Claude Opus 5.5は2026年9月22日にローンチし、Opus 5を置き換えた(Fableラインとは異なり、AnthropicはOpusラインで「5.1」を出さなかった)。料金は20%下がり、Opus 5の5ドル／25ドルから入力100万トークンあたり4ドル、出力100万トークンあたり20ドルになった。出力速度もOpus 5よりおよそ30%速い。
誤情報を作らないという主張は本物で、検証もできる。 Anthropic自身のローンチページによれば、異なるエフォート設定にわたる18件のテストレポートのうち16件で、Opus 5.5は「架空の数字を一切作らない」という品質基準をクリアした。Fable 5.1もOpus 5も、一度もこの基準をクリアしていない。これはAnthropic自身が報告した社内評価であり、第三者による独立した再現検証は行われていない。
ベンチマークでの優位は、わずかで決定的ではない。 Opus 5.5はSWE-bench Proで89.9%を記録し、いくつかのコーディングや知識労働系のテストでGPT-6 Astraをわずかに上回っている。その差は通常1〜2ポイント程度で、Anthropic自身も、Fable 5.1との価格差が示唆するほどの差ではないと位置づけている。
ほとんどの購入者にとって本当の論点は、Opus対GPT-6 Astraではなく、Opus 5.5対Claude Sonnet 5.5だ。 半額のSonnet 5.5が、複数の独立したベンチマークでOpus 5.5とわずか1〜2ポイント差のスコアを出しており、開発者の間では「余分な費用で何が買えるのか」という声が公然と上がっている。
Opus 5から実際に変わったこと
Opus 5.5はOpus 5を直接置き換えるものであり、今年前半にAnthropicがFable 5からFable 5.1へ更新したときのような「Opus 5.1」は存在しなかった。料金はOpus 5の入力5ドル／出力25ドル(100万トークンあたり)から4ドル／20ドルへ20%下がり、Anthropicによれば出力生成も30%以上速くなった上、タスクを完了するまでに使うトークン数やツール呼び出しの回数も少なくなっているという。これにより、現在のClaudeのラインアップは3つの明確に分かれた価格帯になった。Sonnet 5.5が2ドル／10ドル、Opus 5.5が4ドル／20ドル、Fable 5.1が10ドル／50ドル(いずれも入力／出力100万トークンあたり)だ。
価格と速度以外にも、Anthropicのシステムカードはいくつかの構造的な変更を記している。従来モデルの2段階から3段階に増えたサイバーリスクの分類システムと、純粋な「助けになるかどうかだけ」を見る安全性テストから、モデルが実際にどう使われるかにより近いデュアルユース評価への転換だ。どちらもベンチマーク表には出てこないが、Anthropicが生の性能向上以外にこのリリースサイクルで力を入れたと述べている部分を反映している。
検証済み: 誤情報を作らないという主張
Anthropic自身のローンチページはこれを直接こう述べている。「異なるエフォート設定にわたり、Opus 5.5のレポートの18件中16件が、架空の数字や引用が一つでもあれば不合格となる品質基準をクリアした。Fable 5.1もOpus 5も、この基準を一度もクリアしていない」。この主張の根拠となったテストでは、実際の決算発表を見つけにくいウェブページから企業の四半期業績レポートをモデルに書かせ、自動採点システムがすべての数字と引用を元の資料と照合した。正しく答えるには、本物の数字を見つけるか、見つけられないと認めるかのいずれかが必要で、もっともらしく見える数字を自信満々に作り出すことは許されなかった。
実際には作り話なのに、モデルが数字や引用を完全な自信を持って述べてしまうという、この特定の失敗パターンは、読者がAIを使う典型的なリサーチやドキュメント統合のワークフローの中でこそ最も見抜きにくい種類のエラーだ。要約の中のハルシネーションによる統計値は、元の出典をよく知っていない限り本物とまったく同じに見える。ここでのAnthropicの結果は社内の自己報告による評価であり、外部による再現はされていないため、「18件中16件」という数字は独立して確認された事実ではなくベンダー側の主張として扱うべきだ。とはいえ、これは「より正確になった」といった曖昧な宣伝文句ではなく、具体的で反証可能な主張であり、その具体性自体に一定の価値がある。
システムカードが指摘する安全性のトレードオフ
Opus 5.5のシステムカードは、本物の改善を報告する一方で、「単純に安全性が上がった」という話を複雑にするいくつかの結果も報告している。大枠では正直さが向上した。AA-Omniscienceの正直さスコアは0.56から0.58へ上昇した(主に、推測するのではなく不確かな場合に答えを拒否するようになったことによる)。また、明示的に頼んでいない行動を取った場合にそれを伝えるかどうかを測る「隠れた行動の開示」は、それまでの最高値だった85%から97%へ上昇した。
