Anthropic、Claude Opus 4.7を発表──プログラミング能力が大幅向上、視覚解像度は3倍超に強化、サイバーセキュリティ保護機構を初搭載した新世代フラッグシップモデル
導入
本日、AnthropicはClaude Opus 4.7を正式に発表しました。Opus 4.6の直接的なアップグレード版であり、今回の更新は主に3つの方向に焦点を当てています：ソフトウェアエンジニアリング能力の大幅な向上、視覚理解の顕著な強化、そして新たなサイバーセキュリティ保護メカニズムの導入です。注目すべきは、Opus 4.7が現在のClaudeシリーズ中最も高性能なモデルではないということです──その位置は先週発表されたClaude Mythos Previewが占めていますが──Opus 4.7は、大規模なオープンデプロイメントに対応し、完全な安全体系の検証を完了した初の次世代フラッグシップモデルです。価格はOpus 4.6と同様で、API入力は100万トークンあたり5ドル、出力は100万トークンあたり25ドルです。
Claude Opusシリーズの背景と進化
Claude Opusは、Anthropicのフラッグシップモデルシリーズの中で最も上位に位置する製品ラインです。以前のOpus 4.6は2026年2月に発表され、複雑な推論、コード生成、長コンテキストタスクなどで優れた性能を示しました。先週、AnthropicはClaude Mythos Previewをリリースし、性能の上限をさらに引き上げましたが、安全上の理由から限定公開状態を維持しています。Opus 4.7の登場は、「最高の能力」と「幅広いデプロイメントの安全性」の間でAnthropicが実施したエンジニアリング上のバランスと捉えることができます──Mythos Previewよりもやや能力は劣るものの、体系的な安全検証を経ており、すべてのユーザーと企業に正式に開放可能です。
DataLearnerが収集した歴代バージョンのデータから、Opusシリーズの進化は非常に堅実であることがわかります：
| モデル | GPQA Diamond | SWE-bench Verified | Terminal Bench 2.0 |
|---|---|---|---|
| Opus 4.1 | 81.00 | - | - |
| Opus 4.5 | 87.00 | 80.90 | - |
| Opus 4.6 | 91.31 | 80.84 | - |
| Opus 4.7 | 94.20 | 87.60 | 69.40 |
GPQA Diamondのスコアは、Opus 4.1の81.00から4.5の87.00、4.6の91.31を経て、4.7では94.20と、各世代で実質的な向上を遂げています。SWE-bench Verifiedの飛躍はさらに顕著で、Opus 4.6と4.5の成績はほぼ同水準（80.84対80.90）ですが、4.7では一気に87.60に跳ね上がりました。この突破は、今回の発表で最も注目すべきポイントの一つです。
Claude Opus 4.7のコア能力：ソフトウェアエンジニアリングが大幅に向上
今回の更新で最も重要なハイライトは、特に複雑なタスクにおいて、ソフトウェアエンジニアリングタスクの著しい向上です。
初期テストパートナーからのフィードバックによると、向上幅はかなり顕著です：
- Cursor：CursorBenchの通過率が70%（Opus 4.6は58%）
- Rakuten：SWE-Bench内部評価で解決できるプロダクションタスク数がOpus 4.6の3倍
- GitHub Copilot：93タスクのプログラミングベンチマークで、解決率がOpus 4.6比で13ポイント向上し、以前の2つのモデルでは解決できなかった4つのタスクも解決可能に
- Notion：多段階ワークフロータスクの精度がOpus 4.6比で14%向上し、ツール呼び出しのエラー率が3分の1に低下
Opus 4.7の新たな行動パターンとして、作業開始前に自ら形式検証を行い、出力結果の前に自らの論理の正確性を能動的にチェックします。これは、ユーザーが問題を指摘するのを待ってから修正するのではなく、Opus 4.6よりも「最初によく考えてから行動する」傾向が強まっています。
指示遵守の面でも大幅な向上が見られます。ここで実際の影響について注意が必要です：以前Opus 4.6向けに調整したプロンプトは、現在異なる結果を生む可能性があります──旧モデルは指示に寛容な解釈をしていましたが、Opus 4.7はより文字通りに実行します。モデル切り替え後にプロンプトを再テストし、調整することをお勧めします。
