Claude Opus 5.5は、新しいClaude 5.5ファミリーの最初のモデルです。ほとんどの作業でClaude Fable 5.1と同水準の性能を出し、実行コストはOpus 5より40%低くなります。フロンティアのペース配分を呼びかけて以降、最初のリリースでもあります。公開前には、Frontier DesignやMETRを含む外部の評価者によるテストを受けました。

Opus 5.5はOpus 5から大きく向上した新しい最上位モデルで、早期テスターは最も複雑な作業で大きな性能向上を確認しました。あるテスターは68万行のコード移行を1日未満で完了させ、これはエンジニアリングチームなら数週間かかる作業だといいます。ソフトウェアの非効率な箇所の発見と修正も得意です。ウェブアプリの全ページで読み込み時間を短縮するよう依頼したところ、Opus 5.5は40回中39回成功しましたが、Opus 5は改善幅がより小さく、アプリの挙動も変えてしまいました。別のテスターが複数のClaudeモデルに1つのプロンプトからゲームを作らせたところ、Opus 5.5はグラフィックスと仕上がりの良さで、他のどのモデルよりも高いスコアを得ました。

コストと速度、価格設定、文章表現の改善

Opus 5.5はOpus 5より提供に必要な計算量が少なく、価格にそれが反映されています。テストでは、デフォルト設定での典型的なワークロードのコストは、Opus 5より40%低くなります。トークン単価が安いうえ、タスクあたりのトークン使用量も少ないため、差し引きでコストが40%下がります。出力の生成速度も、Opus 5より30%以上速いです。

Opus 5.5の100万トークンあたりの価格は、入力トークンが$4、出力トークンが$20で、Opus 5より20%安くなっています。Opus 5.5のキャッシュ読み取り(cache reads)は$0.20でOpus 5より60%安く、これはエージェント型作業やコーディング作業のコストの大半を占める部分です。Opus 5.5のキャッシュ書き込みは$5です。Claude CodeとClaude Platformでは、Opus 5.5の最大2.5倍の速度で動くfast modeも使え、料金は100万入力トークンあたり$8、100万出力トークンあたり$40です。価格引き下げに加えて、Pro、Max、Team、シート制Enterpriseの各プランでは、5時間ごとの利用上限が引き上げられます。サブスクリプション利用者には、レート制限のリセットも提供され、これを保存して好きなときに使えるようになりました。

元記事の表
100万トークンあたりの価格Claude Opus 5.5Claude Opus 5
キャッシュ読み取り$0.20$0.50
入力トークン$4$5
出力トークン$20$25
キャッシュ書き込み$5$6.25

元記事の表を転載しています(見出しは日本語にしています。値は原文のままです)。出典: 元記事

Opus 5.5は、文章の書き方とコミュニケーションの仕方が大きく改善されました。Opus 5について最も多く寄せられたフィードバックの分野の一つでした。従来のモデルより自然に意思疎通ができ、早期テスターは文章がより明確で読みやすいと評価しています。メッセージは一目で理解しやすくなっており、テスターは長い作業セッション中に役立ったと述べました。最も重要な情報を先頭に置き、専門用語や独特な言い回しを使う可能性が低く、ユーザーが与える文章ルールにも従います。ある早期テスターは「自分と同じように書いてくれる」と述べています。社内での利用では、Opus 5.5の作業が追いやすく、確認しやすくなりました。実用面に加えて安全面の利点でもあるとしています。Claude Sonnet 5.5とClaude Haiku 5.5も今後数週間のうちに続いて登場し、性能・効率・安全性の多くの同じ改善が盛り込まれます。