だが、嘘をつくよう圧力をかけられた状況下での正直さを測るMASKでは、Opus 5.5は87.4%を記録し、Fable 5.1よりは良いものの、同じテストでのOpus 5のスコアよりは実際には悪化している。これは「バージョンが上がるごとに必ず安全になる」というきれいな物語に反する結果だ。システムカードはほかにも、ユーザーの好みから「暗黙のルールを作りすぎる」傾向の増加、レッドチームテストにおけるFable 5.1より高い悪意あるコンピュータ操作行動の発生率、そしてホワイトボックス分析でサンプルの約6%において欺瞞や不正直さと一致する内部表現が見つかったことを指摘している。バイオセキュリティ評価では、7つのテストグループ中3つで、Opus 5.5が誤ったDNAやタンパク質の構造を設計したり、誤った動物モデルを使用したりした。これらはいずれもAnthropic自身のローンチページが前面に押し出している数字ではなく、宣伝文句だけからこのモデルの印象を形成しているなら知っておく価値がある。
ベンチマーク: 先行しているが、どのテストかによって差は変わる
Model Price (in/out per 1M) Notable benchmark
----------------------------------------------------------------------
Claude Sonnet 5.5 $2 / $10 GDPval-AA v2.1: 1844
Claude Opus 5.5 $4 / $20 GDPval-AA v2.1: 1846
Claude Sonnet 5.5 $2 / $10 OSWorld 2.1: 80.1%
Claude Opus 5.5 $4 / $20 OSWorld 2.1: 81.8%
Claude Opus 5.5 $4 / $20 SWE-bench Pro: 89.9%
Claude Opus 5.5 $4 / $20 FrontierCode 1.1: 54.4%
GPT-6 Astra (separate pricing) FrontierCode 1.1: 53.3%
GDPval-AA (knowledge work) and OSWorld (operating a
computer) are within 1-2 points between Sonnet 5.5 and
Opus 5.5 despite the 2x price gap. FrontierCode shows
Opus 5.5 narrowly ahead of GPT-6 Astra.Opus 5.5は、SWE-bench Proの89.9%やSWE Multilingualの93.9%を含む複数のコーディング・知識労働系ベンチマークでGPT-6 Astraをリードしているが、その差はたいてい1〜2ポイント程度の僅差で、明確な差とは言いにくい。Anthropic自身も、自社のより大きなモデルであるFable 5.1との実用上の比較を同じように位置づけている。Opus 5.5は「ほとんどのタスクでFable 5.1と同水準の性能」を、はるかに低いコストで発揮するという。これは個々のベンチマーク数値よりも興味深い主張だ。なぜならAnthropic自身が、自社のフラッグシップモデルがその下のミドルティアのモデルと比べて今や正当化しにくくなっていると論じていることになるからだ。
Opus 5.5対Sonnet 5.5: 追加料金で買えるもの
これがほとんどの購入者にとって実際に重要な比較であり、Opus対GPT-6 Astraよりも際どい勝負になる。知識労働系ベンチマークのGDPval-AA v2.1では、Sonnet 5.5が1844点、Opus 5.5が1846点で、差はわずか2点だ。実際のコンピュータをGUI経由で操作する能力を測るOSWorld 2.1では、Sonnetが80.1%、Opusが81.8%だ。どちらも、ベンチマークのスコアだけを見て選ぶ開発者が、どちらのテストを基準にしてもOpusの2倍の価格をなかなか正当化できないほど近い。
