、部品を再構成したそうです。同じ条件で他のモデルは5回試しても解けなかったとのこと。

ふたつめ。オープンソースのパッケージマネージャに実在したバグを渡したところ、Opus 5は根本原因を突き止めて、コミュニティの修正パッチが見落としていたエッジケースまで直したそうです。比較対象のモデルは表面的な症状だけ直して「解決しました」と報告したとか。この対比は、なんというか、身に覚えのある人が多そうな話です。

みっつめ。トレーディング企業のエンジニアが、新しい取引所のマーケットデータフィードを1セッションで作らせたところ、検証用のライブデータがないと分かったOpus 5は、自前でテスト用の仕組みを作って自分のコードを確かめたそうです。

早期アクセスした企業の証言を並べていくと、judgment、つまり判断力という言葉が繰り返し出てきます。設計に反対されて、こちらが押しても折れず、論点を1つに絞って妥協案を出してきた、という証言もありました。褒め言葉としてこれが出てくるのは、少し珍しい気がします。

数字で見る実力：主要4モデルの性能・料金比較

感覚だけだと心もとないので、数字も並べておきます。ただ、ベンチマークは万能ではありません。目安として眺めるくらいがちょうどいいと思います。

料金とスペックを並べてみる

まずは料金とスペックです。比較したのはOpus 5、Fable 5、前世代のOpus 4.8、そしてOpenAIのフラッグシップであるGPT-5.6 Solの4つ。料金はいずれもAPIの100万トークンあたりの金額です。

こうして並べると、Opus 5の立ち位置がはっきりします。出力単価で見れば、Fable 5のちょうど半分。GPT-5.6 Solよりも安い。それでいてコンテキストウィンドウは100万トークンあり、長い資料やコードベースをまるごと渡しても話の筋を見失いにくい設計になっています。

表に入りきらない注意点も、いくつか書いておきます。

• Opus 5にはFastモードがあり、通常のおよそ2.5倍の速度で動きます。ただし料金は2倍で、入力10ドル、出力50ドル。Claude APIのみの提供で、Bedrockなどでは使えません（2026年7月時点、リサーチプレビュー扱い）。
• GPT-5.6 Solは、入力が27.2万トークンを超えるとリクエスト全体が入力2倍・出力1.5倍で課金されます。長文を扱う人は、表面の単価だけで比べると足をすくわれるかもしれません。
• Opus 5はプロンプトキャッシュの最小長が512トークンに下がりました。Opus 4.8では1,024トークンだったので、これまでキャッシュできなかった短いプロンプトも対象になります。地味ですが、繰り返し使う人には効いてくるはずです。

第三者評価が示したこと

Anthropic自身の発表するベンチマークは、当然ながら自社に有利な切り口になりがちです。なので、独立系の評価機関であるArtificial Analysisの結果も見ておきましょう。こちらはリリース前からAnthropicの評価に協力していた立場ではありますが、指標そのものは横並びで比較できます。

同社のIntelligence Index（max effort設定）では、次のような並びになりました。

• Claude Opus 5：61（1位）
• Claude Fable 5：60
• GPT-5.6 Sol：59
• Kimi K3：57
• Claude Opus 4.8：56

僅差ではありますが、Opus 5がトップです。前世代のOpus 4.8から5ポイント上がって、最上位のFable 5を1ポイント抜いた。この「同じ価格帯のまま階層をひとつ飛び越えた」感じが、今回の評判のいちばんの源だと思います。

コスト効率も見ておきます。Intelligence Indexの1タスクあたり平均コストは、Opus 5が2.03ドル、Fable 5が2.75ドル、Opus 4.8が1.80ドル、Sonnet 5が1.53ドルでした。Fable 5より26%安い。ただし、Opus 4.8やSonnet 5よりは高いという事実も、同時に押さえておいたほうがいいでしょう。安くなったのはあくまで最上位と比べた場合の話です。

得意領域もはっきりしています。ナレッジワークを測るGDPval-AA v2では1861 Eloで、Fable 5に114点差をつけて過去最高。エージェント的な業務遂行を測るAA-Briefcaseでは1720 Eloで、こちらもFable 5に146点差。コーディングエージェント指標では同率1位。ターミナル操作を測るTerminal-Bench v2.1では89%で、首位のGPT-5.6 Solとほぼ横並びでした。

ただし、正直に書いておきたい弱点もあります。事実知識を測るAA-Omniscienceでは、Opus 5はFable 5に及びません。正確性そのものはOpus 4.8より7ポイント上がっているのですが、不確かなときにも答えてしまう傾向が強まっていて、ハルシネーション率が14ポイント上がって50%になっています。半分です。これは知っておいたほうがいい数字だと思います。

つまりOpus 5は、手を動かして何かを完遂する力は極めて強い一方で、記憶から正確な事実を引き出す力ではFable 5に一歩譲る。用途によっては、この差が効いてきます。

