料金は据え置き、性能だけ上がった。Claude Opus 5に切り替える基準を考えた

受託の見積もりを書いていて、他社のAIモデルの料金表と見比べる瞬間がよくある。
性能が上がれば大抵、値段も釣られて上がる。
そういうものだと思っていたけれど、2026年7月24日にAnthropicが出したClaude Opus 5は、そこが少し違った。

価格は前モデルのOpus 4.8とまったく同じで、入力100万トークンあたり5ドル・出力25ドル。
それでいて「Fable 5の最先端の知能に近づきながら、半分の価格で」という説明がついている。
受託の仕事だと「性能は上げたいけど原価も気になる」がいつもセットで来るので、この組み合わせは単純にありがたい。

長く動かす作業ほど差が出ている

コーディングのベンチマークで最先端の成績、というのは毎回のことなので驚きは薄かった。
目に留まったのはOSWorld 2.0という、パソコン操作を長時間続けさせるタスクの結果で、Fable 5の成績を3分の1のコストで上回っていたところだ。
Zapier AutomationBenchでも、同じコストのまま成功率が1.5倍になっている。

一問一答で終わる質問より、何十ステップも自分で判断しながら進める仕事の方が伸びているように見える。
案件でもフォームの自動入力やデータの突き合わせみたいな「地味に長い」作業をAIに任せる場面が増えてきた。
ここで踏ん張れるかどうかは、賢さそのものより「長時間ミスなく続けられるか」に近い気がする。
ARC-AGI 3で次点モデルの3倍のスコアという数字も、そのあたりを裏付けているように思う。

得意と不得意がはっきりしてきた

生命科学系のタスクは前モデルのOpus 4.8を全評価で上回っていて、有機化学は10.2ポイント、タンパク質関連は7.7ポイントの伸びだった。
ただし生物学研究と攻撃的なサイバーセキュリティのタスクに限っては、競合のMythos 5にまだ届いていない。
脆弱性を見つける精度は近いのに、実際にエクスプロイトを組み立てる力で差が開いている、という書かれ方だった。

自社のセキュリティチェックみたいな用途で使うなら、この差は知っておいた方がいい。
守りに使う分には困らないと思うけれど、攻める側の精度を求めるタスクでは、今回のOpus 5が一番というわけではないらしい。

セーフティ面では「自動行動監査で最も整列したモデル」「詐欺的行動が最も少ない」「悪用への誘導に一番乗りにくい」と、これまでのモデルの中で一番良い数字が並んでいた。
値段を上げないまま安全性の数値まで上がる、というのはちょっと珍しい組み合わせだと思う。

受託の現場でモデルを切り替えるかどうかは、いつも性能と原価を天秤にかけて決めてきた。
今回はその天秤がほとんど揺れなかった。
Fast modeも基本料金の2倍で2.5倍速く動くらしいので、締切前の仕事にはそっちも試してみようと思う。

数字の出どころは、Anthropicが公開した公式発表ページ「Claude Opus 5」。
気になった人は、元のベンチマーク表もあわせて見てみてほしい。