アンソロピック、「Claude Opus 5.5」を発表：コスト40%削減、高速化、セキュリティ強化、長期タスク処理能力の向上

Opus 5.5の最も際立った能力は、継続的な検証を必要とする大規模で多段階のプログラミングタスクに集中しています。あるテストでは、Opus 5.5は20万行のコードベースを3時間未満でレビューおよび修正しました。一方、Opus 5は20時間以上を要し、約2.5倍のトークンを消費しました。企業にとって、これはAIの価値が『コードを書けるかどうか』だけでなく、『遠回りを避けて時間を節約できるかどうか』にあることを意味しています。

[出所：Anthropic]

テストデータによると、Opus 5.5はTerminal-Bench 4.0で66.4%、FrontierCode v1.1で54.4%、CursorBench 4.0で57.8%のスコアを獲得しました。これらの数値が現実世界のすべての業務を代表するものではありませんが、長時間に及ぶ多段階のタスクを処理する上でより優れた能力を示しています。

Opus 5.5のユースケースは、プログラマーだけにとどまりません。アンスロピック（Anthropic）によるテストは、ビジネスプロセス、ナレッジワーク、科学研究、コンピュータ操作、チャート認識まで多岐にわたっています。

ナレッジワークのテスト「GDPval-AA v2.1」において、Opus 5.5は1,846ポイントを獲得し、Fable 5.1の1,735ポイントやOpus 5の1,708ポイントを上回りました。コンピュータ操作テストのスコアは81.8%で、チャート認識テストでは89%に達しました。

リサーチタスクにおける1つの詳細な結果は特に興味深いものです。検証者が複数のモデルに対し、入手困難な決算書情報に基づいてレポートを作成し、数値や引用を1行ずつ検証するよう求めたところ、Opus 5.5は異なる設定条件下で16回品質基準を満たしたのに対し、他の2モデルは1度も合格できませんでした。これは、情報整理において根拠をより重視していることを示していますが、それでも人間の確認作業に代わるものではありません。

例えば、投資会社ウォールアイ・キャピタル（Walleye Capital）が架空の企業合併分析を依頼したところ、財務モデルを完成させただけでなく、テスト指示書内の誤りを特定して自主的に修正しました。一般ユーザーにとっても、この機能はより明確な市場分析や予算編成、プレゼンテーション資料の作成につながります。

Opus 5.5の価格はOpus 5よりも低く設定されています。100万トークンあたりの入力価格は5ドルから4ドル、出力価格は25ドルから20ドル、キャッシュ読み込み価格は0.50ドルから0.20ドルへと引き下げられました。

[出典：Anthropic]

多くのワークフローで処理済みのコンテンツが繰り返し再利用されるため、キャッシュ読み込みは長時間のコーディング作業や自動化タスクにおいて特に重要です。今回の値下げにより、チームは費用節約のために途中で処理を停止させることなく、モデルに追加の検証を実行させる判断を安心して行えるようになります。

Claude CodeおよびClaude Platformでは、標準モードの最大2.5倍の速度を実現するファストモードも提供されています。ファストモードの価格は100万トークンあたり入力が8ドル、出力が40ドルとなっており、より高い応答速度が求められるシナリオに適しています。

Anthropicは、自動化された行動監査においてOpus 5.5が現在のClaudeモデルの中で最高スコアを達成したと発表した。このテストでは約2,000件のシミュレーションシナリオを網羅し、モデルが境界を超えたり、修復が困難な行動をとったり、プロンプトインジェクションの影響を受けたりしないかどうかに焦点を当てた。

あるテストにおいて、Opus 5.5が境界の回避を試みた回数はOpus 5と比較して約85%少なく、関連するすべての挙動は重大度の低いカテゴリに分類され、能動的に問題を報告した。しかし、Anthropicは安全性テストによって現実世界のあらゆるリスクを事前に発見できるわけではないことも認めている。

そのため、Opus 5.5はサイバーセキュリティおよび生物学分野において、より厳格なセーフガードを導入した。日常的なソフトウェア開発におけるデバッグや修正機能は引き続き利用可能だが、多くのサイバーセキュリティタスクは他のモデルに移管される。生物学研究を行う必要がある機関は、プロジェクト審査を経て対応する権限を申請しなければならない。

このコンテンツはAIを使用して翻訳され、明確さを確認しました。情報提供のみを目的としています。