Claude Opus 5.5を発表

Claude Opus 5.5

新しいClaude 5.5ファミリーの最初のモデルとなるClaude Opus 5.5を発表します。このモデルは、多くの作業でClaude Fable 5.1と同等のレベルで動作し、Opus 5よりも運用コストが40%低くなっています。

Claude Opus 5.5は、私たちがフロンティアのペース配分を呼びかけて以来、最初のリリースです。リリース前に、Frontier DesignやMETRを含む外部評価者によってテストされました。私たちが実施する最も包括的なアライメントテストである自動行動監査では、Opus 5.5はこれまでにテストした中で最も強力なパフォーマンスを発揮するモデルです。また、最も高性能なモデルに開発された安全策も備えています。

Opus 5.5で期待できる改善点は以下の通りです。

パフォーマンス。 Opus 5.5はOpus 5から大幅な進歩を遂げました。新しい最先端モデルであり、早期テスターは最も複雑な作業でパフォーマンスの大幅な向上を実感しました。あるテスターは、68万行のコード移行を1日足らずで完了しました。これは、エンジニアリングチームが数週間かかる作業でした。ソフトウェアの非効率性を発見・修正する能力にも優れており、Webアプリの全ページの読み込み時間を短縮するように依頼したところ、Opus 5.5は40件中39件で成功しましたが、Opus 5はより小さな改善に留まり、アプリの動作も変更してしまいました。別のテスターは、複数のClaudeモデルに単一のプロンプトからゲームを構築させましたが、Opus 5.5はグラフィックスと洗練度で他のどのモデルよりも高いスコアを獲得しました。

安全性。 Opus 5.5は、数千のシミュレーションシナリオでClaudeをテストするアライメントスイートである自動行動監査において、これまでにテストされたどのモデルよりも優れたスコアを達成しました。最近のモデルと比較して、元に戻すのが難しい行動をとったり、与えられた境界外で行動したりする可能性がはるかに低く、Opus 5よりもプロンプトインジェクションに対する耐性が高くなっています。また、長時間のタスク、不可能なタスク、実際のインシデントに基づいたシナリオをカバーするようにアライメントテストを拡大しましたが、依然として限界はあります。評価の詳細については、Opus 5.5システムカードをご覧ください。

Opus 5.5は、生物学とサイバーセキュリティにおいてClaude Mythos 5.1に匹敵するため、Claude Fable 5.1と同様の安全策を適用して展開します。審査済みの組織は、生物学研究のためにOpus 5.5を使用するためのライフサイエンス検証プログラムに本日申し込むことができます。今後数週間でサイバー検証プログラムへのアクセスも拡大し、審査済みのサイバーセキュリティ実務家がOpus 5.5を業務に利用できるようになります。

コストと速度。 Opus 5.5はOpus 5よりもサービングに必要なコンピューティングリソースが少なく、その価格設定にも反映されています。当社のテストによると、デフォルト設定では一般的なワークロードでOpus 5よりも40%低コストになります。入力および出力トークンは100万あたり4ドルと20ドルで、Opus 5より20%低くなっています。キャッシュ読み込み（エージェントおよびコーディング作業コストの大部分を占める）は、100万トークンあたり0.20ドルで、Opus 5より60%低くなっています。Opus 5.5は、Opus 5よりも30%以上高速に出力を生成します。

価格引き下げに加え、Pro、Max、Team、およびシートベースのEnterpriseプランで5時間利用制限を増やしています。また、サブスクリプションユーザーにはレートリセットを提供しており、いつでも好きな時に使用できるようになりました。

コミュニケーション。 Opus 5.5は、以前のモデルよりも自然にコミュニケーションをとります。早期テスターは、その文章がより明確で理解しやすいと評価しており、これはOpus 5に関する一般的なフィードバックの一部に対応するものです。最も重要な情報を最初に提示し、そのスタイルは長時間のセッションでより良い作業パートナーとなります。ある早期テスターは、「私が書くように書く」と述べています。当社自身の利用においても、これによりOpus 5.5の作業が追跡・確認しやすくなり、実用的な利点であると同時に安全上の利点でもあります。

