Anthropicは新しいフラッグシップモデルClaude Opus 5を発表しました。このモデルは、コーディングや知識作業のタスクにおいて最先端の性能を持ち、コストは前モデルと同じです。このモデルは本日、Anthropicの各プラットフォームで提供され、使用料金は百万入力トークンあたり¥820（US$5）、百万出力トークンあたり¥4,100（US$25）です。さらに、デフォルト設定の約2.5倍の速度で動作するより高速なモードも提供されており、このオプションのコストは通常モードの2倍です。
Anthropicは、Opus 5が複雑なソフトウェアエンジニアリング、ビジネス自動化、科学研究、コンピュータ使用タスクをより効率的に処理するために設計されていると述べています。同社はこのモデルを、最も厳しいワークロードを満たすためだけでなく、日常的な使用のためのモデルとして位置付けています。
Opus 5は複数のテストで優れたパフォーマンスを発揮
ソフトウェアエンジニアリングに特化したFrontier-Bench v0.1評価では、Opus 5のパフォーマンスは他のテストモデルを上回り、より低いタスクコストでOpus 4.8を超えました。このモデルはCursorBench 3.2での最大努力パフォーマンスがClaude Fable 5の最高得点に近く、誤差はわずか0.5%であり、タスクコストはその半分です。性能の向上はコーディングに限らず、AnthropicはOpus 5がARC-AGI 3テストで2位のモデルよりも3倍高いスコアを記録したと述べています。このテストはモデルが新しい問題を解決する能力を評価します。
Zapier AutomationBenchでは、Opus 5はビジネスタスクを開始から終了まで完了する際の合格率が2位のモデルの約1.5倍であり、タスクコストは同じです。
このモデルはOSWorld 2.0でも他のシステムを上回り、Fable 5の最高結果を三分の一未満のコストで超えました。Anthropicはまた、特にライフサイエンス分野における科学研究の改善についても報告しています。スペクトルデータに基づいて分子構造を推測する内部有機化学ベンチマークテストでは、Opus 5はOpus 4.8よりも10.2ポイント高いスコアを記録しました。タンパク質配列の変異が機能に与える影響に関するタスクでは、7.7ポイントの向上が見られました。
同社は、このモデルが自己の作業をチェックし、初期のアプローチが失敗した際に再試行する能力も向上していると述べています。あるテストでは、Opus 5は機械部品の画像を与えられましたが、直接見ることができず、その部品を3D FreeCADモデルとして再構築するよう求められました。このモデルはここで止まらず、画像の原始的なピクセルから幾何形状を抽出するための独自のコンピュータビジョンパイプラインを構築し、その部品を再構築しました。Anthropicは、このモデルが何度も成功を収めた一方で、競合他社は同じ条件下での5回の試行がすべて失敗に終わったと述べています。
Opus 5の安全制御と新機能
Opus 5は、その強化された能力に基づく安全制御も導入しています。Anthropicは、このモデルがこれまでで最も倫理的なモデルであり、自動化された行動テストに基づいて、最近のモデルよりも欺瞞行為の発生率が低いと述べています。同社は、Opus 5が攻撃的なサイバーセキュリティ能力ではMythos 5モデルには及ばないと述べています。これら2つのモデルはAnthropicのOSS-Fuzz評価においてソフトウェアの脆弱性を特定する能力を持っていますが、Opus 5は脆弱性を悪用する開発においてMythos 5よりも成功率が著しく低いです。
Anthropicはまた、バイナリベースの脆弱性スキャン、ペネトレーションテスト、脆弱性生成を含む特定のサイバーセキュリティタスクの制限を強化しました。セキュリティシステムがマークしたリクエストは、自動的にOpus 4.8に戻されることがあります。
新しいモデルの発表に加えて、Anthropicはベータ機能も導入し、開発者が対話中に利用可能なツールを変更できるようにし、プロンプトキャッシュを無効にせず、マークされたAPIリクエストを別のモデルに自動的にルーティングします。Opus 5は現在、Claude Maxのデフォルトモデルとなり、Claude Proユーザーが利用できる最強のモデルとなります。