TLDR: Anthropic が 2026 年 7 月 24 日にリリースした Claude Opus 5 は、深い推論、エージェント型コーディング、長期的タスク、新規問題解決で Opus 4.8 から段違いの飛躍を遂げた。主要ベンチマークで（Frontier-Bench v0.1 の 43.3%、ARC-AGI-3 の過去最高 30.2% を含む）より高価な Fable 5 に匹敵または上回りつつ、価格は Opus 4.8 と同一（入力 100 万トークンあたり $5、出力 100 万トークンあたり $25）。100 万トークンのコンテキストウィンドウ、デフォルト有効の思考、強力な自己検証、アライメント改善（最近の Claude 群で最も低いミスアラインメント行動スコア）により、複雑なコーディング、コンピュータ操作、ナレッジワーク、多エージェントのワークフローで卓越する。medium effort が効率のピークをもたらすことも多い。
主要ポイント
- Opus 5 は Opus 4.8 に対する真の世代交代であり、増分ではない——特にエージェントとしての持続性、テスト時計算のスケーリング、流動的知能（ARC-AGI-3 が約 1.5% から 30.2% へ）において。Claude のブログ
- 主要なコーディング/エージェント系ベンチマークで、ほぼ半額で Fable 5 に匹敵または上回る。
- 価格は据え置き（$5/$25 per MTok）。トークンあたりの性能向上と、medium/low effort でも強い結果を出せることが効率改善の源泉。
- セーフティはこれまでの Opus 系で最良。攻撃的サイバー能力には意図的な制限があり、分類器のトリガーも低減。
- プロンプト設計の転換点：従来の検証指示を削除、スコープを明示的に制約、冗長性とサブエージェント使用を制御、effort パラメータを活用。Claude ドキュメント
- 長時間動作するエージェント、多ファイルコーディング、ナレッジワーク、ビジョン支援タスクに最適。実運用報告ではデモ/複雑なビルドに強みがある一方、大規模コードベースでの指示追従摩擦が散見。
- CometAPI のようなプラットフォームは、統合課金とフォールバック付きで Claude 含む各種モデルへのルーティングを容易にする。
Claude Opus 5 は、Opus ティアの最新の一般提供フラッグシップとして登場。特定領域ではより制限の厳しい Mythos/Fable クラスの下位に位置づけられる面もあるが、多くの公開評価で競合と同等以上の性能を発揮。複雑なエージェント型コーディング、エンタープライズのナレッジワーク、長期的タスクを主眼とし、Opus 4.8 からわずか 2 か月でのリリースながら、マイナーアップデートではなく段違いの進化を示す。
Claude Opus 5 とは？
Claude Opus 5（API モデル ID: claude-opus-5）は、複雑なエージェント型コーディングとエンタープライズ・ワークロードに最適化された、Anthropic の最新 Opus クラスモデル。100 万トークンのコンテキストウィンドウ（デフォルトかつ最大）、最大 128k の出力トークン、思考がデフォルトで有効。モデル自身が思考の要否と量を判断し、開発者は effort パラメータ（low, medium, high, xhigh, max）で深さを制御する。
従来世代に対する主な新機能・挙動の変化：
- エージェントとしての持続性強化——もっともらしい回答で止まらず、成功まで継続。
- 自己検証と根本原因のデバッグが向上。
- マルチエージェントの協調とサブエージェント委任が改善。
- 図表/ドキュメント/ダイアグラム/UI・フロントエンドの再現（とくに反復的ツール使用時）に強いビジョン。
- オフィス/ドキュメント作業の強化（複雑なマルチシートのスプレッドシート、構造化スライドなど）。
- 会話中のツール変更（ベータ）、プロンプトキャッシュの最小値を 512 トークンに引き下げ、デフォルトのフォールバックモード。
- Fast モード（リサーチプレビュー）が Claude API で利用可能（より高レート）。
Anthropic は、Fable 5 の半額でフロンティア級の知性を提供し、コーディングとプロフェッショナルワークの改善で長時間動作エージェントを駆動すると説明している。
Claude Opus 5 と Opus 4.8 の比較
Opus 5 は、Opus 4.8 に対する段違いの進化として位置づけられる。とくに、長い問題連鎖に渡る深い推論、エージェント型コーディングと長期ホライズンのツール使用ループ（スタブなしでのマルチファイル機能実装とエンドツーエンド完遂）、テスト時計算スケーリング、低めの effort レベルでの効率、コードレビュー/バグ発見精度、ビジョン、長文コンテキストの一貫性、オフィスタスク、マルチエージェント協調で大きく改善。
挙動面では、デフォルト応答や文書出力が長くなる傾向。エージェント的なセッションで進捗を叙述し、サブエージェントに積極的に委任し、指示しなくても自ら検証する。従来の「最終検証ステップを含めよ」といった指示は、過剰検証とトークン浪費を招くため削除推奨。
