Anthropicプロプライエタリ

Claude Opus 4.8

Name: Claude Opus 4.8
Author: Anthropic

このモデルを比較

Anthropic開発の最新基盤モデル。前世代から大幅に改善された性能と効率性を実現。

シェア:X はてブ LINE

パラメータ

非公開

コンテキスト長

ライセンス

プロプライエタリ

リリース日

2026-05-28

日本語性能

✅高品質日本語

多言語対応モデルのうち、日本語処理に優れた性能を持つモデル。

API料金

入力料金（1Mトークンあたり）

出力料金（1Mトークンあたり）

課金モード: standard

強み

弱み

活用例

深度分析

Arena Elo

1477

BenchLM 総合；コーディングサブセットでは 1537

SWE-bench Pro

69.2%

業界最高水準；GPT-5.5: 58.6%、Gemini 3.1 Pro: 54.2%

SWE-bench Verified

88.6%

Opus 4.7 の 87.6% から向上

GDPval-AA

1,890 Elo

GPT-5.5 に対して 67% の暗黙的勝率

Intelligence Index

61.4

リリース時に #1；Opus 4.7 から +4.1

入力 / 出力価格

$5 / $25 per 1M

Opus 4.7 から変更なし；ファストモード $10/$50

強み

・SWE-bench Pro 69.2% を達成し、GPT-5.5 や Gemini 3.1 Pro を大幅に引き離した、業界最高水準のエージェントコーディング性能
・コード欠陥を見逃す割合が約4分の1に減少し、長期的なエージェントワークフローでの信頼性が向上
・1M トークンでの最強の長コンテキスト推論能力（GraphWalks BFS 68.1% vs GPT-5.5 の 45.4%）とナレッジワーク Elo のトップ（GDPval-AA 1,890）

弱み

・GPT-5.5 はターミナルベースの DevOps コーディング（Terminal-Bench 78.2% vs 74.6%）で依然リードしており、エージェントタスクでのターン数も約30%少ない
・プロンプトインジェクション耐性が約2.3%から約7%の攻撃成功率に後退しており、敵対的環境では懸念材料
・高いトークン消費量と出力価格（$25/M）のため、コスト感度の高い大量ワークロードでは Gemini 3.1 Pro（$12/M出力）に比べ割高

競合比較

Model	Arena	GPQA	Price
GPT-5.5 (xhigh)	~1480*	~92%*	$25/$30
Gemini 3.1 Pro	~1460*	~92%*	$2/$12
Claude Fable 5	N/A	N/A	$10/$50

概要

Claude Opus 4.8 は、2026年5月28日にリリースされた Anthropic の Opus 4 シリーズの漸進的かつ実質的なアップグレードです。Opus 4.7 をベースに、エージェントコーディング（SWE-bench Pro: 64.3%→69.2%）、ナレッジワーク（GDPval-AA: 1,753→1,890 Elo）、科学的推論（Humanity's Last Exam 約3ポイント向上）で有意義な改善を実現し、従来の $5/$25 の価格設定と 1M トークンのコンテキストウィンドウを維持しています。発売時に Artificial Analysis Intelligence Index で 61.4 を記録し、GPT-5.5 を 1.2 ポイント上回って #1 の座を獲得しました。ベンチマーク数値を超えて、本リリースで最も重要な改善は行動面にあります。Opus 4.8 は前身モデルと比較してコード欠陥を見逃す確率が約4分の1に減少しており、初期テスターからはより優れた判断力、不適切な計画に対するより適切なフィードバック、エージェントワークフローにおける強力な自己修正機能が一貫して報告されています。また、Dynamic Workflows（Claude Code で最大1,000個の並列サブエージェントを可能にする研究プレビュー）、Effort Control（推論の深さを5段階で調整）、$10/$50 の価格で 2.5 倍のスループットを提供する新 Fast Mode を導入しています。Anthropic は Opus 4.8 を、さらに要求の厳しいタスクをより高価格で処理する新発表の Fable 5 および Mythos クラスモデルの下に位置する、信頼性の高いプロダクションティアとして位置づけています。モデルの主な弱点は、競合が構造的優位性を維持している領域にあります。GPT-5.5 はターミナルベースのコーディングタスクでリードし、エージェントベンチマークでより高いターン効率を達成しており、Gemini 3.1 Pro はコスト感度の高いワークロードで出力トークンが約2倍安価です。また、プロンプトインジェクション耐性は前のバージョンから後退しています。クリエイティブライティングは改善というより横ばいです。にもかかわらず、エージェントコーディングパイプライン、コードレビューオートメーション、長コンテキスト分析ツールを構築するチームにとって、Opus 4.8 は 2026年半ば時点で最強のメインストリームティアオプションです。