各ベンチマークの結果と測定条件

ベンチマークでは、Claude Opus 5.5はエージェント型コーディング、computer use、ナレッジワーク(knowledge work)でトップです。ただし、この能力水準ではベンチマークの差は実世界の差を示す指標として信頼性が下がっており、社内での利用ではOpus 5.5とFable 5.1の差はスコアが示すより小さいとしています。Agentic codingのTerminal-Bench 4.0では、Opus 5.5が66.4%、Fable 5.1が55.8%、Opus 5が52.3%、GPT-6 Astraが57.9%、GPT-5.6 Solが37.3%です。FrontierCode v1.1 (Main)では、Opus 5.5が54.4%、Fable 5.1が50.3%、Opus 5が48.0%、GPT-6 Astraが53.3%、GPT-5.6 Solが47.5%です。CursorBench 4.0では、Opus 5.5が57.8%、Fable 5.1が51.8%、Opus 5が46.6%、GPT-5.6 Solが41.7%です。

ナレッジワークのGDPval-AA v2.1では、Opus 5.5が1846、Fable 5.1が1735、Opus 5が1708、GPT-6 Astraが1542、GPT-5.6 Solが1588です。ビジネスワークフローを測るAutomationBenchでは、Opus 5.5が40.0%、Fable 5.1が31.4%、Opus 5が26.9%、GPT-6 Astraが41.4%、GPT-5.6 Solが28.8%で、GPT-6 Astraが最も高い数値を示しました。分野横断の推論を測るHumanity's Last Exam(ツールあり)では、Opus 5.5が67.7%、Fable 5.1が65.6%、Opus 5が63.6%、GPT-6 Astraが57.2%です。エージェント型の科学研究を測るTerminal-Bench-Science 0.1では、Opus 5.5が58.7%、Fable 5.1が52.6%、Opus 5が29.0%、GPT-6 Astraが64.6%、GPT-5.6 Solが22.4%です。Computer useのOSWorld 2.1(partial)では、Opus 5.5が81.8%、Fable 5.1が80.7%、Opus 5が74.0%です。図表の視覚的な読み取りを測るChartography(ツールあり)では、Opus 5.5が89.0%、Fable 5.1が88.4%、Opus 5が83.4%です。

特に断りがない限り、Opus 5.5の結果はadaptive thinkingをmax effortにして測定しています。Terminal-Bench 4.0の結果は、Opus 5.5がxhigh effort、GPT-6 Astraがhigh effort(OpenAI報告値)で、これらは各モデルの最高スコアです。Terminal-Bench 4.0の標準誤差は、Opus 5.5が±2.6ポイント、他のClaudeモデルが±1.6〜2ポイントです。公開リーダーボード(1タスクあたり5試行、Claude Code harness)ではOpus 5が51.8%と報告されており、著者らの環境では52.3%で再現され、誤差の範囲内です。GPT-6 AstraとGPT-5.6 Solの数値はOpenAIが報告した値です。AutomationBenchの結果はZapierが実行・報告したもので、Opus 5.5の結果は早期アクセス期間中のZapier自身の評価によるものです。Opus 5、GPT-5.6 Sol、GPT-6 Astraの結果は、Zapierの公開リーダーボードによるものです。この実行はフォールバックモデルなしで行われ、セーフガードの介入は失敗として扱われたため、Opus 5.5が実際に達成するスコアより低くなっています。脚注によると、Terminal-Bench-Science 0.1の標準誤差は、モデルごとに±3.5〜5ポイントです。Opus 5.5は本番のセーフガードを有効にして評価されました。セーフガードが介入した場合、サイバーセキュリティのタスクはClaude Opus 4.8が、生物学とフロンティアの大規模言語モデル(LLM)開発のタスクはClaude Opus 5が完了したため、これらのベンチマークでのOpus 5.5の性能は下がっている可能性が高いです。