Claude Sonnet 5.5とClaude Haiku 5.5も数週間以内にリリースされ、パフォーマンス、効率性、安全性において同様の改善が多数施される予定です。

パフォーマンスとコスト効率

当社のベンチマークでは、Claude Opus 5.5はエージェントコーディング、コンピューター使用、知識作業においてリードしています。とはいえ、これらのレベルの能力では、ベンチマークの差は実際の差を測る指標として信頼性が低下していることがわかっています。当社の利用では、Opus 5.5とClaude Fable 5.1の差は、これらのスコアが示すほど大きくありません。

特に断りのない限り、すべてのClaude Opus 5.5の結果は、アダプティブシンキングを最大努力で使用しています。Terminal-Bench 4.0の結果は、Claude Opus 5.5をxhigh effort、GPT-6 Astraをhigh effortで報告しており、それぞれモデルの最高スコアを示しています。Claude Opus 5.5は、本番の安全策を有効にして評価されました。安全策が介入した場合、サイバーセキュリティタスクはClaude Opus 4.8で、生物学およびフロンティアLLM開発タスクはClaude Opus 5で完了されました。これにより、これらのベンチマークにおけるClaude Opus 5.5のパフォーマンスが低下する可能性があります。

1 Terminal-Bench 4.0: 標準誤差はClaude Opus 5.5で±2.6ポイント、他のClaudeモデルで±1.6～2ポイントです。公開リーダーボード（タスクあたり5試行、Claude Codeハーネス）では、Claude Opus 5は51.8%と報告されていますが、当社のセットアップではノイズの範囲内で52.3%と再現されています。GPT-6 AstraおよびGPT-5.6 Solの数値はOpenAIが報告したものです。

2 AutomationBench: AutomationBenchの結果はZapierによって実行・報告されました。これらの実行はフォールバックモデルなしで行われたため、安全策の介入は失敗と見なされ、Claude Opus 5.5が実際には達成できるスコアよりも低くなりました。Claude Opus 5.5の結果は、早期アクセス中の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からのものです。

3 Terminal-Bench-Science 0.1: 標準誤差はモデルあたり±3.5～5ポイントです。公開リーダーボード（タスクあたり3試行、Claude Codeハーネス）では、Claude Opus 5は30.0%と報告されていますが、当社のセットアップではノイズの範囲内で29.0%と再現されています。GPT-6 Astraの数値はOpenAIが報告したものです。

Opus 5.5の利点が非常に明確なのは効率性です。トークンあたりのコストはOpus 5よりも低く、タスクあたりのトークン使用量も少ないため、コストは40%削減されます。

Opus 5.5の高速モードは、Claude CodeおよびClaude Platformでも最大2.5倍の速度で利用可能です。入力トークンは100万あたり8ドル、出力トークンは100万あたり40ドルです。

コーディング

Opus 5.5は、コードベース全体の移行や監査のような長くて広範囲な作業に特に優れています。ある早期テスターは、20万行のコードベースの監査と修正を3時間未満で完了するためにこれを使用しました。Opus 5では20時間以上かかり、トークン使用量は2.5倍でした。社内テストでは、Opus 5.5とFable 5.1に、Webトラフィック負荷をサーバー間で分散するために広く使用されているソフトウェアであるHAProxyをCからRustに書き換えるように依頼しました。両方の書き換えはHAProxy自身の回帰テストのほとんどに合格しましたが、Opus 5.5はFable 5.1の12時間に対して9.5時間で完了し、コストは51%削減されました。

Opus 5.5は、コストのほんの一部でエージェントコーディングにおいて最先端の結果を提供します。FrontierCodeのデフォルトの努力レベルでは、タスクあたりのコストの約20%でGPT-6 Astraを上回ります。Terminal Bench 4.0では、コストの約40%でAstraと同等であり、CursorBenchではコストの約3分の1でGPT-5.6 Solを11ポイント上回ります。