ベンチマーク＆性能

## 包括的ベンチマーク比較 ### コーディング＆ソフトウェアエンジニアリング | ベンチマーク | Claude Opus 4.8 | Claude Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro | |---|---|---|---|---| | SWE-bench Verified | 88.6% | 87.6% | — | 80.6% | | SWE-bench Pro | 69.2% | 64.3% | 58.6% | 54.2% | | Terminal-Bench 2.1 | 74.6% | 66.1% | 78.2% | 70.3% | | OSWorld-Verified | 83.4% | 82.8% | 78.7% | 76.2% | | SWE-bench Multilingual | 84.4% | — | — | — | | SWE-bench Multimodal | 38.4% | — | — | — | ### 推論＆ナレッジ | ベンチマーク | Claude Opus 4.8 | Claude Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro | |---|---|---|---|---| | GPQA Diamond | 93.6% | 91.4% | ~92% | ~92% | | Humanity's Last Exam（ツール使用） | 57.9% | 54.7% | 52.2% | 51.4% | | Humanity's Last Exam（ツール不使用） | 49.8% | 46.9% | — | — | | CritPt（物理学） | 20.9% | — | より高い | より高い | | Intelligence Index (AA) | 61.4 | 57.3 | 60.2 | — | ### エージェント＆ナレッジワーク | ベンチマーク | Claude Opus 4.8 | Claude Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro | |---|---|---|---|---| | GDPval-AA (Elo) | 1,890 | 1,753 | 1,769 | 1,314 | | AA-Omniscience Index | 27.4 | ~26.5 | — | 32.9（Pro がリード） | | ハルシネーション率 | 35.9% | ~36% | より高い | より高い | | GraphWalks BFS (1M) | 68.1% | — | 45.4% | — | | GraphWalks BFS (256K) | 85.9% | — | — | — | | BrowseComp | 84.3% | — | — | — | | Finance Agent v2 | 53.9% | 51.5% | — | 57.9% (Flash) | ### 整合性＆安全性 | 指標 | Claude Opus 4.8 | Claude Opus 4.7 | |---|---|---| | コード要約の不正直率 | 3.7% | ~15%（推定4倍悪化） | | ミスアライメント行動スコア | 1.9 | 2.5 | | プロンプトインジェクション攻撃成功率 | ~7% | ~2.3% | | 社会的親和性特性スコア | 過去最高 | それまでの最高値 | ### Arena 性能（BenchLM） | カテゴリ | Elo | 順位 | |---|---|---| | 総合 | 1,477 | Top 10 | | コーディング | 1,537 | Top 5 | | 難しいプロンプト | 1,510 | Top 5 | | マルチターン | 1,496 | Top 10 | | 指示追従 | 1,481 | — | | クリエイティブライティング | 1,461 | — |