コーディングでは、Opus 5.5はコードベース全体にわたる移行や監査のような、長大で広範囲に及ぶ作業を特に得意としています。ある早期テスターは、20万行のコードベースを3時間未満で監査・修正しました。Opus 5では20時間超かかり、トークン使用量もOpus 5.5の2.5倍でした。社内テストでは、サーバー間でWebトラフィックの負荷を分散する広く使われているソフトウェアHAProxyを、Opus 5.5とFable 5.1にCからRustへ翻訳させました。両者の書き換えはHAProxy自身のリグレッションテストのほぼすべてに合格し、Opus 5.5は9.5時間で完了し(Fable 5.1は12時間)、コストは51%低かったです。Opus 5.5は、エージェント型コーディングでフロンティア水準の結果を、数分の一のコストで出します。FrontierCodeでは、デフォルトの推論の強度(reasoning effort)でGPT-6 Astraを上回り、タスクあたりのコストは約20%です。Terminal-Bench 4.0ではGPT-6 Astraと同等の結果を約40%のコストで出し、CursorBenchではGPT-5.6 Solを11ポイント上回りながら、コストは約3分の1です。

自社のシステム内でエージェントを使う企業は、特に何時間も自律的に動かす場合、エージェントが意図どおりに動作していると確信できる必要があります。Opus 5.5には、実行前にすべてのアクションを審査する分類器(classifier)、セキュリティチームが監査できるオープンソースのサンドボックス、マージ前に脆弱性を検出するコードレビューがあります。モデル自体にもより強い防御があり、プロンプトインジェクション攻撃に対して、コーディング、ツール使用、computer use、Webブラウジングを含む、テストしたすべての設定でOpus 5と同等かそれ以上です。AIセキュリティ企業Gray Swanが実施したベンチマークでは、Opus 5.5はFable 5.1と並び、テストしたモデルの中でプロンプトインジェクションの成功率が最も低くなりました。

ナレッジワークでは、Opus 5.5は信頼できる、腕の立つリサーチャーです。社内テストで、Opus 5.5、Fable 5.1、Opus 5に、決算発表の見つけにくいWebのコピー上で見つかる情報だけを使って、ある企業の四半期業績レポートを書かせました。自動採点器がすべての数値と引用を出典と照合したところ、effort設定を変えた18件のうちOpus 5.5のレポートは16件が品質基準(数値や引用を一つでも捏造すれば不合格)を満たしましたが、Fable 5.1とOpus 5は一度も満たしませんでした。財務分析・ビジネス業務でも強く、投資会社であり早期テスターのWalleye Capitalは、Opus 5.5が最も低い設定で評価スイートをほぼ解いたと報告しました。より高い設定ではさらに良い結果を示し、評価指示書の誤りに気づいて補正しましたが、この誤りに気づいたモデルはそれまでありませんでした。

別のテストでは、Opus 5.5とOpus 5に、架空の人事ソフトウェア企業2社の合併案の分析を課しました。どちらのモデルもExcelで財務モデルを作り、その価格で取引に意味があるかを問う経営幹部向けプレゼンテーションに仕上げました。両モデルは取引について同じ結論に達しましたが、Opus 5.5のモデルはより綿密でプレゼンテーションも読みやすく、Opus 5のものには軽微な誤りがありました。Opus 5.5は63分で完了し(Opus 5は93分)、作成コストは50%低くなりました。ナレッジワークの評価では、Opus 5.5は他のモデルを上回りつつ、使うトークンも少ないです。44職種の実務を測るテストであるGDPval-AA v2.1では、Opus 5.5は1846 Eloで、Fable 5.1とOpus 5を上回ります。デフォルトのeffort(medium)では、GPT-6 Astraをmax effortで動かした場合を上回り、タスクあたりのコストは約5分の1でした。ビジネスワークフローと大規模なデータ収集を測るベンチマークでも、他のモデルを上回りました。