Terminal-Bench 4.0精度 vs コスト

010203040506070スコア（%）251020試行あたりのコスト（USD、対数スケール）

Terminal-Bench 4.0は、モデルがコマンドラインインターフェース内で複雑なマルチステップのプロフェッショナルタスクをどの程度完了できるかを測定します。デフォルトの努力レベルでのOpus 5.5は、最大努力レベルでのOpus 5を約5分の1のコストで上回ります。コスト約40%でGPT-6 Astraに匹敵します。

早期テスターは同様の効率性と知能の向上を報告しています。

引用

開発者は、実際のソフトウェア作業を引き受けて完了できるエージェントを求めています。GitHub Copilot CLIおよびVS Codeでのテストを通じて、Claude Opus 5.5は測定されたトークン数とステップ数が最も少ない部類に入りました。VS Codeでは、Opus 5よりも半分のステップ未満でより多くのターミナルタスクを解決しました。個々のタスクをより効率的にするだけでなく、開発者のより大きなプロジェクトを実現可能にしています。

会社GitHub

著者Mario Rodriguez、Chief Product Officer

最も安全なコーディングエージェント

システム内でエージェントを使用する企業は、特に長期間自律的に実行される場合、それらのエージェントが意図したとおりに動作していることを知る必要があります。Opus 5.5には、実行されるすべての操作をスクリーニングする分類器、セキュリティチームが監査できるオープンソースサンドボックス、およびマージ前に脆弱性を検出するコードレビューが備わっています。

モデル自体もより強力な防御を備えています。プロンプトインジェクション攻撃に対しては、コーディング、ツール使用、コンピューター使用、Webブラウジングを含むすべての設定でOpus 5と同等かそれ以上です。AIセキュリティ企業Gray Swanが実行したベンチマークでは、Opus 5.5はテストされたどのモデルよりも低いプロンプトインジェクション成功率でFable 5.1と同等です。

知識作業

Opus 5.5は、信頼性が高く熟練したリサーチャーです。ある社内テストでは、Opus 5.5、Fable 5.1、Opus 5に、決算発表が見つけにくいWebサイトのコピーのみを使用して、企業の四半期業績に関するレポートを作成するように依頼しました。自動採点者が、すべての数値と引用をソースと照合しました。異なる努力レベル設定において、Opus 5.5のレポートの18件中16件が当社の品質基準をクリアしました。架空の数値や引用は失敗となります。Fable 5.1もOpus 5も、どの試行でもその基準をクリアしませんでした。

財務分析やビジネスワークにも強力です。投資会社で早期テスターでもあるWalleye Capitalは、Opus 5.5が最低設定で評価スイートの大部分を解決したと報告しました。より高い設定ではさらにパフォーマンスが向上し、評価指示の誤りを指摘して修正しました。これ以前に他のモデルがこの誤りを検出したことはありませんでした。

別のテストでは、Opus 5.5とOpus 5の両方に、架空の2つのHRソフトウェア企業間の合併提案を分析するようにタスクを割り当てました。それぞれがExcelで財務モデルを構築し、その価格で取引が妥当かどうかについての経営層向けプレゼンテーションにまとめました。両モデルとも取引について同じ結論に達しましたが、Opus 5.5のモデルはより徹底しており、プレゼンテーションはより読みやすかったのに対し、Opus 5のモデルには軽微なエラーがありました。Opus 5.5は93分かかったOpus 5に対して63分で完了し、作成コストは50%低くなりました。

知識作業の評価において、Opus 5.5は他のモデルを上回るパフォーマンスを発揮し、使用するトークン数も少なくなっています。GDPval-AA v2.1（44の職業にわたる実世界の作業をテスト）では、Opus 5.5は1846 Eloを記録し、Fable 5.1とOpus 5を上回っています。デフォルトの努力レベル（中程度）では、Opus 5.5は最大努力レベルのGPT-6 Astraをタスクあたりのコストの約5分の1で上回ります。また、ビジネスワークフローや大規模データ収集を測定するベンチマークでも他のモデルを上回りました。