視覚能力の重要なアップグレード：最大375万画素に対応
Opus 4.7は視覚理解において重要な基盤アップグレードを実施し、サポートする画像解像度が以前のバージョンの上限から、長辺2,576画素（約375万画素）に引き上げられました。これは、以前のClaudeモデルの3倍超です。
いくつかの典型的な実際の意義を挙げます：
- コンピュータ使用（Computer Use）シナリオ：高密度のスクリーンショット内のUI要素を明確に読み取ることが可能です。XBOWのテストでは、Opus 4.7の視覚精度ベンチマークスコアが98.5%に達し、Opus 4.6の54.5%を大幅に上回りました。この差は、以前は使用できなかった一連の作業シナリオを直接解放します。
- 科学・工学チャート：Solve Intelligenceの報告によると、化学構造式や複雑な技術チャートを正確に読み取れるようになりました。
- OSWorld-Verified（コンピュータインターフェース操作ベンチマーク）：Opus 4.7のスコアは78.00で、Opus 4.6の72.70から5ポイント以上向上し、DataLearnerが収集した12モデル中で2位にランクインしました。
これはモデルレベルの変更であり、APIパラメータの調整は不要です。モデルに送信する画像は、自動的により高い解像度で処理されます。高解像度画像はより多くのトークンを消費するため、追加の詳細が不要な場合は、送信前に画像をダウンサンプリングしてください。
サイバーセキュリティ能力と初の差別化保護メカニズム
この部分は、Opus 4.7の発表で特に注目すべき背景です。
先週、AnthropicはClaude Mythos Previewの発表と同時に、AIモデルのサイバーセキュリティ分野におけるリスクと価値を評価するためのプロジェクトGlasswingを公開し、新しい保護メカニズムが検証されるまでMythos Previewは限定公開を維持すると発表しました。Opus 4.7は、このサイバーセキュリティ保護メカニズムを搭載した初の正式リリースモデルです。
具体的には、AnthropicはOpus 4.7のトレーニングプロセスにおいて、サイバーセキュリティ関連の能力を意図的に差別的に低減させると同時に、高リスクなサイバーセキュリティリクエストを自動的に検出し遮断する保護メカニズムを導入しました。戦略的論理は、まず相対的に能力の低いモデルでこの体系を検証し、その後段階的に経験をMythosレベルモデルの幅広いリリースに適用することです。
正当なニーズを持つセキュリティ専門家（脆弱性研究、侵入テスト、レッドチーム評価）向けに、AnthropicはCyber Verification Programの申請チャネルを開放しています。
付随する新機能：xhigh推論レベル、タスクバジェット、/ultrareview
モデル自体に加え、今回の発表ではいくつかの付随する機能更新ももたらされます：
- 新しいxhigh推論レベルの追加：既存のhighとmaxの間に、xhighレベルが追加され、推論の深さとレスポンス遅延の間でよりきめ細かい制御が可能になりました。Claude Codeでは、すべての計画のデフォルト推論レベルがhighからxhighに引き上げられています。Opus 4.7でプログラミングやエージェントタスクをテストする際、Anthropicはhighまたはxhighから始めることを推奨しています。
- タスクバジェット（Task Budgets）のパブリックベータ版：Claude Platform APIにタスクバジェット機能が追加され、開発者はトークン消費の割り当て戦略をClaudeに指定でき、長時間実行タスクでモデルがリソースを合理的に割り当て、重要な作業を優先的に処理できるようになりました。
- Claude Codeに新しい/ultrareviewコマンドが追加：コード変更を一行ずつ読み、経験豊富なレビュアーが発見する欠陥や設計上の問題を指摘する専用のコードレビューをトリガーします。ProおよびMaxユーザーは無料で3回の試用が可能です。また、Auto mode（自動権限決定モード）がMaxユーザーにも拡張されました。
DataLearnerのベンチマーク評価データまとめ
DataLearnerは、Opus 4.7の代表的な評価成績を以下のように収集しています：
| 評価項目 | スコア | グローバルランク |
|---|---|---|
| GPQA Diamond（総合推論） | 94.20 | 4 / 167 |