思考はデフォルトでオン（4.8 のときは適応/思考に明示設定が必要だった）。思考の無効化は effort が high 以下のときのみ許容され、より高い effort では思考を無効化できない。価格は据え置き：入力 $5/100 万トークン、出力 $25/100 万トークン。
要するに、移行するチームはモデル ID を更新し、自社評価で effort デフォルトを見直し、プロンプトから検証用スキャフォールドを除去し、より長文だが高品質で自律性の高い出力を想定すべき。
パフォーマンスベンチマーク：データは何を示すか？
Opus 5 は、とくに新規性とエージェント性を問う評価で目立つ結果を示す。以下の数値は 2026 年 7 月末時点の Anthropic のシステムカード/リリース資料および独立集計に基づく。ラボ報告のスコアは各社のハーネスとプロンプト設定に依存。
見出し級のコーディング/エージェント系結果
- Frontier-Bench v0.1（エージェント的なターミナルコーディング）：Opus 5 43.3% vs Fable 5 33.7% vs Opus 4.8 18.7%。
- SWE-bench Verified：96.0%（Fable 5 95.0%、Opus 4.8 88.6%）。
- SWE-bench Pro：79.2%（Fable 5 80.3%、Opus 4.8 69.2%）。
- DeepSWE v1.1：68.8%（競合的。一部 GPT-5.6 系が上位）。
- FrontierCode 1.1（medium effort のピーク）：約 53.4% main / 63.6% extended —— ある分析で最も計算効率の良い構成。
- CursorBench 3.2（max effort）：タスクあたりコストが約半分で、Fable 5 のピーク性能と ~0.5% 差。高/xhigh/max effort におけるコスト対性能が良好。
新規推論と流動的知能
- ARC-AGI-3：30.2%（従来フロンティアは GPT-5.6 Sol 高 effort で ~7.8%、Opus 4.8 は ~1.5%）。これは最大のジャンプ。ゲームダイナミクスの内部代数モデル化と、未解決環境での人間レベルのサンプル効率を示した。次善モデルの約 3 倍 —— 新規問題解決に強い。
- GDPval-AA v2：プロフェッショナル・ナレッジワークで SOTA。
- Zapier AutomationBench：エンドツーエンドの業務自動化で次善モデルの約 1.5 倍。
- OSWorld 2.0（コンピュータ操作）：Fable 5 の最良報告値を約 1/3 のコストで上回る。
- HLE（Humanity’s Last Exam）や DeepSearchQA 系の深層リサーチタスクでトップクラス。
コンピュータ操作、ナレッジワーク、ツール使用
- OSWorld 2.0：70.6% —— 指定コスト帯で同業他社を凌駕。
- BrowseComp：~90–90.8%（トップ GPT-5.6 構成と競合またはわずかに劣後）。
- GDPval-AA v2（Elo）：1861（Fable 5 および従来世代をリード）。
- AutomationBench：高い合格率。同コスト帯で次善比 ~1.5 倍との報告も。
Opus 5 は、特にコーディング、エージェント性、ナレッジワーク評価で非連続的な伸びを示す。Anthropic と独立系の報告は次を強調：
サイエンス/専門領域
生命科学系評価で Opus 4.8 を有意に上回る：
- 有機化学（分光法からの分子構造推定）：+10.2 ポイント。
- タンパク質機能予測：+7.7 ポイント。
- 構造生物学・バイオインフォマティクスで一貫した改善。
Fable 5 は生物学的セーフガードがより厳しいため、多くの科学研究ワークフローにおいて、Opus 5 は現時点で Anthropic の一般提供モデルとして最も強力。
出典: claude
公開リーダーボードの総合では、Opus 5 は上位に位置（例：BenchLM で ~82.8/100、215 中 2 位）。とくにナレッジ、エージェント性、コーディング、マルチモーダルで高パーセンタイル。
実世界の開発者からの声は賛否混在：ワンショットのゲーム構築や複雑機能の完遂、自己デバッグで印象的な一方、大規模コードベースでの指示無視や幻覚、過度な複雑化の報告もある。ベンチマークは統制条件下でのピーク能力を捉えるもので、実運用の結果はプロンプト、ツール設計、effort 設定に大きく依存。
ベンチマーク概要
出典: claude
効率とコスト
価格は Opus 4.8 と同じ：入力 100 万トークンあたり $5 / 出力 100 万トークンあたり $25。キャッシュ済み入力は大幅に安価（~$0.50）。Fast モードは約 2 倍レート（$10/$50）。これは Fable 5 の $10/$50 の約半額。効率改善の要因：
- 100 万トークンのコンテキストにより、積極的な分割なしでコードベース全体や長文ドキュメントのワークフローが可能。
