2026年7月24日、AnthropicがClaude 5ファミリーの新モデル「Claude Opus 5」を発表し、即日提供を開始した。
API価格はOpus 4.8と同じ入力$5／出力$25（100万トークン）に据え置きだ。一方で、Frontier-Bench v0.1ではOpus 4.8比で約2倍のスコアを記録するなど、性能は大きく向上している。
Anthropic公式も「Fable 5のフロンティア知能に、半額で肉薄するモデル」と表現している。
Fable 5にすべて任せたいが、それではMaxプランでも利用枠がすぐに尽きる。そんな配分の悩みを抱える筆者にとって、日常の主力が半額のまま強くなる今回のリリースはインパクトが大きい。
本記事では、Claude Codeを日常的に使う開発者である筆者の視点から、Opus 5のスペック・ベンチマーク・料金を速報的に整理したうえで、限られた利用枠をFable 5・Sonnet 5とどう配分するかという観点で、使い分けのコツと実践テクニックを解説する。
Claude Opus 5の概要：価格据え置きでFrontier-Benchは2倍
Opus 5の特徴は、ざっくり言って以下の3点だ。
- 価格据え置きだが性能アップ: API価格はOpus 4.8と同じ$5／$25のままだが、各種ベンチマークの性能が向上
- 日常使いの主力（daily driver）: Claude Maxプランのデフォルトモデルであり、Proプランでも使用可能。
- 売りは「効率」: ピーク性能が高いFable 5に対して、コストと性能のバランスが良好。
実際、Anthropicの広報は、「Opus 5はdaily driver、複雑な仕事を渡して、終わったらレビューするモデル。Fable 5は最も野心的な仕事、数日がかりの自律プロジェクトのためのモデル」と説明している。
Opus 5は、「全部これでいい最強モデル」ではなく、Fable 5を難題用に温存しつつ、日常を回す主力として設計されている。
| 項目 | 内容 |
|---|---|
| APIモデルID | claude-opus-5 |
| 価格 | 入力$5／出力$25（100万トークン） |
| コンテキスト | 100万トークン（200K版は存在しない） |
| 最大出力 | 128,000トークン |
| effort | low / medium / high / xhigh / max の5段階（APIデフォルトはhigh） |
| thinking | デフォルトON（Opus 4.8はOFFだった） |
| 提供先 | Claude API／Amazon Bedrock／Google Cloud／Microsoft Foundry／claude.ai／Claude Code |
thinkingは、最終回答を生成する前に、モデルが推論用トークンを使って問題を検討する仕組みである。Opus 5ではこれがデフォルトで有効（adaptive thinking）になっており、タスクの難しさに応じてモデル側が推論量を調整する。
effortは、その思考量・作業の丁寧さを5段階（low / medium / high / xhigh / max）で制御するパラメータである。effortを上げるほどモデルは深く検討し、トークン消費と料金も増える。
主要ベンチは大幅向上、Fable 5 を超えるスコアも
Anthropicの公式リリースから、主要なベンチマーク結果を整理する。
注目すべきは、競合のGPT-5.6 Solや、最上位モデルのFable 5すらも上回るスコアを出しているベンチマークもある点だ。
とりわけ目を引くのが「ARC-AGI-3」だ。暗記したパターンが通用しない初見の問題を解く力を測るベンチマークで、Opus 5は30.2%と次点のGPT-5.6 Sol（7.8%）の約4倍を記録した。Opus 4.8はわずか1.5%だったから、文字どおり桁が変わっている。
| ベンチマーク | Opus 5 | 主な比較対象 |
|---|---|---|
| Frontier-Bench v0.1（エージェンティック端末コーディング） | 43.3% | Fable 5: 33.7%、GPT-5.6 Sol: 34.4% |
| GDPval-AA v2（ナレッジワーク） | Elo 1,861 | Fable 5: 1,747、GPT-5.6 Sol: 1,736 |
| ARC-AGI-3（新規問題解決） | 30.2% | GPT-5.6 Sol: 7.8%、Opus 4.8: 1.5% |
| CursorBench 3.2 | max effortでFable 5のピークと0.5%差 | Fable 5比でコストは半分 |
| DeepSWE v1.1（長期エージェンティックコーディング） | 68.8% | GPT-5.6 Sol: 72.7%、Fable 5: 69.7%、GPT-5.6 Terra: 69.6% |
| OSS-Fuzz（脆弱性発見／エクスプロイト開発） | 79.4%／4課題 | Mythos 5: 80%／13課題 |
オーケストレーター／レビュワーよりはワーカーに適する
Fableよりも50%安いコストでありながら、これだけの性能を利用できるのは嬉しい。
Anthropicによれば、「Opus 5が勝つ評価は、特定の成果が定まった有界のタスク。仕事がベンチマークの射程を超えるとき手を伸ばすのはFable 5だ」と述べている。
部分的にスコアがFable 5を超えることはあっても、極めて難易度の高い全体設計などは、引き続きFable 5に任せた方がよい。
実際、批判的な独立検証として最も参考になるのが、AIコードレビューサービスCodeRabbitによるベンチマークだ。
実際のOSSプルリクエスト由来の約100件のエラーパターンを3回ずつ実行した結果、Opus 5（xhigh）はアクション可能なコメントの精度こそ改善したものの、既知バグの検出は減り、nitpick（些末な指摘）は約4倍に増え、全コメントで見た精度はベースラインを下回った。