GDPval-AA v2.1 Elo vs コスト

12001300140015001600170018000Elo0.200.5012510タスクあたりの推定コスト（USD、対数スケール）

Artificial AnalysisのGDPval-AA v2.1は、44の職業にわたる実世界のプロフェッショナルワークでエージェントを評価します。最大努力レベルでは、Opus 5.5は1846 Eloを記録し、Fable 5.1は1735、Opus 5は1708を記録します。デフォルトの努力レベル（中程度）では、Opus 5.5は最大努力レベルのGPT-6 Astraをタスクあたりのコストの約5分の1で上回ります。

お客様からのフィードバックも同様の結果を示しています。モデルとの作業について、お客様から寄せられた声は以下の通りです。

引用

「最低限の努力設定でも、Claude Opus 5.5はコードレビューで既知のバグの72%を検出しました。Opus 5は高努力設定で56%でしたが、誤検出は少なく、出力もわずかでした。米国コンサルティング分析では、低思考努力は出力の半分で高思考設定と同等であり、品質チェックをパスしました。より多くの低思考努力が本番環境に展開されると、それは効率的に配信されるクライアント対応の作業となります。」

会社Deloitte Consulting LLP

著者Carl Bennett、CIO

コミュニケーション

Opus 5では最もよく聞かれたフィードバック分野の一つである、Opus 5.5の文章作成とコミュニケーションの方法に大幅な改善を加えました。メッセージは一目で理解しやすくなり、テスターは長時間の作業セッションで役立ったと述べています。最も重要な情報を最初に提示し、専門用語や独特な言い回しを使いにくく、与えられた文章のルールに従います。これにより、Opus 5.5は明らかに優れたコラボレーターになると考えています。以下は、2つのモデルの比較です。

Claude Opus 5

問題を説明してください。

私が発見したこと

追加のドロップは無料ティアではなく、0552feb（「billing period boundaries into periods.py」に「No behaviour change」とラベル付け）の回帰です。

バグ

aggregate.monthly_usage は以前は半開区間でした。

現在は以下のようになっています。

そしてperiods.pyでは：

last_day は終日ではなく、深夜のdatetimeです。1日から1日を引くと8月31日 00:00 となり、比較は包括的なので、期間は実質的に31日の最初の瞬間に終了します。月末の深夜以降にタイムスタンプが付けられたすべてのイベントは、サイレントにドロップされます — 1アカウントあたり月あたり約1日分の使用量です。

新しいtest_periods.pyは、last_day.date()（正しくは2026-08-31）のみをチェックし、8月1日 00:00、8月15日 12:00、7月31日 23:59、9月1日 00:00でcontainsをテストするため、31日の内部をプローブしないため、これをキャッチしません。

Claude Opus 5.5

問題を説明してください。

追加のドロップは請求リファクタリングのバグです

無料ティアの変更は、Acmeの8月のドロップの1.50ドルにしか寄与していません。残りの9.92ドルは、コミット0552febのバグによるものです。そのコミットには「動作変更なし」というラベルが付いていましたが、月末から使用量のカウントを停止します。

変更点

マージ前、aggregate.pyは半開区間を使用していました。

リファクタリングにより、これをPeriod.containsに移動し、区間を誤った境界で閉じてしまいました。

last_dayは終日ではなく、深夜のタイムスタンプです。したがって、2026-08-31T00:00:00Z以降のすべてのイベントは除外されます。9月の期間は9月1日に始まるため、これらのイベントも取得しません。使用量は別の月に移動されるのではなく、請求されません。

お客様からのフィードバックはこれらの発見を裏付けています。

引用

「冗長で理解しにくい出力は、フロンティアモデルで最もフラストレーションを感じていた点でしたが、Claude Opus 5.5はそれを解決してくれました。良い同僚のように書き、私たちの文章のルールに従います。設計仕様は最小限の編集で利用可能になり、プロンプトを書き直した際には、自分のバージョンよりもそのバージョンを好みました。テストスイートを最適化した際には、その推論を簡単に追跡でき、自信を持って変更をリリースできました。」

