Anthropicが「Claude Opus 4.1」公開：SWE-benchで74.5％、価格据え置き

Anthropicが、フラッグシップモデルのマイナーアップデートとなるClaude Opus 4.1を公開しました。

自律型エージェントタスク、複雑な推論、そして実際のソフトウェア開発におけるコーディング性能が強化されています。有料プランのユーザーやClaude Codeですでに利用可能で、APIやAmazon Bedrock、Google CloudのVertex AIにも即日提供されています。利用料金は従来のOpus 4から据え置きです。

現場が求める「余計な修正をしない」精度

注目のベンチマークでは、実務レベルのバグ修正能力を測るSWE-bench Verifiedで74.5%のスコアを記録しました。

興味深いのは、このスコアを拡張思考機能を使わずに叩き出している点です。環境もBashと文字列置換ツールのみというシンプルな構成で、過去のSonnet 3.7で使われていた計画用ツールすら省かれています。

パートナー企業からも具体的なフィードバックが集まっています。

GitHubは複数ファイルにまたがるコードリファクタリングで顕著な性能向上を確認したと報告しています。

楽天グループのチームは、大規模なコードベースにおいて不要な変更や新たなバグを持ち込まず、修正箇所だけをピンポイントで特定できる正確性を高く評価しており、日常のデバッグ用途で採用が進んでいるとのことです。

また開発環境を提供するWindsurfは、ジュニア開発者ベンチマークにおいてOpus 4から1標準偏差の性能向上が見られ、これはSonnet 3.7からSonnet 4への移行に匹敵する進化幅だと評価しています。

なぜ重要か

私たちが注目すべきだと考えるのは、AIコーディングの評価軸が「コードを書けるか」から「既存の資産を壊さずに直せるか」へ完全にシフトした点です。

大規模な開発現場でAIエージェントの導入を阻んでいた最大の要因は、勝手に関係のないコードを書き換えたり予期せぬバグを混入させたりするリスクでした。楽天やGitHubが指摘したような精密さは、まさにエンタープライズの現場が最も求めていた要素と言えます。

日常的に大規模リポジトリの改修やデバッグを担当しているエンジニアなら、料金も据え置きのままであるため、今すぐAPIやClaude Codeで試す価値が十分にあります。

競合他社に対しても、推論時間を無理に引き延ばすことなく実用ツールとしての堅牢性を証明してみせた意味は小さくありません。さらにAnthropicは今後数週間以内にこれより大幅に大きなモデルのアップデートを控えていると予告しており、開発者向けAI市場の覇権争いは一段と加速しそうです。