結論から: 半額のモデルが、フラッグシップをコーディングで抜いた

2026年7月24日、AnthropicがClaude Opus 5をリリースした。価格は入力$5/出力$25（100万トークンあたり）で、最上位モデルClaude Fable 5（$10/$50）のちょうど半額。ところが公式発表のベンチマークを見ると、ターミナルコーディングのFrontier-Bench v0.1でOpus 5は43.3%、Fable 5は33.7%。半額の「中位」モデルが、2倍の価格のフラッグシップを9.6ポイント上回っている。

コンピュータ操作のOSWorld 2.0でも70.6%対66.1%でOpus 5が上。つまり7月24日を境に、Anthropicのラインナップは「高いモデルほど賢い」という単純な序列が成立しなくなった。本記事はAnthropic公式発表を一次ソースに、この逆転が起きた仕組みと、価格と知能の関係がこの先どう変わるかを分解する。

何が出たのか: Claude 5ファミリーの3枚目

Opus 5はClaude 5世代の3番目のモデルだ。時系列を整理する。

日付	イベント
2026年6月9日	Claude Fable 5リリース（$10/$50、Mythosクラスの一般提供版）
2026年6月30日	Claude Sonnet 5リリース
2026年7月9日頃	Cursorのモデルピッカーに正体不明の「Honeycomb EAP」が出現
2026年7月24日	Claude Opus 5正式リリース（$5/$25、APIモデルIDは claude-opus-5）

7月上旬にCursorへ一時的に露出した研究モデル「Honeycomb」がOpus 5の実体だったことは、リリース時期と挙動から複数の観測者が指摘している。正式版はClaude.ai、Claude Code、Claude Cowork、APIで即日利用可能になり、Claude Maxではデフォルトモデルの座についた。

公式発表の冒頭はこう宣言する。

It's a thoughtful and proactive model that comes close to the frontier intelligence of Claude Fable 5 at half the price.

「半額でFable 5のフロンティア知能に迫る」。だが実際のベンチマーク表は「迫る」どころか、複数の領域で追い越している。

数字で見る逆転: 公式ベンチマーク一覧

公式発表と直後の検証記事から、主要な数字を並べる。

ベンチマーク	Opus 5	Fable 5	Opus 4.8
Frontier-Bench v0.1（ターミナルコーディング）	43.3%	33.7%	21.1%
OSWorld 2.0（コンピュータ操作）	70.6%	66.1%	55.7%
Zapier AutomationBench（業務ワークフロー）	26.0%	17.4%	17.0%
ARC-AGI-3（未知問題への適応）	30.2%	公表なし	1.5%
アライメント監査スコア（低いほど良好）	2.30	公表なし	2.85

補足すると、CursorBench 3.2ではFable 5のピークスコアの0.5%以内に、タスクあたり半分のコストで到達。科学系では有機化学でOpus 4.8比+10.2ポイント、タンパク質予測で+7.7ポイントと発表されている。

個別の主張も公式の言い回しをそのまま引くと、Frontier-Benchについては「すべてのモデルを上回り、Opus 4.8の性能を、より低いタスク単価で2倍以上にした」、ARC-AGI 3については「次点モデルの3倍のスコア」、OSWorld 2.0については次のように書かれている。

Opus 5 outperforms every other model at any given cost, surpassing Fable 5's best result at just over a third of the cost.

Fable 5のベストスコアを、およそ3分の1のコストで超えた。単なる「安い代替」ではなく、コストを固定したときの性能でも上、という主張だ。

表の数字はすべてAnthropic自身が公表したベンチマーク値である。リリースから2日しか経っておらず、第三者による独立検証はまだ出そろっていない。この点は後述の「限界」で詳しく扱う。

なぜ半額のモデルが勝てるのか: 3つのメカニズム

1. 6週間分の学習レシピの差

Opus 5はFable 5の蒸留版ではなく、Opus 4.8の系譜に連なる新しい学習イテレーションだ。ここが逆転の核心にある。Fable 5の学習が固まったのは6月9日のリリースより前。一方Opus 5は7月24日リリースで、エージェント的タスクに対するポストトレーニングのレシピはFable 5の時点より新しい。

つまりこの逆転は「小さいモデルが大きいモデルに勝った」のではなく、新しい学習レシピが古いレシピを、価格帯をまたいで追い抜いたという現象だ。フロンティアモデルの優位が学習レシピ1世代分、期間にして6週間程度しか持たなかったことになる。

2. スコアではなくタスク単価で測る設計

公式発表のベンチマーク主張は、ほぼすべて cost per task（タスク単価）とセットで書かれている。エージェント用途では、1回のタスク完了までにモデルは何十回もツール呼び出しと再試行を繰り返す。トークン単価が半分でも、迷走して軌道が2倍に伸びれば総コストは同じだ。

逆に言えば、タスク単価で勝つには単価の安さに加えて短い軌道でタスクを完走する行動品質が要る。公式が「thoughtful and proactive（思慮深く先回りする）」という表現を使うのは、この再試行の少なさを指していると読める。アライメント監査スコアがOpus 4.8の2.85から2.30へ改善している点も、指示からの逸脱ややり過ぎが減り、結果として軌道が短くなる方向と整合する。

3. 能力そのものを絞る安全設計

安全面の設計はFable 5と対照的だ。公式発表はこう明言する。

Opus 5 does not advance the frontier in risky, dual-use capabilities... it remains behind Mythos 5 in both biology research and offensive cybersecurity.