詳細比較

## 直接比較 ### Claude Opus 4.8 vs GPT-5.5 (OpenAI) | 次元 | Claude Opus 4.8 | GPT-5.5 | |---|---|---| | 価格（入力/出力） | $5/$25 | $25/$30 | | コンテキストウィンドウ | 1M トークン | 1M トークン | | SWE-bench Pro | 69.2% | 58.6% | | Terminal-Bench 2.1 | 74.6% | 78.2% | | GDPval-AA | 1,890 Elo | 1,769 Elo | | Intelligence Index | 61.4 | 60.2 | | ターン効率 | 約30%ターン数が多い | ベースライン | | GraphWalks BFS (1M) | 68.1% | 45.4% | **結論：** Opus 4.8 はトークン単価が大幅に安く、エージェントコーディング（SWE-bench Pro で 10.6 ポイント差）とナレッジワーク（GDPval-AA で 121 Elo 差）でリードしています。GPT-5.5 はターミナルベースの DevOps タスクでリードを維持しており、ターン効率が高いため、一部のワークロードでは高いトークン単価を相殺できます。1M トークンでの長コンテキスト推論では、Opus 4.8 が大幅に先行しています。 ### Claude Opus 4.8 vs Gemini 3.1 Pro (Google DeepMind) | 次元 | Claude Opus 4.8 | Gemini 3.1 Pro | |---|---|---| | 価格（入力/出力） | $5/$25 | $2/$12 | | コンテキストウィンドウ | 1M トークン | 1M+ トークン | | SWE-bench Pro | 69.2% | 54.2% | | Terminal-Bench 2.1 | 74.6% | 70.3% | | GDPval-AA | 1,890 Elo | 1,314 Elo | | AA-Omniscience | 27.4 | 32.9 | | ハルシネーション率 | 35.9% | より高い | **結論：** Gemini 3.1 Pro は出力トークンが約2倍安価で、AA-Omniscience の事実性でリードしています。Opus 4.8 はコーディング精度（SWE-bench Pro で 15 ポイント差）とナレッジワーク（GDPval-AA で 576 Elo 差）で圧倒しています。コストが主要な制約であり、コーディング精度の差が価格の倍率を正当化できないチームには、Gemini が現実的な選択肢です。エージェントコーディングとプロフェッショナルなナレッジワークでは、Opus 4.8 がはるかに優れた結果を提供します。 ### Claude Opus 4.8 vs Claude Fable 5 (Anthropic) | 次元 | Claude Opus 4.8 | Claude Fable 5 | |---|---|---| | 価格（入力/出力） | $5/$25 | $10/$50 | | コンテキストウィンドウ | 1M トークン | 1M トークン | | SWE-bench Pro | 69.2% | 80.4% | | SWE-bench Verified | 88.6% | 95.0% | | GDPval-AA | 1,890 Elo | 1,932 Elo | | データ保持要件 | なし | 30日間保持 | | セーフティフォールバック | — | Opus 4.8 にフォールバック | **結論：** Fable 5 は Anthropic の新しい最上位ティアで、コーディングベンチマーク（SWE-bench Pro で +11.2 ポイント）において Opus 4.8 を圧倒的に上回りますが、価格は2倍で、30日間のデータ保持要件があります。Opus 4.8 はメインストリームのプロダクションモデルとして、またフラグされたセッションに対する Fable 5 のセーフティフォールバックとしての両方の役割を果たし、Fable の条件やコストにまだ準備ができていないチームにとって信頼性の高いワークホースとなります。

コミュニティ評価

## コミュニティの反応 **開発者・アナリストのコンセンサス：** Claude Opus 4.8 は、意味あるが革命的ではないアップグレードとして受け止められています。レビュー全体でのコンセンサスは、Claude がすでに強みとしていた領域（コーディング、構造化分析、エージェントワークフロー）で優秀な性能を発揮する一方、クリエイティブライティングや一部の推論タスクでは改善が限定的というものです。 **コーディングコミュニティ（好評）：** Cursor は「Opus 4.8 はあらゆるエフォートレベルで従来の Opus モデルを超えている」、「ツール呼び出しが意味的により効率的で、同等の知性を得るためにより少ないステップを使用する」と報告しました。Devin（Cognition）は「ツールをきれいに使用し、私たちの自律エンジニアリングワークロードが必要とする一貫性を持って指示に従う」と述べました。GPT-5.5 に対する SWE-bench Pro の 10.6 ポイント差は、開発者向けコミュニティで大きな注目を集めました。 **エンタープライズユーザー（好評）：** Databricks は Genie AI エージェントにおける「エージェント推論のステップチェンジ」を報告しました。Bridgewater Associates は「分析の入出力に関する問題を積極的に指摘する傾向」を称賛しました。Harvey Legal Benchmark では、法的 AI 精度の過去最高記録を更新しました。 **正直さのテーマ（注目）：** 多くのレビュアーが、改善された正直さと自己修正機能を強調しています。Android Authority のレビューでは、Opus 4.8 が「その考えを共有することを恐れず」、不可能な前提条件を指摘して無理に進めることを回避することが判明しました。コード欠陥を見逃す確率の約4分の1への減少は、Awesome Agents によってベンチマークの向上よりも価値がある可能性があると指摘されました。 **批判（賛否両論）：** Tech Yahoo のレビューでは、クリエイティブライティングが「せいぜい横ばい」であり、Opus 4.7 が正しく解決した推理謎解きに Opus 4.8 が失敗したことが指摘されました。トークン消費は依然として痛いポイントであり、あるレビューでは単一のコーディングプロンプトで Pro プランのトークン割り当て全体が消費されたと指摘しています。300K のハヤスタ針テストは完全に崩壊しましたが、85K バージョンは動作しました（モデルがセーフティトレーニングのために結果の報告を拒否した後）。 **Reddit／コミュニティの感情：** 信頼性の向上を重視するコーディング重視のユーザーの間では概ね好意的な感情があり、トークンコストとプロンプトの再調整が必要になる迅速なリリースサイクル（4.7 から 4.8 まで 41 日間）に対してフラストレーションが向けられています。Fable 5 のセーフティフォールバックとしてのモデルの役割は、信頼の表れであると同時に、Anthropic が Opus 4.8 をフロンティアではなくプロダクションティアと見なしていることを示す指標として注目されています。

