米Anthropicは7月24日（現地時間）、新たなAIモデル「Claude Opus 5」を発表した。最上位モデル「Claude Fable 5」の水準に迫る性能を、半分のAPI料金で提供する。前世代のOpus 4.8と比べ、自ら作業結果を検証し、成功するまで慎重に修正を重ねる能力が強化されており、コーディングや企業の知識労働、コンピュータ操作などで高い性能を示している。同日から全プラットフォームで提供を開始し、Claude Maxでは新たな既定モデル、Claude Proでは利用可能な最も高性能なモデルとなる。
Anthropicによると、AIエージェントによるソフトウェア開発能力を測る「Frontier-Bench v0.1」で、Opus 5はOpus 4.8（21.1％）の2倍以上となる43.3％を記録し、同社が比較対象とした他の全てのモデルも上回った。
-
コーディングおよびナレッジワークの評価「Frontier-Bench」「GDPval-AA」で最高水準を達成
Opus 5は、最難関の自律型タスクを担うFable 5に対し、日常的に発生する複雑な業務を効率よく処理するモデルとして設計された。実際のコーディング環境に近い条件でAIエージェントを評価する「CursorBench 3.2」では、推論量を調整する「effort」を最大に設定した場合、タスク当たりのコストをFable 5の半分に抑えながら、同モデルのスコアとの差を0.5％以内に収めたという。
未知の問題への対応力を評価する「ARC-AGI 3」では、比較対象の次点モデルの約3倍となるスコアを記録した。業務自動化能力を測る「Zapier AutomationBench」では、タスク当たりのコストが同等の次点モデルと比べて、合格率が約1.5倍だったという。コンピュータ操作のベンチマーク「OSWorld 2.0」でも、Fable 5に並ぶスコアをわずか3分の1超のコストで実現した。
Opus 5では、自ら作業結果を検証し、必要に応じて手順を組み直す能力も強化された。Frontier-Benchの課題では、画像を直接確認できない状態で、機械部品の図面から3Dモデルを作成するよう求められた。Opus 5は、画像の生データから形状を読み取る独自のコンピュータビジョン処理を実装し、部品全体を再構築したという。また、オープンソースのパッケージ管理ソフトに存在した不具合では、表面的な症状だけでなく根本原因を特定し、開発コミュニティによる修正で見落とされていた例外的なケースにも対応した。
安全性に関する提供前の自動行動監査では、Opus 5がAnthropicの最近のモデルの中で最も高い整合性を示したという。不整合な行動を示す総合スコアは2.3で、Opus 4.8、Sonnet 5、Fable 5を下回った。欺瞞的な振る舞いの発生率も最も低く、悪用を目的とした誘導にも比較的強いとしている。
API料金は、100万トークンあたり入力5ドル、出力25ドルで、前世代のOpus 4.8から据え置いた。Fable 5の料金はそれぞれ10ドルと50ドルであるため、Opus 5はその半額となる。100万トークンのコンテキストウィンドウをサポートする。
VS Code、新UI「モダンUI」プレビュー公開 丸みのあるデザインに刷新