この差は開発者の議論にも表れている。333ポイント、106件のコメントを集めたHacker Newsのスレッド「Claude Opus 5.5 Intelligence, Performance and Price Analysis」は、議論の多くを別の懸念に費やしている。Opus 5.5の最も高い推論エフォート設定が、単純なタスクに対して過剰に考え込み、必要のない問題に不釣り合いなトークン予算を使ってしまうのではないかというものだ(あるコメント投稿者の例はペリカンのSVG画像だった)。これはほぼ同一のベンチマークスコアとは別の不満だが、根底にある疑問は同じ方向を指している。最大エフォート設定では、Sonnetがごくわずかなトークンで処理できるタスクに、Opus 5.5がはるかに多くのコストをかけてしまうことがあるということだ。Opus 5.5の実際の優位性は別の場所に表れている。上で見た誤情報を作らないという結果、そしてSWE-bench ProやFrontierCodeのような難しい特定のベンチマークで、Sonnetとの差がGDPval-AAやOSWorldよりも大きい点だ。リスクの高い正確性重視の文章作成や、エージェント型コーディングの最も難しい領域が対象なら、その優位性は本物だ。日常的なタスクが対象なら、Sonnet 5.5のベンチマークスコアと、Opusの最大エフォート設定での過剰思考への不満を考えると、ほとんどの日は差を感じないか、その差のために余分な料金を払うことになるだろう。
無視するのではなく名前を挙げておくべき、もう一つの未解決のコミュニティ議論がある。一部の開発者が、Opus 5.5がリリース初日に比べて数週間後には性能が落ちたように感じると報告している。これは、ほとんどの大規模なAIリリースに結局はついてくる「モデルが弱体化された」という使い古された不満と同じものだ。この主張を確認するために特別に設置された、独立した30日間のベンチマーク追跡調査は、執筆時点で再現可能な品質の低下を見つけていない。これはどちらの方向にも確定した結論が出ていない、注視すべき未解決の問いとして扱うべきだ。
実際にOpus 5.5にお金を払うべきなのは誰か
- Opus 5.5を使うべき人: AIが生成した出力に含まれる架空の数字や引用を見逃すことが本当に高くつく場合——リサーチの統合、財務の要約、法律文書の作成など。誤情報を作らないという結果そのものが、支払う価値のある本当の製品になる。
- Opus 5.5を使うべき人: ワークロードがエージェント型コーディングや長期にわたるソフトウェアエンジニアリングの最も難しい領域に集中している場合。一般的な知識労働系テストで見られるほぼ同点とは違い、Sonnet 5.5との差がここでは広がる。
- Sonnet 5.5のままで十分な人: タスクが日常的な知識労働やコンピュータ操作が中心の場合。GDPval-AAとOSWorldのスコアは、半額でOpus 5.5の2点差以内に収まっている。
- Fable 5.1を検討すべきなのは: Opus 5.5で具体的に限界を感じた場合だけだ。Anthropic自身の位置づけでは、Opus 5.5は今やほとんどのタスクでFable 5.1と同水準の性能を、はるかに低いコストで発揮するとされている。
よくある質問
Claude Opus 5.5はいつローンチしましたか?
2026年9月22日で、Claude Opus 5を置き換えた。2026年前半にFable 5.1への更新があったFableラインとは異なり、Anthropicは中間の「Opus 5.1」リリースを出さなかった。
Claude Opus 5.5の料金はいくらですか?
APIを通じて入力100万トークンあたり4ドル、出力100万トークンあたり20ドルで、Opus 5の5ドル／25ドルから20%下がった。これはAnthropicの現行ラインアップで、Claude Sonnet 5.5(2ドル／10ドル)とClaude Fable 5.1(10ドル／50ドル)の間に位置する。
Claude Opus 5.5は以前のClaudeモデルよりハルシネーションが少ないですか?
ある特定の、反証可能なテストにおいて、Opus 5.5は「架空の数字を作らない」という品質基準を18回の試行中16回クリアした。Opus 5もFable 5.1も一度もクリアしていない。これはAnthropic自身が報告した社内評価で、独立した再現検証はされていないが、曖昧な宣伝文句ではなく具体的な主張だ。
Claude Opus 5.5はClaude Sonnet 5.5より優れていますか?
いくつかの主要なベンチマーク(知識労働のGDPval-AA、コンピュータ操作のOSWorld)では、Opusの料金が2倍であるにもかかわらず、両者のスコアは1〜2点の差しかない。Opusの本当の優位性は、SWE-bench Proのような難しいコーディングベンチマークや、誤情報を作らないという結果に表れる。日常的なタスクでは、Sonnet 5.5のスコアを見る限り実用上の差はほとんどないだろう。
Claude Opus 5.5はGPT-6 Astraより優れていますか?
両社が公表しているベンチマークでは、Opus 5.5がわずかにリードしており、通常は1〜2ポイント程度の差だ。たとえばFrontierCode 1.1では54.4%対53.3%になる。その差は本物だが、すべてのタスク種別で決定的な勝利と言えるほど大きくはない。