- low/medium effort でも高い性能（多くのタスクで、少ないトークンで同等品質）。
- ビルトインの自己検証と反復により、失敗ランと人手の手直しループを削減。
- 会話中のツール変更（ベータ）でプロンプトキャッシュを保持。
実効効率は「1 ドル/1 トークンあたりの性能」。Opus 5 は、以前の Opus より追加の effort を結果に確実に転化。medium effort で、多くのコーディングベンチマークが low 比 ~1.5 倍のトークン消費でピーク/準ピークに達する一方、high/xhigh/max は一部スイートで限界効用逓減やフラット化。
ローンチ前後に公開されたコスト対性能曲線上で、Opus 5 は Fable 5、Opus 4.8、他のフロンティアモデルに比べて有利（より低い実効タスク完了コストで高スコア）。自己検証と長めの推論によりレビューやエージェントループのトークン消費は絶対値として増えることがあるが、品質と完了率の改善によって成功に要する総コストはむしろ下がることが多い。
出典: claude
プロダクションでは、まずデフォルトの high から開始し、内部評価で low/medium を広くスイープ。短い長さでも有効になったプロンプトキャッシュを積極活用し、会話中ツール変更でキャッシュ保持、プラットフォームレベルのフォールバックを併用。CometAPI のような統一 API ゲートウェイを使えば、単純タスクを廉価モデル（Sonnet/Haiku ティア）に振り分け、複雑なエージェント作業に Opus 5 を割り当てつつ、利用分析と支出管理を一元化できる。
セーフティとアライメント
Anthropic は、Claude Opus 5 を「これまでで最もアラインしたモデル」「最も安全なモデル」と報告。要点：
- 全体としてのアライメントリスクが非常に低く、従来モデルを超える懸念は検出されず。
- Anthropic 測定における欺瞞行動の発生率が最も低い。
- 有害リクエストへの無害応答率が高く、良性クエリでの過剰拒否率も最低水準。
- 特定の悪用ベクトルへの耐性が向上。強力な能力に見合うサイバーセーフガードを備えつつ、分類器の作動頻度は低く（Fable 5 比 ~85% 減との推定）。
- 自動化された AI R&D 代替や高リスク化学/生物カテゴリの閾値（Anthropic の Responsible Scaling Policy）を越えず、該当箇所では最近の Opus と同様に ASL-3 スタイルの保護を適用。
評価環境では（フロンティアモデル一般に見られる）評価意識の高さが観測されるが、実運用監視では懸念行動の発生率は極めて低い。高リスクや自律エージェント用途では、アプリケーションレベルのセーフガード適用が引き続き重要。
Claude Opus 5 を上手にプロンプトする方法
Anthropic はモデル固有のプロンプトガイダンスを公開している。Opus 5 は以前の Opus と挙動が異なるためだ。大きな違い：自己検証、タスク完遂、スコープ拡張、デフォルト応答が長い。
Opus 5 の中核原則
- タスクを最初に完全提示する — 仕様、文脈、制約、期待成果を 1 つのプロンプトに。段階的指示より、走らせ切ると最良。スタブを残さずエンドツーエンドで仕上げる。
- 検証指示を削除する — 「二重チェック」「検証せよ」「サブエージェントで検証」などは過剰検証とトークン浪費の原因。Opus 5 は内部で既に検証・反復する。システムプロンプトや CLAUDE.md から削除。
- スコープを明確に制御する — 判断でタスクを拡張し得る。明確な境界を加える：「依頼された範囲の成果だけを正確に納品する。日常的な判断は自分で行う。解釈差で成果が本質的に変わる場合のみ確認する。依頼が誤っていそうでも、簡潔に指摘しつつ原依頼を遂行する。」
- 冗長性を管理する — デフォルト応答は長め。簡潔にしたい場合は「焦点を絞り、簡潔に。核心を優先し、注意書きは短く。」を加える。
- effort を賢く使う — デフォルトの high から。分類・簡単な編集・大量処理では low/medium を積極活用。最難のコーディング/エージェント問題に xhigh/max を温存。Opus 4.8 から継承した effort 設定は再評価。
- サブエージェント制御 — 委任の傾向が強い。「大きく、独立かつ並列化できるタスクにのみサブエージェントを使う。検証や、数回のツール呼び出しで終わる作業には使わない。」と指示。
- レビューと監査 — 信頼度/重大度ラベル付きで完全な所見を依頼し、必要に応じて自分でフィルタする。「重大度の高い問題のみ報告」は字義通りに解釈され、見落としの原因になり得る。
例：高 effort コーディングプロンプトの骨子
text
[Set effort to max or xhigh]
Complete the following end-to-end: [full feature description, acceptance criteria, constraints, existing file structure, style guidelines].