Fable 5はMythos 5と同一の基盤モデルに追加のセーフガード（分類器による介入）を載せる方式をとる。一方Opus 5は、生物学研究や攻撃的サイバー能力といったデュアルユース領域の能力自体をフロンティア未満に抑える方式だ。その帰結として、サイバー系の安全分類器の介入頻度はFable 5比で約85%少なくなる見込みと発表されている。サードパーティの検証記事では、サイバー攻撃タスクの成功が13問中4問（Mythos 5は13問中13問）という具体値も報告されている。

フィルタで止めるのではなく、能力の天井で止める。介入による誤検知や作業中断が減るぶん、日常のコーディング用途では「安全なのに邪魔されにくい」体験になる。安全と使い勝手のトレードオフを、フィルタ層ではなくモデル能力の層で解決するアプローチだ。

Fast Mode: 2.5倍速を2倍の価格で

Opus 5にはFast Modeが用意され、標準比で約2.5倍の速度を2倍の価格で提供する。注意したいのは、これが小さいモデルへの切り替えではなく、同一モデルの高速サービング（推論インフラ側の割り当て変更）である点だ。

料金設計として面白いのは、Fast Mode有効時の価格（$10/$50）がちょうどFable 5の標準価格と一致すること。同じ支払いで「最高知能のFable 5」か「準フロンティア知能を2.5倍速のOpus 5」かを選ぶ構図になり、対話的なコーディングのように待ち時間が生産性を支配する用途では後者が合理的になりうる。

限界と批判: 鵜呑みにしてはいけない点

すべてベンダー発表値である。 表の数字はAnthropic自身の測定で、独立検証はまだない。Frontier-Bench v0.1はバージョン番号が示すとおり新しいベンチマークで、自社モデルに有利な課題選定になっていないかは外部からは確認できない。過去のモデル発表でも、ベンダー公表値と第三者再現値のずれは繰り返し問題になってきた。

ARC-AGI-3の30.2%は「3倍」でも絶対値は低い。 次点の3倍というと劇的だが、7割の課題は解けていない。未知問題への適応はまだ人間との差が大きい領域だ。

仕様の開示が不完全。 公式発表にはコンテキストウィンドウ長と最大出力トークン数の記載がない。一部の報道は1Mコンテキスト/128k出力と伝えているが、本稿執筆時点で公式ドキュメントでの確認が取れた数字ではない。

専門特化領域ではFable 5が上のまま。 法務・医療などの専門ベンチマークでは依然として上位ティアが優位で、「Opus 5だけで全部置き換え可能」ではない。加えてMaxプランの週次利用上限は今回のリリースでも変わっておらず、ヘビーユーザーの不満は残っている。

5〜10年の視点: 「価格=知能」の序列が崩れた後の世界

今回のリリースが示した構造は、単発の逆転劇より射程が長い。

第一に、フロンティア価格の賞味期限が可視化された。$10/$50のフロンティア知能が、6週間後に$5/$25でほぼ再現された。この圧縮速度が続くなら、最上位モデルの価格プレミアムは「最新レシピへの先行アクセス料」と等価になっていく。恒常的にフラッグシップを使う理由は薄れ、レシピ更新の波に合わせて価格帯を渡り歩く運用が標準になる。

第二に、競争の単位がトークン単価からタスク単価へ移る。公式発表が一貫してcost per taskで語ったことは、エージェント時代の価格競争が「1トークンいくら」ではなく「1タスク完了いくら」で行われる宣言と読める。これはモデルの行動品質（軌道の短さ、再試行の少なさ）が価格性能比に直結することを意味し、ベンチマーク設計もこの方向に再編されていくはずだ。

第三に、安全設計がプロダクトの差別化軸になる。同一世代の中に、フィルタ介入型のFable 5、能力上限型のOpus 5、制限を外したMythos 5（承認組織限定）が並ぶ構成は、能力ティアではなく安全ポスチャのティアでラインナップを切る最初の本格例だ。規制当局がデュアルユース能力の管理を求める流れが強まるほど、この「能力の天井を製品仕様として設計する」手法は業界標準に近づくだろう。

「上位ほど賢い」という直感は、2026年7月24日にひとつの反例を得た。モデル選定の判断基準を、価格表の上下ではなくタスク単価と安全要件で組み直す時期に来ている。

参考リンク

Introducing Claude Opus 5 (Anthropic公式発表)

Claude Opus 5 Launch: Benchmarks, Price, Fast Mode (explainx.ai)

Anthropic releases new model, Opus 5 (Axios)

Claude Opus 5 Leaks: Launch Expected on July 20-21, 2026 (AIFOD)

Claude (language model) - Wikipedia