何が起きたか
Anthropicの新モデルClaude Opus 5が、複数の独立評価機関のテストで現時点で最も高性能なAIの一つと位置づけられました。総合指標のArtificial Analysis Intelligence Index(知識・コーディング・科学的推論・事実正確性の9テストを合成)でOpus 5は61点を獲得。Fable 5(60)、GPT-5.6 Sol(59)、Kimi K3(57)、前世代の**Claude Opus 4.8(56)**を抑えて首位に立ちました。
コーディングでも強く、Claude Codeと組み合わせた「xhigh」設定でCoding Indexの首位タイ、Terminal-Bench v2.1では「max」設定で**89%を記録しGPT-5.6 Solと並びました。一方で物理ベンチマークCritPtやEpoch AIのEpoch Capability Index(Opus 5が159、Fable 5が161)**では僅差でFable 5に及ばず、フロンティアの争いが極めて拮抗していることを示しています。
なぜ重要か——「賢さ」より「設定と価格」
このニュースの核心は単なる王座交代ではありません。第一に価格です。Opus 5のIntelligence Index 1タスクあたりコストは$2.03で、Fable 5(フォールバック込み$2.75)より安い。トークン単価も入力$5/百万・出力$25/百万で、性能上位モデルが価格でも競争を仕掛けている構図です。記事はこの拮抗が「AIモデルはいずれコモディティ化する」という見方を補強すると指摘します。
第二に、推論設定(reasoning tier)の逆転という実務上の盲点です。Vals.aiのVibe Code Benchでは、スコアは「low」76.7%→「medium」82%→「high」89.8%と上がった後、「xhigh」88.3%・「max」88.4%へとむしろ下がりました。最上位設定ほど複雑な解を出しエラーが増える一方、「high」はシンプルで信頼性の高い解を生むためです。Terminal-Benchでも「high」が「max」を上回りました。理由は、最上位は1試行に時間を使いすぎ、制限時間内の試行回数が減るから。AnthropicがAPIとClaude Codeの既定値を「high」に設定しているのは、この特性を踏まえた合理的な判断と言えます。
オフィス業務では圧勝、ただし幻覚は増加
レポート作成・プレゼン構築・表計算分析を評価するAA-Briefcaseでは、Opus 5(max)がElo 1720でFable 5(1574)を146点引き離し、上位3枠を自社の3設定が独占。分析品質のEloは2016とFable 5比で約300点差の圧勝でした。しかも1タスク単価は$17.79とFable 5($22.30)から20%安くなっています。
ただし弱点もあります。AA-OmniscienceではOpus 4.8から7点改善したものの、不確実でも回答する傾向が強まり、**幻覚(ハルシネーション)率が14ポイント上昇して50%**に達しました。回答量と誤りがトレードオフになっている点は、業務導入時に無視できません。
💼 事業会社視点：これは自社にどう効くか
受託開発・SaaS・EC各社の役員がまず見るべきは「賢さの順位」ではなく「high既定の思想」です。Vibe Code Benchで最上位のmaxがhighに負けた事実は、AIコーディング導入で「一番強い設定を常時使えば良い」という発想が誤りであることを示します。CTO・開発責任者は、社内のClaude Code運用ガイドラインで既定をhighに固定し、maxは長時間許容できる難問だけに割り当てる運用設計を今すぐ整えるべきです。試行回数の観点は生産性に直結します。
EC・業務系SaaSにとってはAA-Briefcaseの結果が重い意味を持ちます。レポート・提案書・スプレッドシート分析でOpus 5が単価2割減でFable 5を大きく上回るなら、社内の分析代行や提案書作成の一部は人月からAPI課金へ置き換える検討余地が生まれます。ただし幻覚率50%は、顧客向け・数値を扱う業務では人間の検証工程を外せない水準です。「下書き生成はAI、確定は人」の分業を制度化してください。
経営者への含意はコモディティ化です。上位3モデルが1点差で並び価格も下がる以上、特定モデルへの依存はリスク。プロンプトと評価基準を資産化し、モデルを差し替え可能にしておくことが、次の価格・性能競争で優位を取る条件になります。