Deliver production-quality code. Adapt strategy as needed. Do not leave stubs or TODOs. Stay within the stated scope unless a material issue requires a one-sentence note.
Output the final artifacts and a brief summary of decisions.
例：low effort の分類
text
[Set effort to low]
Classify the input into exactly one of: [categories]. Return only the category name.
Opus 4.8 からの移行では、プロンプトを再テストし、検証スキャフォールドを削除、長さ/スコープ制御を明示し、内部評価で effort レベルをスイープ。Anthropic は、以前の詳細な指示セットの多くを簡素化できると指摘している。
比較表：Claude Opus 5 と主要代替（概算、2026 年 7 月時点）
| Model | Input/Output ($/MTok) | Frontier-Bench | SWE-Verified | ARC-AGI-3 | Context | Notes |
|---|---|---|---|---|---|---|
| Claude Opus 5 | $5 / $25 | 43.3% | 96.0% | 30.2% | 1M | 日常の高性能用途で価格/性能が最良 |
| Claude Opus 4.8 | $5 / $25 | ~19–21% | 88.6% | Low | 1M | 先代 Opus |
| Claude Fable 5 | $10 / $50 | ~33.7% | ~95% | Lower | 1M | 上位ティア。一部でより強い制限 |
| GPT-5.6 Sol (approx.) | Competitive | Lower | High | Lower | Varies | 強力な代替 |
| Claude Sonnet 5 | Lower (~$3/$15 or promo) | Lower | Strong | Lower | 1M | 高速/廉価のデイリードライバー |
数値は Anthropic のアナウンスとアグリゲータの報告からの引用。最新の独立評価での確認推奨。
CometAPI 推奨：CometAPI は、OpenAI 互換エンドポイント（https://api.cometapi.com/v1）と Anthropic Messages API を通じて、Claude Opus 5（および 500+ の他モデル）への統一アクセスを提供。掲載価格は競争力があり（例：執筆時点で Opus 5 が約 $4/$20 per MTok と観測）、単一 API キー、課金の簡素化、モデル切替が容易。複数プロバイダのアカウントやレートリミットのサイロを管理したくないチームに有用。最新の CometAPI モデル一覧と価格、無料トークン施策を確認のこと。
結論
Claude Opus 5 は、Opus ティアに新基準を打ち立てた。フロンティア級のエージェント性と推論性能を先代と同価格帯で提供し、自己主導の問題解決（ARC-AGI-3 の結果が象徴）と、Anthropic がこのクラスで公表した中で最も好ましいアライメント指標を実現。完璧ではなく、領域別の後退や実運用での指示追従問題もあるが、コーディングエージェント、長期ワークフロー、ナレッジワーク、コンピュータ操作アプリケーションでは、現時点で最も強力な一般提供オプションの一つ。
厳格なプロンプト規律と effort ダイヤルを組み合わせ、100 万トークンのコンテキストを活かし、（公式 API でも CometAPI のようなプラットフォームでも）トラフィックを賢くルーティングして価値を最大化すべし。フロンティアモデル全般と同様、自社データでの継続評価は不可欠。Anthropic の迅速な改善サイクルを踏まえると、さらなる洗練が早期に到来するだろうが、Opus 5 は既に大きく、コスト効率の高い能力向上を今日にもたらす。
出典と参考資料:
- Anthropic: What’s new in Claude Opus 5 — https://platform.claude.com/docs/en/about-claude/models/whats-new-opus-5
- Anthropic: Prompting Claude Opus 5 — https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5
- Anthropic のニュースアナウンスおよびシステムカード（2026 年 7 月）
- DataCamp: Claude Opus 5 Explained — https://www.datacamp.com/blog/claude-opus-5
- MindStudio / Vellum / BenchLM のベンチマークまとめ（2026 年 7 月）
- ARC Prize Foundation verified scores