Claude Opus 5

1. effortは4段階

Opus 5では、low、medium、high、maxの4段階でeffortを設定できる。

高くするほど内部の推論に多くのリソースを使い、時間とToken消費も増える。

個人的には、この調整機能はかなり実用的だと思う。

たとえばコードレビューや問い合わせ対応では、すべての処理をmaxで回す必要はない。普段はlowやmediumにして、難しいケースだけ推論量を増やせる。

Artificial Analysisのテストでは、低いeffort設定でも多くの競合モデルの最高スコアを上回った。

2. Agentタスクの性能が上がった

Opus 5は、情報を探し、ツールを使い、複数の手順を自分で進めるタイプの仕事で強さを見せている。

OSWorld 2.0では、Fable 5の約3分の1のコストで同モデルの最高スコアを上回った。AutomationBenchでも、同程度のコストでタスク完了率が次点モデルの1.5倍だった。

Anthropicが紹介した事例も面白い。

機械部品の図面を与えられたものの、その画像を直接見ることは禁止されていた。そこでOpus 5は自分でコンピュータービジョン用の処理を書き、元のピクセルから形状を取り出して3Dモデルを再構築した。

他のモデルは5回試しても成功しなかったという。

決められたツールを使うだけでなく、必要になれば自分で処理を組み立てた点は印象に残る。

3. 自分の仕事をよく確認する。やりすぎることもある

Anthropicによると、Opus 5は回答の検証やバグの原因特定が改善している。

表面だけ直して終わらせず、原因まで追う傾向が強くなった。Coding Agentでは歓迎したい動きだ。

System Cardには、その逆側の例も載っている。

Opus 5が自己検証のループに入り、確認作業を延々と続けるケースがあるという。

ある生物学研究のタスクでは、チェック用の処理を作っては検証する作業を8時間続けた末、最終的な回答を出さなかった。

自分で確認できること自体は強みだが、長時間の自律実行では、この性質が足を引っ張ることもある。

4. Opus 4.8から何が変わった？

Opus 4.8の公開から約2カ月。API料金はOpus 5でも変わっていない。

数字で見ると差は大きい。

• Frontier-Bench：18.7% → 43.3%
• CursorBench 3.2：Fable 5の最高スコアまで0.5%差、コストは約半分
• 安全分類器の介入頻度：Fable 5より約85%低い

移行時に確認しておきたい仕様変更もある。

Opus 5は思考機能が標準でオンになっており、オフにできるのはeffortがhigh以下の場合だけだ。

Opus 4.8を前提に組んだコードをそのまま切り替えるなら、この設定は一度確認した方がいい。

Opus 5の魅力は、最上位クラスの能力を以前より現実的なコストで使えるところにある。

特にCoding Agentやツールを多用する処理では、effortを変えながら費用と性能を調整できるのが扱いやすい。

気になるのは、長時間ひとりで走らせたときの安定性だ。

System Cardにある「8時間検証を続けて、結局何も返さなかった」という例は無視しにくい。1つ1つの作業が得意でも、何時間も連続して仕事を任せるとなると話は変わる。

複雑な仕事には使ってみたい。ツールを使う権限も、弱いモデルより広く与えていいと思う。

それでも、数時間から数日かかる仕事を投げて、そのまま放置する使い方はまだしたくない。

Opus 5は「かなり安く使えるフラッグシップ」に近づいた。次に見たいのは、長く走らせても最後まできちんと仕事を終えられるかどうかだ。