ユースケース

## ユースケース詳細 ### 1. エージェントコーディングとコードレビューオートメーション **Opus 4.8 を選択すべき場面：** これはモデルの最も強力なユースケースです。SWE-bench Pro で 69.2%（記憶対策ベンチマーク）を達成し、マルチファイルソフトウェアエンジニアリングタスクで業界をリードしています。自らのコード欠陥を見逃す確率の約4倍の改善は、見落とされたバグが後続のステップで複合的に拡大する自律コードレビューパイプラインで特に価値があります。Dynamic Workflows によりコードベース規模の並列作業が可能で、初期採用者は 75 万行のマイグレーションに使用しています。リポジトリレベル（マルチファイル diff、リファクタリング）の作業では GPT-5.5 よりも Opus 4.8 を選択してください。ターミナル中心の DevOps 作業が多い場合は GPT-5.5 が適しています。コーディング精度の差が2倍の出力価格プレミアムを正当化できる場合は、Gemini 3.1 Pro よりも Opus 4.8 を選択してください。 ### 2. 長コンテキスト分析とナレッジワーク **Opus 4.8 を選択すべき場面：** その規模での強力な推論能力（GraphWalks BFS 68.1% vs GPT-5.5 の 45.4%）を持つ 1M トークンのコンテキストウィンドウにより、大量の文書コーパスの分析を必要とするタスクに最適なモデルです。Hebbia のファイナンスチームは、密度の高いファイリングにおける「引用精度の目に見える改善」を報告しています。Databricks は Genie エージェントで Opus 4.7 より 61% トークンコストを抑えて、PDF、図表、非構造化コンテンツの推論に使用しています。GDPval-AA の 1,890 Elo（GPT-5.5 に対して 67% の勝率）がナレッジワークの優位性を確認しています。精度と引用品質が重要な金融、法律、文書集約型のプロフェッショナルワークフローでは、GPT-5.5 よりもこちらを選択してください。 ### 3. 科学的・学術的推論 **Opus 4.8 を選択すべき場面：** Opus 4.8 はツール使用の Humanity's Last Exam で 57.9% を記録し、GPQA Diamond で 93.6% を達成して、以前の Claude リリースが持っていた学術推論でのギャップを解消しました。現在、CritPt（物理学）では Gemini 3.1 Pro をわずかに上回っています。科学論文の分析、実験設計、ドメイン固有の推論を単一モデルで処理する必要がある研究チームにとって、Opus 4.8 はメインストリームティアで推論品質とコストの最良のバランスを提供します。 ### 4. 信頼性要件の高いマルチステップエージェントオーケストレーション **Opus 4.8 を選択すべき場面：** 改善された正直さ（サイレントに欠陥のあるコード出力が約4分の1に減少）、エージェントタスクでのより優れた判断力（ミスの検出、不適切な計画へのフィードバック）、並列サブエージェント用の Dynamic Workflows 機能の組み合わせにより、無人で実行する必要がある自律エージェントを構築するチームにとって最適な選択肢です。CoCounsel の法的チームは「一貫性と推論品質の有意義な改善」を報告しています。Effort Control API を使用すると、サブタスクごとに推論の深さを調整でき、単純なルックアップには低エフォート、複雑な分析には最大エフォートとすることで、パイプライン全体のコストパフォーマンス曲線を最適化できます。エージェントが数時間実行され、サイレントに欠陥のある中間出力を生成する余裕がない場合に選択してください。 ### Opus 4.8 を選択すべきでない場面： - **ターミナル中心の DevOps：** GPT-5.5 が Terminal-Bench 2.1 で 3.6 ポイントリード - **コスト制約の高い大量ワークロード：** Gemini 3.1 Pro は出力が約2倍安価 - **クリエイティブライティング：** 4.7 からの改善は無視できる程度；他のモデルの方が適している場合がある - **敵対的環境：** プロンプトインジェクション耐性が約7%の攻撃成功率に後退 - **コストを問わない最大限の能力：** Claude Fable 5 が2倍の価格ですべてのコーディングベンチマークで上回る

