Anthropicは2026年9月22日、Claude Opus 5.5を発表し、Claude 5.5ファミリー初のモデルとして紹介した。同社によると、このモデルは大半の作業でClaude Fable 5.1とほぼ同等の性能を発揮し、一般的な作業負荷ではOpus 5より実行コストが40%低く、出力速度は30%以上速い。Anthropicはまた、Frontier DesignやMETRを含む外部評価機関がリリース前にモデルをテストし、自動化的行動監査で同社史上最高となる結果を達成したと述べている。これらはAnthropic側の主張であり、発表には評価機関の基になる報告書が含まれていないほか、すべての結果が独立して再現されたことも確認されていない。
発表内容で最も明確なのは、公表された価格表だ。Opus 5.5の入力トークンは100万トークンあたり4ドルで、Opus 5の5ドルから下がった。出力トークンは100万トークンあたり20ドルで、Opus 5の25ドルから値下げされた。キャッシュ読み取りは100万トークンあたり0.50ドルから0.20ドルへ、キャッシュ書き込みは6.25ドルから5ドルへそれぞれ低下した。一覧価格の引き下げ率は、入力、キャッシュ読み取り、キャッシュ書き込みの順に20%、60%、20%である。これにより請求額の低下は十分に考えられるが、それだけでAnthropicが掲げるより広い意味での40%削減を実証したことにはならない。総コストは、作業に必要なトークン数、キャッシュ操作、ツール呼び出し、再試行の回数にも左右されるからだ。
この違いは、一つの依頼を多数のモデル呼び出しで処理するコーディングエージェントやその他のシステムにとって重要だ。Anthropicは、Opus 5.5がトークン単価の引き下げに加えて、作業ごとのトークン使用量も少ないため、主張どおり正味のコスト削減につながると説明している。同社が挙げる初期試用例には、68万行に及ぶ移行作業を1日未満で完了した事例と、20万行のコードベースの監査を3時間未満で終えた事例が含まれる。また、HAProxyを翻訳する社内試験では、Opus 5.5はFable 5.1の12時間に対し9.5時間で完了し、コストも51%低かったと報告している。これらの事例は達成しうる改善を示しているが、通常の顧客向け作業負荷を対象とした管理された比較ではなく、選ばれた事例にすぎない。
特に注意が必要なのは、ベンチマーク欄で、主要な発表ページ自体が矛盾する数値を掲載している点だ。一つの表では、Opus 5.5はTerminal-Bench 4.0で66.4%、FrontierCode v1.1で54.4%、CursorBench 4.0で57.8%を獲得したとしている。しかし後続の説明文では、FrontierCodeは54.6%、CursorBenchは52.5%とされ、食い違いの説明はない。ページはさらに、一部の結果が異なる努力レベルを用いており、本番環境用の安全機構によって失敗が発生する場合があること、他のモデルの数値は各社の公開情報または公開リーダーボードから取得したことも明記している。したがって読者は、Anthropicが複数のエージェント向けベンチマークでモデルをテストしたことを示す証拠は得られるものの、すべてのシステムを正確に順位付けできる、内部的に整合した単一の数値群を得られているわけではない。
Anthropicが示す安全性への取り組みは、ベンチマークの総合得点だけにとどまらない。同社によると、Opus 5.5は提案されたすべての行動を分類器で選別し、セキュリティチームが検査できるオープンソースのサンドボックス内でコードを実行し、変更を統合する前にコードの脆弱性を確認する。さらに、コーディング、ツール利用、コンピューター操作、ウェブ閲覧の各領域でプロンプト注入への耐性が向上したと主張している。その根拠として、Gray Swanの評価では、Opus 5.5がテスト対象モデルの中でFable 5.1と並び、注入の成功率が最も低かったことが挙げられている。これらの詳細は具体的な管理策を示すものだが、発表には分類器の性能データ、サンドボックスの監査結果、脆弱性検出率、Gray Swanの評価手法全体は記載されていない。
今回のリリースは、Anthropicの最高経営責任者であるDario Amodeiが、安全性の取り組みと第三者評価が追いつけるよう、最先端AI業界に能力向上の速度を落とすよう求めた別の論説が発表された状況で進められた。Amodeiは、組織内に外部評価者を配置すること、民主主義国の企業間で共通基準を設けること、そして将来的には世界的な協調を実現することを提案している。Opus 5.5の発売は、「速度調整」がリリース停止を意味しないことを示している。Anthropicはこのモデルを、同提案以降に発表した初のモデルと位置付けつつ、センシティブな生物学およびサイバーセキュリティ用途については、検証プログラムを通じたアクセス制限を維持している。発表ページと速度調整に関する論説の双方がAnthropicの経営陣によるものだからこそ、この論説は同社が表明する方針の背景を示す資料ではあっても、リリースのペースや安全対策がその方針を満たしていることを独立して確認するものではない。
論説が提案する評価者の組織内配置、共通基準、世界的な協調は、Anthropicの最新リリースを理解するための政策上の背景を提供している。
購入者にとって実務上の疑問は、Opus 5.5のトークン単価が安いかどうかではない。公表価格表が示すとおり、安いことは明らかだ。未解決なのは、価格引き下げと報告されたトークン効率の向上が、特定の作業流程において最終的な総コストの低下にどの程度の頻度でつながるかである。信頼できる評価を行うには、同じ代表的な作業を旧モデルと実行し、トークン総数とキャッシュ利用量を記録し、ツール呼び出しと失敗した試行の回数を数え、出力を精査したうえで、人間の確認にかかる費用も含める必要がある。比較可能な結果が得られるまでは、Anthropicの40%という数値は、選ばれた試験に裏付けられた同社独自の推計として扱うのが妥当であり、節約を保証するものでも、全般的な能力面での優位を証明するものでもない。