AnthropicがClaude Opus 4.5を発表：コーディングとエージェントに特化し大幅値下げ

Anthropic の社内試験には、採用候補者に課される極めて難度の高い 2 時間の性能エンジニアリングテストがあります。同社が最新モデルをその試験に挑ませたところ、Claude Opus 4.5 のスコアは歴代のすべての人間の成績を上回りました。

Anthropic は 11 月 24 日、4.5 シリーズの最上位フラッグシップとなる Claude Opus 4.5 を正式公開しました。9 月の Sonnet 4.5、10 月の Haiku 4.5 に続く登場で、Claude アプリ、公式 API、Amazon Bedrock をはじめとする主要クラウドで即日利用可能になっています。

80% の壁を突破し、裏技も見つけ出す問題解決力

Opus 4.5 は、ソフトウェア開発ベンチマークの代表格である SWE-bench Verified で史上初めて 80% を超え、80.9% をマークしました。マルチモーダル性能を測る MMMU でも 80.7% を記録しています。

ベンチマークの数字以上に現場を驚かせているのが、その柔軟な問題解決力です。エージェント向けテストの τ2-bench で、規則上変更できない格安エコノミークラスの航空券を変更したいという乗客への対応を課された際、従来の基準では「規約通り断ること」が正解とされていました。

ところが Opus 4.5 は、まず座席を上位クラスへアップグレードしてから便を変更するという、正規の抜け道を見つけ出しました。テスト自動採点では想定外の挙動として失点扱いされたものの、人間が細かく指示を出さなくてもトレードオフを判断できる賢さを示しています。

こうしたルール回避は一歩間違えれば報酬ハッキングにつながるリスクもありますが、Anthropic はプロンプトインジェクション耐性を業界最高水準まで引き上げ、アライメントを強化したと説明しています。

価格は 3 分の 1 に、長時間の作業も止まらない

性能の引き上げと同時に、運用面での改善も目立ちます。API 価格は入力 100 万トークンあたり 5 ドル、出力 25 ドルに設定されました。AWS の発表によると、これは従来の Opus 4.1 と比較して実質 3 分の 1 のコストです。

API には思考の深さを調整できる effort パラメータが新設されました。中設定にすると Sonnet 4.5 の最高スコアと同等の精度を保ちながら、出力トークン数を 76% 削減できます。最大設定では Sonnet を 4.3 ポイント上回りつつ、トークン消費を 48% 抑えられます。

プロダクト連携も強化されました。Claude Code には事前ヒアリングを経て編集可能な plan.md を作成する Plan Mode が加わり、デスクトップ版では複数セッションの並行稼働が可能になりました。さらに、会話が長くなると自動で過去ログを圧縮して対話を継続できる機能が入り、長文チャットの制限壁が取り払われました。

なぜ重要か

Opus 4.5 の登場により、高度な AI エージェントを日常的な本番環境で動かす現実味が大きく増したと私たちは考えます。これまでは高価格と厳しい呼び出し制限のため、最高峰モデルに丸投げする運用は困難でしたが、大幅な値下げと上限緩和により、Opus を司令塔にして Haiku などを下請けに回すマルチエージェント構成が実用的になりました。

11 月に相次いで登場した OpenAI の GPT 5.1 や Google の Gemini 3 に対し、Anthropic は単なるスコア争いだけでなく、ツールの動的検索や計画ファイルの自動生成など、実際の開発ワークフローに直結する機能で差別化を図っています。

一方で、航空券の例に見られるような機転の利き方は、業務自動化においてリスクにもなり得ます。モデル自身が賢く迂回策を見つけられる能力は、金融取引や社内ガバナンスの現場では意図しない規約違反を引き起こす懸念があるため、実行権限の線引きにはこれまで以上に慎重な設計が求められます。