最新ニュース

## 最新の動向（2026年半ば時点） **リリース（2026年5月28日）：** Claude Opus 4.8 は、Opus 4.7 と同一の価格（$5/$25）、同じ 1M トークンのコンテキストウィンドウ、および Dynamic Workflows（最大1,000個の並列サブエージェントの研究プレビュー）、Effort Control（5段階の推論ダイヤル）、Fast Mode（$10/$50 で 2.5 倍の速度、以前のファストティアより3倍安価）、Messages API での会話途中のシステムメッセージサポートなど、いくつかの新機能を搭載してローンチしました。 **プロンプトキャッシュの改善：** プロンプトキャッシュの最小コンテキストウィンドウが 4,096 トークンから 1,024 トークンに引き下げられ、コード変更なしで短いプロンプトの自動キャッシュが可能になりました。 **Fable 5 との関係（2026年6月9日）：** Opus 4.8 の12日後、Anthropic は新しいプレミアムティアである Claude Fable 5（$10/$50、30日間データ保持）をリリースしました。Opus 4.8 は Fable 5 のセーフティ分類器フォールバックとして機能し、Fable のセーフティシステムがセッションをフラグするとリクエストは Opus 4.8 にルーティングされ、Mythos 時代の事実上の「安全な表面」となります。 **Claude Mythos Preview（Opus 4.8 と同時に発表）：** Anthropic は Project Glasswing に言及し、少数の組織がサイバーセキュリティ作業に Claude Mythos Preview を使用していることを示しました。Claude Opus 4.8 のシステムカードでは Mythos を「最も整合性の取れたモデル」としており、より強力な安全制約を持つより高い能力ティアを表すことを示唆しています。 **評価マイルストーン：** Anthropic は Opus 4.8 のローンチ当日に、9,650億ドルの評価額で 650億ドルのシリーズ H をクローズしました。 **エコシステムの採用：** リリースから数日以内に、Cursor、GitHub Copilot、Windsurf、CodeRabbit、Replit がデフォルト選択可能なモデルとして Opus 4.8 を採用しました。モデルは Claude API、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Azure AI Foundry で利用可能です（Foundry では 200K コンテキスト制限、その他では 1M）。 **今後のロードマップ：** Anthropic は、より低コストで Opus レベルの機能を提供するモデルのリリースと、サイバー上の保護を強化した後に Mythos クラスモデルを「数週間以内に」一般公開する計画を示唆しました。

ベンチマーク数値を超えて、本リリースで最も重要な改善は行動面にあります。Opus 4.8 は前身モデルと比較してコード欠陥を見逃す確率が約4分の1に減少しており、初期テスターからはより優れた判断力、不適切な計画に対するより適切なフィードバック、エージェントワークフローにおける強力な自己修正機能が一貫して報告されています。また、Dynamic Workflows（Claude Code で最大1,000個の並列サブエージェントを可能にする研究プレビュー）、Effort Control（推論の深さを5段階で調整）、$10/$50 の価格で 2.5 倍のスループットを提供する新 Fast Mode を導入しています。Anthropic は Opus 4.8 を、さらに要求の厳しいタスクをより高価格で処理する新発表の Fable 5 および Mythos クラスモデルの下に位置する、信頼性の高いプロダクションティアとして位置づけています。

モデルの主な弱点は、競合が構造的優位性を維持している領域にあります。GPT-5.5 はターミナルベースのコーディングタスクでリードし、エージェントベンチマークでより高いターン効率を達成しており、Gemini 3.1 Pro はコスト感度の高いワークロードで出力トークンが約2倍安価です。また、プロンプトインジェクション耐性は前のバージョンから後退しています。クリエイティブライティングは改善というより横ばいです。にもかかわらず、エージェントコーディングパイプライン、コードレビューオートメーション、長コンテキスト分析ツールを構築するチームにとって、Opus 4.8 は 2026年半ば時点で最強のメインストリームティアオプションです。

出典

分析生成日: 2026-07-17