Anthropic モデル

C

Claude Sonnet 5

入力:$1.6/M

出力:$8/M

コーディングおよびエージェント向けの高性能モデル

C

Claude Fable 5

入力:$8/M

出力:$40/M

提供再開のスケジュールはAnthropicの通知に従います。アクセス制限により、このモデルは応答できない場合があります。当面は代替として Opus 4.8 のご利用をお勧めします。

C

Claude Opus 4.8

入力:$4/M

出力:$20/M

Claude Opus 4.8 は、高度な推論、深い分析、高品質なコンテンツ生成のために設計されたプレミアムAIモデルです。複雑な指示の処理、長文脈の理解、専門的および技術的な領域にわたる高度な問題解決において卓越しています。

C

Claude Mythos 5

近日公開

入力:$8/M

出力:$40/M

安全性分類器なしで Claude Fable 5 と同等の能力を備えています。Project Glasswing を通じて利用可能です。Claude Mythos Preview の後継です。

C

Claude Opus 4.7

入力:$4/M

出力:$20/M

エージェントやコーディング向けの最も高知能なモデル

C

Claude Sonnet 4.6

入力:$2.4/M

出力:$12/M

Claude Sonnet 4.6 は、これまでで最も高性能な Sonnet モデルです。コーディング、コンピューターの利用、長文脈推論、エージェントの計画立案、ナレッジワーク、デザインにわたってモデルのスキルを全面的にアップグレードしました。Sonnet 4.6 は、ベータ版で 1M トークンのコンテキストウィンドウも備えています。

A

Claude Mythos Preview

A

Claude Mythos Preview

近日公開

入力:$60/M

出力:$240/M

Claude Mythos Preview は、当社のこれまでで最も高性能なフロンティアモデルであり、従来のフロンティアモデルである Claude Opus 4.6 と比べ、多くの評価ベンチマークでスコアが顕著に向上していることを示しています。

C

Claude Opus 4.6

入力:$4/M

出力:$20/M

Claude Opus 4.6 は、Anthropic の「Opus」クラスの大規模言語モデルで、2026年2月にリリースされた。ナレッジワークや研究ワークフローの主力として位置づけられており、長文脈での推論、多段階の計画立案、ツールの利用（エージェント型ソフトウェアワークフローを含む）、およびスライドやスプレッドシートの自動生成といったコンピュータ操作タスクを強化する。

C

Claude Haiku 4.5

文脈:200K

入力:$0.8/M

出力:$4/M

最速かつ最もコスト効率の高いモデル。

C

Claude Opus 4.5

文脈:200K

入力:$4/M

出力:$20/M

Claude Opus 4.5 は、Anthropic による、複雑な推論、コーディング、マルチターン対話のために設計された指示最適化された大規模言語モデルです。拡張コンテキスト処理、ツール／関数呼び出し、構造化出力、検索拡張生成（RAG）ワークフローとの統合をサポートします。代表的な用途には、分析アシスタント、コード生成とレビュー、ナレッジベースQA、ポリシーに整合した応答によるコンテンツの下書き作成が含まれます。技術的なハイライトには、指示追従、RAGに親和的な挙動、Claude のデプロイメントで利用可能なセーフティコントロールが含まれます。

C

Claude Sonnet 4.5

文脈:200K

入力:$2.4/M

出力:$12/M

Claude Sonnet 4.5 は、コンピュータ応用能力で大きな飛躍を遂げました。実世界のコンピュータ作業における AI モデルをテストするベンチマークプラットフォームである OSWorld では、Sonnet 4.5 が 61.4% でトップに躍り出ました。わずか4カ月前には Sonnet 4 が 42.2% で首位でした。私たちの Claude for Chrome 拡張機能は、これらの強化機能を実際に活用しています。

C

Claude Opus 4.1

C

Claude Opus 4.1

文脈:200K

入力:$12/M

出力:$60/M

Claude Opus 4.1は、Anthropicのフラッグシップモデルの更新版であり、コーディング、推論、エージェントタスクにおける性能が向上しています。SWE-bench Verifiedで74.5%を達成し、複数ファイルにまたがるコードのリファクタリング、デバッグ精度、きめ細かな推論において大幅な改善を示しています。本モデルは最大64Kトークンまでの拡張推論をサポートし、研究、データ分析、ツール支援型推論を伴うタスクに最適化されています。