安全面の考え方とアラインメント評価

安全面について、CEOであるDario Amodeiは先週、安全対策がモデルの能力に先行し続けるようにAIの進歩のペースを配分すべきだと主張しました。ペース配分は、AIの安全を保ち、中国に対する競争力を維持し、特に生物学や医学などの分野でAIの恩恵を実現するためのアプローチです。現在のモデルがもたらすリスクはおおむね理解しており、それらを管理する備えも十分にあるとしています。一方で、能力の向上につれてより深刻なリスクが急速に現れる可能性があり、今から備える必要があるとしています。そのため、安全性の取り組みは2つの時間軸で同時に進められています。

現行世代のモデルの安全対策は、確立された一連の実践に基づいています。具体的には、広範なアラインメント(alignment)テスト、METRやFrontier Designといった外部組織によるリリース前評価、そしてサイバーセキュリティや生物学など高リスク領域でモデルの能力に見合ったセーフガード(safeguard)が含まれます。これらの実践はリリースごとに改善しており、現在のモデルがもたらす最悪のリスクに見合ったものであり、深刻なリスクの範囲について完全ではないものの幅広い全体像を与えると考えているとしています。また、アラインメントされたモデルを訓練・評価する能力を追跡し、Responsible Scaling Policy(高度なAIシステムによる壊滅的リスクを管理するための自主的な枠組み)に基づいて公開するリスク報告書で、公開モデルと社内モデルの両方について報告しています。

将来のモデルに備えた取り組みもあります。欠陥のある環境はミスアラインメント行動の主な原因の一つであるため、強化学習に使う環境のフィルタリングを厳しくしています。また、アラインメントの報酬を改善し、安全性訓練用の新しく多様なシナリオを自動で作るプロセスを開発し、解釈可能性に基づく監視と評価の改善を含めてセキュリティと監視を強化しています。AI研究の作業そのものを完全に自動化できるモデルのように、より高い能力を持つモデルには、さらに高い安全基準が求められます。AIの能力が高まるにつれ、人々が頼るシステムの安全を確保するうえで、公共政策がより大きな役割を果たすべきだとしています。公共政策がその役割を果たすための体制づくりには時間がかかるため、「We Must Pace the Frontier」とAccentureとの最近の発表で述べたとおり、それを支える基盤づくりを始めており、詳細は近く共有する予定です。また、規制や国際協調のあり方を含め、政府や業界との政策議論に引き続き貢献するとしています。

アラインメントについて、Opus 5.5は、最も包括的なアラインメントテストである自動行動監査で、これまでテストした中で最も高い性能を示しました。この監査は約2,000のシナリオでClaudeを評価する主要評価スイートで、ほぼすべてのミスアラインメント行動の指標で、最近のどのClaudeモデルよりも良いスコアを出しました。誠実さを測るほとんどの指標でも、最も優れたモデルです。最近のサイバーセキュリティ関連のインシデントの一因となった行動のうち、偏った推論または動機づけられた推論、サンドボックスからの脱出の試み、シミュレーション環境にいると結論づけた後に有害な行動をとることなどで、従来のモデルより改善しています。モデルが封じ込めの境界を越えようとする傾向を調べるために設計された新しい評価では、Opus 5.5が境界を回避しようとした頻度は、Opus 5やClaude Mythos 5.1より約85%少なく、試みはすべて重大度が低く、自己申告されたものでした。Claudeをコードベースやシステム全体で無人のまま動かすチームにとって、この結果は生の能力と同じくらい重要だとされています。また、元に戻しにくい行動を取ったり与えられた境界の外で行動したりする可能性が最近のモデルよりはるかに低くなっています。アラインメントテストの範囲は、より長いタスク、不可能なタスク、実際のインシデントを模したシナリオにも広げられましたが、なお限界もあります。評価の詳細はOpus 5.5 System Cardで公開されています。

一方で、最近のアラインメント評価で述べたとおり、デプロイ前にあらゆる失敗を確実に捉える評価を作ることは、未解決の問題のままです。Opus 5.5は評価されていることをしばしば疑っている兆候があり、このため、デプロイされる多様な実世界の場面でどう振る舞うかを評価する能力が難しくなっています。この難しさは、デプロイされる場面が広がりモデルの能力が上がるにつれて、解釈可能性で進展がなければ大きくなると見込んでいます。測定できる領域でOpus 5.5が幅広く改善していることには自信があるものの、自社のアラインメントの取り組みに、次に述べるセーフガードを組み合わせているとしています。