CodeRabbitの結論は「唯一のレビュアーとして使うことは支持しない。」であり、同時に「レビュアーとしてよりビルダーとして優秀」「長時間のオーケストレーションでは依然としてFable 5の方が強力で効率的」とも評している。
配分の基本形：普段使いはOpus、難題はFable、量を回すならSonnet
今回のOpus 5の登場によって、Claude 5ファミリーの主要どころが概ね出揃った（Haikuはまだ4.5）。
| モデル | 価格（入力／出力 per MTok） | コンテキスト |
|---|---|---|
| Claude Fable 5 | $10／$50 | 1M |
| Claude Opus 5 | $5／$25 | 1M |
| Claude Sonnet 5 | $3／$15（2026年8月31日まで$2／$10） | 1M |
| Claude Haiku 4.5 | $1／$5 | 200K |
使い分けの勘所としては、以下のように考えておくと良い。
- Fable 5: 最も野心的な仕事。数日がかりの自律プロジェクト
- Opus 5: daily driver。複雑な仕事を渡して、終わったらレビューする（人間 or Fable）
- Sonnet 5: スケールで回す仕事。速度とコールあたりコストが勝負を決める領域
- Haiku 4.5: 単純作業、即答
Claude Codeチームのブログでは、Fableは「誰も見たことのない問題を見てきたスペシャリスト」、Opusは「エキスパート」、Sonnetは「優秀なジェネラリスト」と表現されている。
Fableは、「他のモデルが詰まっている問題を見て、誰も気づかない点を見抜くスペシャリスト」というべき存在だ。その認識力にこそ最も高い料金を払っているのだから、本当に必要なタスクのために温存する価値がある。
Opusは、FableをメインセッションとするClaude Codeから、サブエージェントとして呼び出して、計画とレビューをFableが担い、実作業は殆どOpusに実行させる、といった使い方がオススメだ。
どのモデルが常に優れているという話ではなく、タスクによってモデルを使い分ける必要があるのだ。
「モデル」選びと「effort」選びのコツ
Fable, Opus, Sonnetというモデルの使い分けに加えて、5段階のeffortレベル（low / medium / high / xhigh / max）をいかにして使い分けるかも重要だ。
モデル＝どれだけ賢いか、effort＝どれだけ丁寧に働くか、をそれぞれ制御するパラメーターだ。
Opus 5の公式推奨effortレベルは、基本は「high」である。ただし、コーディングとエージェンティック作業はxhighから始めることも推奨されている。
Opus 5の能力が必要でも毎回highほどの検討量は要らないワークロードなら、モデルをSonnetに下げる前に、effortをhighやmediumへ落として品質が保てるか評価する価値がある。
反対に、コーディングやドキュメント作成を依頼した時、期待したクオリティの結果が得られなかった時に、model / effort の引き上げを検討する場合、Claude Codeチーム公式が以下のように判断基準を整理している。
- まずコンテキストとプロンプトを疑う。指示が曖昧ではないか。必要なツールやファイルにアクセスできているか。CLAUDE.mdは適切か。
- それでも駄目なら、「知らなかったのか、頑張らなかったのか」を検証
- 知識・能力の不足（同じ間違いを続ける、曖昧な問題に弱い）ならモデルを上げる
- 検討量の不足（ファイルを読み飛ばした、テストを回さなかった、確認を怠った）ならeffortを上げる
Fable + サブエージェント（Opus / Sonnet）運用を使いこなせ
Claude Codeでは、メイン会話のモデルを切り替えるだけでなく、サブエージェント単位でモデルとeffortを指定できる。
サブエージェントは、メインの会話から、別のモデルを呼び出して、タスクの一部を切り出して実行させることができる委任の仕組みだ。
最も費用の高いFable 5を司令塔として、タスクの難易度によって、Opus 5やSonnet 5に仕事を割り振る運用がおすすめだ。
当ブログでも、過去の記事でFable 5を司令塔・監査役に絞るコスト削減術を解説しているので、そちらも参考にしてほしい。
AIエージェント活用はモデル性能より「利用枠の配分ゲーム」へ
Fable 5の半額で運用できるOpusが全体的に性能を上げたことは、それだけで十分ありがたい。何もしなくても、明日からの開発が少し楽になる類のアップデートだ。
ただ、筆者がそれ以上に実感しているのは、悩みの質が変わったことである。全てのタスクにFable 5を使えば、Maxプランであっても利用枠はあっという間に尽きる。フロンティア級のモデルが次々登場する一方で、「サブスクの範囲でどこまで走らせられるか」に頭を悩ませる日々だ。
つまりモデル選びはもはや「どれが最強か」という性能競争の話ではない。手元の限られた利用枠を、どのタスクにどう配分するかという設計の勝負に変わっている。
幸い、配分の基本形はシンプルだ。
- エキスパート（Opus 5）を標準に据える: 日々のコーディング・ドキュメント作成の主力
- スペシャリスト（Fable 5）は例外に温存する: 難題の設計と長期の自律プロジェクトだけに投入
- ジェネラリスト（Sonnet 5／Haiku 4.5）に量を流す: 定型作業とサブエージェントの探索
この配分設計を一度作ってしまえば、次のモデルが出ても構造ごと使い回せる。Opus 5は、最も出番の多い標準枠が半額のまま強くなったという意味で、配分ゲームのプレイヤーにとって最良のアップデートである。
Opus 5は今日からすべての経路で試せる。まずはClaude Codeをアップデートして /model opus を打つところから、自分の配分設計を始めてみてほしい。