| HLE（ツール使用） | 54.70 | 5 / 131 |
| SWE-bench Verified（ソフトウェアエンジニアリング） | 87.60 | 2 / 97 |
| SWE-Bench Pro - Public | 64.30 | 2 / 26 |
| BrowseComp（情報収集エージェント） | 79.30 | 6 / 36 |
| OSWorld-Verified（コンピュータ操作） | 78.00 | 2 / 12 |
| Terminal Bench 2.0（ターミナル操作） | 69.40 | 4 / 33 |
プログラミングとコンピュータ操作方向でのランク付けが非常に高く、これはAnthropicが今回重点的に宣伝しているソフトウェアエンジニアリング能力の方向と一致しています。
GPT-5.4、Gemini 3.1 Proとの横比較
DataLearnerが収集した競合比較データから、Opus 4.7の強弱分布は比較的明確です：
- プログラミング方向での優位性が顕著：SWE-bench VerifiedでOpus 4.7は87.60ポイントを獲得し、Gemini 3.1 Proは80.60ポイント、GPT-5.4は比較可能なデータが現時点ではありません。SWE-Bench Proでは、Opus 4.7が64.30ポイントでGPT-5.4の57.70ポイントやGeminiの54.20ポイントを大きくリードしています。これがOpus 4.7が最も称賛に値する方向です。
- 総合推論はほぼ拮抗：GPQA Diamondでは3者がほぼ並んでいます（Opus 4.7：94.20、GPT-5.4：92.80、Gemini 3.1 Pro：94.30）。HLEではOpus 4.7が54.70ポイントでわずかにリード（GPT-5.4：52.10、Gemini：51.40）。
- エージェント情報収集方向では後れをとる：BrowseCompでOpus 4.7は79.30ポイントですが、Gemini 3.1 Proは85.90ポイント、GPT-5.4は82.70ポイントと、これは相対的に弱い部分です。Terminal Bench 2.0でもGPT-5.4（75.10）がOpus 4.7（69.40）をリードしています。
- 価格面では現実的である必要があります：Opus 4.7の標準API価格（入力5ドル/出力25ドル）は、GPT-5.4（入力2.5ドル/出力15ドル、272Kトークン以内）やGemini 3.1 Pro Preview（入力2ドル/出力12ドル、200Kトークン以内）と比較して明らかに高価です。プログラミング能力以外のシナリオでは、どのモデルを選択するかは、具体的なタスクとコストを総合的に判断する必要があります。
移行時の注意点：トークナイザーの変更とトークン使用量の変化
Opus 4.6からOpus 4.7に切り替える際には、事前に計画すべき2つの変更があります：
- トークナイザーの更新：新しいトークナイザーはテキスト処理方法を改善していますが、同じ入力内容がより多くのトークンにマッピングされる可能性があり、テストデータではおよそ1.0〜1.35倍（内容の種類により異なります）です。
- より多くの推論出力：Opus 4.7は、特にエージェントタスクの後期対話ラウンドで、高い推論レベル下でより多くの思考トークンを生成します。
良いニュースは、Anthropicの内部プログラミング評価によると、タスクの完了品質とトークン消費を総合的に考慮すると、全体的な効率が改善されていることです──より高い完了率がトークンコストを薄めています。しかし、実際のビジネストラフィックでテストしてから切り替えることをお勧めします。Anthropicは完全な移行ガイドを提供しています。
使用方法と価格
Claude Opus 4.7は本日より全面的に開放され、以下のチャネルでサポートされています：
- Claudeすべての製品（claude.aiウェブ版、モバイル、デスクトップ）
- Claude API：モデル呼び出し文字列は「claude-opus-4-7」
- Amazon Bedrock
- Google Cloud Vertex AI
- Microsoft Foundry
価格はOpus 4.6と同様で、入力は100万トークンあたり5ドル、出力は100万トークンあたり25ドルです。
Claude Opus 4.7の完全な評価データと競合比較については、DataLearnerのモデル評価詳細ページをご参照ください。
読み込み中...