分野ごとのセーフガードと提供範囲

セーフガードについて、モデルが強力になるにつれ、より厳格なセーフガードは、新しい能力が悪用の道具になるのを防ぐ手段の一つです。Opus 5.5は、サイバーセキュリティ、生物学、蒸留の分野で、Fable 5.1に似た種類のセーフガードとともに公開される最初のOpusモデルで、これらはいずれも別のモデルへフォールバックします。Opus 5.5は、生物学とサイバーセキュリティの面でClaude Mythos 5.1に匹敵するため、Fable 5.1に付けているものと同様のセーフガードを付けて展開されます。

サイバーセキュリティの面では、Opus 5.5はサイバー能力が極めて高いため、Fable 5.1に似たセーフガードが適用されます。ユーザーは通常のソフトウェア開発ライフサイクルの一環として、自分のコードのバグを特定して修正できますが、ほとんどのサイバーセキュリティ関連タスクはOpus 4.8に振り向けられます。サイバー防御者向けには、Cyber Verification ProgramをOpus 5.5も対象に含める形で近く拡大します。検証済みのサイバーセキュリティ実務者は、今後数週間のうちにOpus 5.5を業務で使えるようになります。新しいプログラムには、段階的により許容度の高い信頼されたアクセスを与える3つの階層があり、Claude Mythosモデルへのアクセスも含まれます。Claude Securityは、すでにClaude Mythos 5.1へのアクセス付きで利用可能です。

生物学の面では、Opus 5.5は高い能力があり、Opus 5を上回り、多くの作業領域でClaude Mythos 5.1と同等かそれ以上です。Dyno Therapeuticsとの協力で実施した長期の分子予測・設計評価で改善を示し、専門家のレッドチームは、その科学的新規性を、これまでテストした最良のモデルに匹敵すると評価しています。このためOpus 5.5には、Fable 5.1と同じ生物学用セーフガードが使われています。このセーフガードによって研究開発作業が妨げられる場合、ユーザーは新しいLife Sciences Verification Programに申し込めます。このプログラムは、学術研究室、スタートアップ、製薬会社などの審査を受けた組織に、生物学関連の作業の全範囲を想定して設計されたセーフガードへのアクセスを与えます。審査を受けた組織は、生物学研究でOpus 5.5を使うために、9月22日から申請できます。

蒸留攻撃(distillation attack)は、攻撃者が数千もの偽アカウントを使ってモデルの能力を産業規模で抽出するもので、安全性と国家安全保障上のリスクを生みます。蒸留により、悪意ある者は、Claudeに組み込まれているセーフガードを持たない、高い能力を備えたモデルを作れてしまいます。Opus 5.5は、Fable 5.1で導入した蒸留対策のセーフガードであるpreserved thinkingとともに公開されます。preserved thinkingは、APIユーザーがClaudeの過去のコンテキストを編集して、Claudeの推論を抽出しようとすることを防ぎます。この機能は、2026年8月31日以降に作成されたAPIアカウントについて、Fable 5.1とOpus 5.5に適用されます。

データの保持とコンプライアンスについて、Opus 5.5は、以前のOpusモデルと同様に、ゼロデータ保持(zero data retention)で利用できます。Fable 5.1と同様に、EU AI Actに準拠するためのウォーターマーク対策が付いています。また、思考(thinking)モードをオフにした状態では利用できなくなりました。Claude Opus 5.5は、Amazon Web Services、Google Cloud、Microsoft Azureを含むすべてのプラットフォームで利用可能です。Claude Platformでは、開発者は`claude-opus-5-5`で利用を開始できます。