会社Ramp

著者John Ruelas、Staff Software Engineer

安全性

フロンティアのペース配分

先週、当社のCEOであるDario Amodeiは、AIの進歩はペース配分されるべきであり、安全対策がモデルの能力に追いつくようにすべきだと主張しました。ペース配分は、AIを安全に保ち、中国との競争力を維持し、特に生物学や医学などの分野でAIの利点を実現するためのアプローチです。

今日のモデルがもたらすリスクは、現在ほぼ理解しており、それらを管理する準備はできています。しかし、能力が向上するにつれて、より深刻なリスクが急速に出現する可能性があり、今すぐそれらに備える必要があります。このため、当社の安全対策は2つの時間軸で同時に行われます。

現在のモデルのための安全対策。 現在世代のモデルは、確立された一連の対策に依存しています。広範なアライメントテスト、METRやFrontier Designなどの外部組織によるリリース前の評価、サイバーセキュリティや生物学のような高リスク分野における各モデルの能力に合わせた安全策です。これらの対策は、リリースごとに洗練させています。これらは、今日のモデルがもたらす最悪のリスクに適しており、深刻なリスクの範囲について広範（ただし完璧ではない）な画像を提供してくれると信じています。

さらに、アライメントされたモデルをトレーニングおよび評価する能力を追跡し、責任あるスケーリングポリシーの下で公開するリスクレポートで、公開モデルと内部モデルの両方を報告しています。これは、高度なAIシステムからの壊滅的なリスクを管理するための自主的なフレームワークです。

将来のモデルへの準備。 より高度なモデルを想定して、トレーニングおよび評価プロセスを準備しています。欠陥のある環境は、アライメントされていない動作の主要な原因であるため、強化学習で使用する環境のフィルタリングを厳格化しています。さらに、アライメント報酬を改善し、安全トレーニングのための新しい多様なシナリオを生成する自動化プロセスを開発しています。また、セキュリティと監視を強化しており、解釈可能性ベースの監視と評価を改善するための集中的な取り組みも含まれています。これらの技術により、モデルが作業中に書き出す推論（チェーン・オブ・ソート）の監査への依存を減らすことができると期待しています。AI研究自体の作業を完全に自動化できるモデルのような、より高い能力を持つモデルには、さらに高い安全基準が必要です。ペース配分を求める声は、そのようなモデルがすぐにトレーニングされる可能性があるという当社の予測に基づいていました。これらのモデルについては、上記の対策だけではその安全基準を満たすとは想定していません。AIがより有能になるにつれて、人々が信頼するシステムが安全であることを保証するために、公的政策がより大きな役割を果たすべきです。その能力を構築するには時間がかかり、私たちはそのインフラストラクチャの構築に着手しており、「We Must Pace the Frontier」およびAccentureとの最近の発表で説明したように、これらの取り組みに関する詳細をまもなく共有する予定です。また、規制や国際協調のアプローチなど、政策議論にも引き続き貢献していきます。

アライメント

約2,000のシナリオでClaudeを評価する当社の主要な評価スイートである自動行動監査において、Opus 5.5は、ほぼすべての不正な行動の尺度で、最近のClaudeモデルよりも優れたスコアを記録しました。また、正直さのほとんどの尺度においても、当社の最も強力なモデルです。

特に、Opus 5.5は、最近のサイバーセキュリティインシデントの原因となったいくつかの行動（偏ったまたは動機付けられた推論、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あると判断した後の有害な行動など）において、以前のモデルよりも改善されています。モデルがコンテインメント境界を越える傾向をテストするために設計された新しい評価では、Opus 5.5はOpus 5やClaude Mythos 5.1よりも85%少ない頻度で境界回避を試み、試行されたすべてのケースは低重大度で自己申告されました。コードベースやシステム全体でClaudeを無人で実行するチームにとって、これは生の能力と同じくらい重要です。