Xでの反応：歓迎と戸惑いが同居している

リリース直後のXを追っていくと、賛否の温度差がかなりはっきりしていました。ここは数字では見えない部分なので、少し丁寧に紹介します。

評価されている点

まず好意的な声から。いちばん多かったのは、コーディングとエージェント作業の評価です。「これまでで最高のコーディングモデル」「実装、修正、検証のループが強い」「Claude Codeとの相性が良い」といった感想が目立ちました。Math Olympiadで42問すべて正解したという報告や、物理や3Dのタスクで Fable 5を上回ったという例もあったようです。

トークン効率と速度を評価する声も多く見かけました。Fable 5より明らかにトークン消費が少なく、タスクの完了も速い。日本語圏のユーザーからも、ts-benchで最速かつ最少トークンだった、Usage消費がSonnet 5の約半分だった、といったベンチ結果が共有されていました。日常のドライバーとして最適、という評価はここから来ているのだと思います。Perplexityの評価でも、Fable 5に次ぐ性能で57%安い、とされていたようです。

そしてもうひとつ、判断力を褒める声。不要な作業を勝手に進めずに止める、迷ったらユーザーに判断を委ねる、自分の作業を検証する。「これとこれをやりました。ただ正直に言うと、ここが気になっています」というような、留保つきの報告の仕方が好かれていました。

戸惑いの声

一方で、批判的な反応も相当あります。ここを飛ばすとフェアじゃないので、しっかり書きます。

いちばん注目を集めていたのは、Dan Shipper氏によるレビューでした。表現がなかなか強くて、「好きになるのが難しいモデル」。指示に議論をしかけてくる、途中で止まる、既存のskillsやpluginsと相性が悪い。ただし彼は続けて、これまでの凝ったプロンプトを捨てて一から作り直すと劇的に良くなる、とも書いていました。この指摘は後述する話とつながるので、覚えておいてください。

過剰な積極性を指摘する声も目立ちました。プロジェクトを十分に理解しないうちに急いでしまう、頼んでいない部分まで直してしまう、技術的な誤りを素早く結論づけてしまい、こちらが追加の証拠を出すまで気づかない。かなり強い言葉で不満を書いている人もいました。

文章のトーンへの批判もありました。Opus 5の書く文章がとにかく気に障る、これまでのClaudeで最悪だ、という感想です。実際に手を動かす能力と、読ませる文章を書く能力は別物なんだな、と改めて思わされます。

Fable 5との比較では、「貧者のFable」という言い方も見かけました。天才の性格は持っているが、知能の最上限がない。深い知識や専門分野ではFableが優位、という位置づけです。

総じて言えば、コスト効率と実用性で日常の主力候補として歓迎されつつ、癖の強さと既存環境との相性で「すぐ乗り換えるには調整が要る」という冷静な受け止めが主流でした。この温度感は、むしろ健全な気がします。

乗り換える前に知っておきたいこと

既存のプロンプトはいったん捨てたほうがいい

ここが今回いちばん実務的に効く話だと思っています。

Xで言われていた「既存の凝ったプロンプトを捨てて作り直すと劇的に良くなる」という体感。これ、実はAnthropicの公式ドキュメントの記載とぴったり一致します。裏が取れているのは、けっこう珍しいことです。

公式のドキュメントには、Opus 5がOpus 4.8と比べて次のように振る舞いが変わる、と明記されています。

• 思考（thinking）がデフォルトでオンになった。Opus 4.8では明示的に指定する必要があった。
• 既定の応答や成果物が、以前より長くなる。
• エージェント作業中、進捗を報告する頻度が増える。
• マルチエージェント構成で、サブエージェントに委任しやすくなる。
• 言われなくても自分の作業を検証する。

そして、ここが肝心なのですが、公式は続けてこう書いています。旧モデル向けに書いた「最後に検証ステップを入れて」「サブエージェントを使って検証して」といった指示は削除すべきだ、と。残しておくと、Opus 5では過剰な検証を招いてしまうからです。

つまり、以前のモデルのために丁寧に育ててきた指示が、Opus 5では逆効果になり得る。良かれと思って積み上げてきたものが足を引っ張る、というのは、なんだか少し切ない話でもあります。でも、事前に分かっていれば対処できる話でもあります。

乗り換えるなら、まずプロンプトを一度シンプルに戻してみる。それから必要な分だけ足していく。この順番のほうが、たぶん早くたどり着けるはずです。

effort設定はhighが正解とは限らない

Opus 5には、思考の深さを決めるeffortという設定があり、low、medium、high、xhigh、maxの5段階から選べます。デフォルトはhighです。

