クロード オーパス 5 リリース: 半額でフェイブル 5 の最先端インテリジェンスに近づき、科学的評価で 4.8 を超える

Anthropic は 7 月 24 日に慎重に計算されたチェスの駒をリリースしました。Claude Opus 5 が正式にリリースされました。価格は Opus 4.8 とまったく同じですが、パフォーマンスは「半額でフラッグシップに近く」、ハイエンドおよびミッドレンジの製品ラインの空白領域に浸透しています。公式の位置づけは非常に明快です。これは日常的に使用できる最先端のモデルであり、当然ながらクロード マックスのデフォルト モデルであり、クロード プロの最も強力なモデルとなっています。

ベンチマーク結果: SOTA 対「次善の 3 倍」

Opus 5 のハードデータには、ほぼすべてのキースケールに「ひどい」脚注が残されています。

• Frontier-Bench v0.1: 他のすべてのモデルを上回り、タスクあたりのコストを低く抑えながら Opus 4.8 の 2 倍以上のパフォーマンスを達成します。
• CursorBench 3.2: 最高の労力は Fable 5 のピークとわずか 0.5% の差であり、コストはその半分です
• ARC-AGI 3: 次に優れたモデルよりも 3 倍高いスコア
• Zapier AutomationBench: 同じ単一タスクのコストで、合格率は準最適モデルの約 1.5 倍です。
• OSWorld 2.0: 3 分の 1 以上のコストで Fable 5 の最高の結果を上回る

科学的評価は 4.8 よりもさらに優れており、生命科学の評価はすべて優れており、有機化学の内部スコアは 4.8 より 10.2 パーセント ポイント 高く、タンパク質関連のタスクは 7.7 パーセント ポイント 高くなります。

価格と新しいエンジニアリング機能

Opus 5 は本日よりすべてのプラットフォームで利用可能になり、価格は $5/100 万入力トークン、$25/100 万出力トークン (Opus 4.8 と同じ) で、高速モード (約 2.5 倍高速、価格は 2 倍) を提供します。エンジニアリング チームは 2 つの同時ベータに注目する価値があります。セッション中のツール変更 (プロンプト キャッシュが無効にならなくなり、長時間セッションのコスト構造が大幅に改善されます) と API 自動ロールバック (ダウングレード フォールト トレランスの公式の試み) です。

整合性のレベルでは、Anthropic は珍しい声明を発表しました。Opus 5 は、整合性スコア 2.3 で、「これまでで最も整合性があり、欺瞞性の低いモデル」です。 6 月 30 日に推進された「脱獄重大度スコア」業界フレームワークに沿って、Anthropic はパフォーマンスと並んでセキュリティ機能をセールスポイントとしてマーケティングしています。

業界の観点から見ると、Opus 5 のカードのポジションの深い意味は、Fable 5 (最先端のフラッグシップ) と Sonnet 5 (大型主力) がそれぞれ両端を占めるのに対し、Opus 5 は「半額のフラッグシップ」で中間レンジを埋めることです。これは実際には、OpenAI GPT-5.6 (Sol/Terra/Luna) の 3 段階の価格設定への直接の反映です。開発者にとって、この「コストと能力」のバランスの両側にあるメーカーは、同じ変数、つまりインテリジェンスの単位あたりのドルコストに選択を委ねています。

将来的に追跡する価値のあるいくつかの方向性:

1. ARC-AGI 3 の評価方法: OpenAI が 7 月 29 日に「2 つの設定でスコアが 3 倍になる」と発表した後、各社の ARC-AGI 3 数値の水平比較可能性を再検討する必要があります。
2. セッション中のツール変更による実際のコストへの影響: プロンプト キャッシュ保持率は、長時間にわたるエージェント タスクの中核となるコスト変数です。
3. 科学計算シナリオにおける Opus 5 の浸透: ライフ サイエンスの評価におけるリーダーシップを、医療およびバイオ医薬品の顧客による実際の購入につなげることができるか。
4. Fable 5 のフォローアップアクション: フラッグシップが「半額に近づいた」後、Anthropic の次世代フラッグシップ アップグレード リズムは強制的に進められます。