しかし、最近のアライメント評価で説明したように、デプロイ前にすべての失敗を確実に検出する評価を構築することは、未解決の問題のままです。Opus 5.5はしばしば評価されていることを疑っている兆候が見られ、これはデプロイされる広範な現実世界のさまざまな設定でどのように動作するかを評価する能力に挑戦します。これらの設定が拡大し、モデルの能力が増加するにつれて、解釈可能性で進歩しない限り、この課題は増大すると予想されます。Opus 5.5が測定可能な領域で広範な改善を示していると確信していますが、当社のアライメント作業は、以下に説明する安全策と組み合わせています。

安全策

モデルがより強力になるにつれて、新しい能力が悪用されるのを防ぐための手段として、より厳格な安全策があります。Opus 5.5は、サイバーセキュリティ、生物学、蒸留においてFable 5.1と同様の安全策を備えてリリースされる最初のOpusモデルであり、これらはすべて別のモデルに透過的にフォールバックします。

サイバーセキュリティ。 Opus 5.5は非常に強力なサイバー能力を持っているため、Fable 5.1と同様のサイバーセキュリティ安全策をOpus 5.5に適用しています。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部としてコードのバグを特定および修正できますが、ほとんどのサイバーセキュリティタスクはOpus 4.8にリダイレクトされます。

サイバー防御者向けに、まもなくサイバー検証プログラムをOpus 5.5に拡大します。新しいプログラムには、Claude Mythosモデルへのアクセスを含む、ますます許可される信頼されたアクセス向けの3つのティアが含まれます。Claude Securityは、Claude Mythos 5.1へのアクセスとともに既に利用可能です。

生物学。 Opus 5.5は生物学において非常に有能であり、Opus 5を上回り、多くの作業分野でClaude Mythos 5.1に匹敵またはそれを上回ります。例えば、Opus 5.5は、Dyno Therapeuticsとの協力で実施された長期間の分子予測および設計評価で改善を達成し、専門のレッドチーマーは、その科学的新規性をテストした最高のモデルと同等と評価しました。

このため、Opus 5.5はFable 5.1と同じ生物学安全策を使用します。これらの安全策によって妨げられる研究開発作業にOpus 5.5を使用するには、学術研究室、スタートアップ、製薬会社などの審査済み組織に、生物学関連の作業の全範囲に対応するように設計された安全策へのアクセスを提供する新しいライフサイエンス検証プログラムに申し込むことができます。関心のある組織はこちらから申し込むことができます。

蒸留（Distillation）

数千の偽アカウントを使用してモデルの能力を産業規模で抽出する蒸留攻撃は、安全性と国家安全保障上のリスクを生み出します。蒸留により、悪意のあるアクターは、私たちがClaudeに組み込んでいる安全策なしで、非常に有能なモデルを作成できます。当社の2026年9月の脅威インテリジェンスレポートは、これまでに検出および妨害された不正な蒸留活動を詳述しています。

Opus 5.5は、Fable 5.1で導入された蒸留防止安全策である保存思考（preserved thinking）を搭載してリリースされます。これは、APIユーザーがClaudeの推論を抽出するために、過去のコンテキストを編集することを防ぎます。これは、2026年8月31日以降に作成されたAPIアカウントに対して、Fable 5.1およびOpus 5.5に適用されます。当社のヘルプセンター記事はこの変更について説明しており、保存思考のドキュメントは、統合をテストおよび更新する方法を示しています。

データ保持とコンプライアンス

以前のOpusモデルと同様に、Opus 5.5はデータ保持ゼロで利用可能です。

Fable 5.1と同様に、Opus 5.5にはEU AI法に準拠するためのウォーターマーキング対策が施されています（こちらで議論されています）。また、こちらで説明されているように、「thinking」モードをオフにして利用することはできなくなりました。

利用可能性

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になりました。Claude Platformでは、開発者はclaude-opus-5-5で開始できます。詳細については、移行ガイドを参照してください。