公式は、Opus 5は追加のeffortを結果の改善に変換する能力が過去のOpusモデルより高い、と説明しています。だから設定の重みが増した、と。ただ実際のユーザー体験談では、highだと考えすぎて遠回りする、mediumやlowのほうが良い、という声がかなり多く見られました。早期アクセスしたAllie K. Miller氏も、速くて素晴らしいが積極的すぎる、と指摘したうえでmediumへの引き下げを勧めていたそうです。

ここは自分の用途で試して決める部分だと思います。まずデフォルトのhighから始めて、品質が落ちなければ下げる。難しい作業では上げる。それだけの話ではあるのですが、意識しているかどうかで体感はだいぶ変わるはずです。

なお、開発者向けの注意点をひとつ。effortがxhighまたはmaxのときにthinkingを無効化しようとすると、400エラーが返ります。Opus 4.8からの破壊的変更なので、APIを使っている人は移行前に確認しておいたほうが安全です。

判断材料の整理

ここまでの内容を、判断のための材料として並べておきます。使うかどうかを決めるのは、あなた自身です。

• ハルシネーション率が上がっている：事実知識の正確性はOpus 4.8より上がった一方で、ハルシネーション率は14ポイント上がって50%になりました。調べものの結果をそのまま信じるのは危険です。裏取りは必須だと思ってください。
• 「安い」は最上位と比べた場合の話：Fable 5の半額ではありますが、Sonnet 5より高い。日常の軽い作業まで全部Opus 5に寄せると、むしろコストは上がります。
• Fastモードは2倍料金：速度が必要な場面以外で常用すると、請求額が跳ねます。
• プランごとの提供範囲：Claude Maxでは新しいデフォルトモデル、Claude Proでは使える最強モデルという扱いです。無料プランでの提供可否は本稿執筆時点で明確に読み取れなかったので、ご自身のプランで使えるかは公式で確認してください。
• ベンチマークの出典に注意：Anthropicが公表した数値の多くは自社の内部評価です。Frontier-Benchの数値は内部実行で、しかも安全分類器が拒否した際にOpus 4.8がフォールバックとして動く条件下のものでした。条件を揃えた第三者による再現ではありません。
• 第三者の評価も一枚岩ではない：コードレビュー用途を検証したCodeRabbitのベンチマークでは、指摘の内容はクリーンな一方でカバレッジは低め、細かすぎる指摘はおよそ4倍という結果が報告されています。用途によって評価が割れるモデルです。
• サイバーセキュリティ性能は意図的に抑えられている：脆弱性の発見は上位モデルに近い一方、悪用（エクスプロイト開発）の能力は大きく下回ります。これは設計上の判断です。安全分類器に引っかかった要求は、Claude.aiやClaude CodeではデフォルトでOpus 4.8にフォールバックします。
• リリース直後で評価は流動的：日本語での長期運用の検証は、まだほとんど蓄積がありません。数週間後には見え方が変わっている可能性があります。

こうして並べると、万能なモデルではないことが分かると思います。ただ、弱点を分かったうえで使えば、価格に対する働きはかなり良い。今のところ私はそう受け止めています。

なお、ここに挙げた数字や料金は執筆時点のものです。この分野は動きが速くて、価格改定や新モデルの登場で前提がひっくり返ることも珍しくありません。実際に導入を決める前には、公式の発表やドキュメントで最新の情報をご自身で確かめてください。この記事は、その判断を助けるための地図くらいに受け取ってもらえたらうれしいです。

まとめ：まず1つのタスクで試すのがいちばん早い

Claude Opus 5は、最上位のFable 5に迫る性能を、前世代と同じ価格で使えるようにしたモデルです。独立系の評価でも知能指標で1位に立ち、ナレッジワークやエージェント作業では明確に先頭を走っています。判断力と自己検証の強さが、今回いちばん評価されている部分でした。

一方で、事実知識ではFable 5に劣り、ハルシネーション率は上がりました。積極的すぎて早とちりする、既存のプロンプトや設定と噛み合わない、といった声も少なくありません。

だから今回のOpus 5は、性能の話であると同時に、付き合い方の話なんだと思います。速い車に乗り換えたら運転の仕方も変える。それに近い感覚かもしれません。

ここまで読んで「自分の場合はどうだろう」と考え始めているなら、それがいちばんいい状態です。ベンチマークの数字も、Xの評判も、しょせんは入り口にすぎません。あなたの仕事に合うかどうかは、触ってみないと分からない。

やることは3つだけです。プロンプトをいったんシンプルに戻す。effortをmediumあたりに下げてみる。そのうえで、いつもやっている作業をひとつ任せてみる。完璧に理解してから始めるより、そのほうがずっと早く答えにたどり着けるはずです。

最終的にどう使うかを決めるのは、あなた自身ですから。

公式サイト

• Introducing Claude Opus 5

関連記事

• Claude Fable5とは？新モデルの実力・Mythos5との違い・安全装置を解説