Anthropicの公式リリースノートでは、Claude Opus 5は2026年7月24日に公開されています。私は日本時間の7月25日にClaude Webで提供を確認し、Opus 4.8と同じプロンプトを実際に入力しました。
試したのは、ブログ記事の根拠を守って修正する課題と、WordPressのPHPコードから意図的に入れた3問題を見つける課題です。どちらも新規チャット、エフォート「高」、Web検索なしで1回ずつ実行しました。
先に結論を言うと、今回の短い2課題では両モデルとも主要条件をほぼ満たしました。差が出たのはコードレビュー末尾の表現で、Opus 5は確認範囲を越えた安全性の断定を避け、Opus 4.8は「この3点を直せば安全に動きます」と言い切りました。
ただし、これは各1回の小規模な確認です。AnthropicがOpus 5で改善したと案内する長時間のエージェント作業、複数ファイル編集、1Mトークンの長い文脈は、今回のテストでは検証していません。
Claude Opus 5の公式発表で確認したこと
2026年7月25日時点のAnthropic公式情報を整理すると、次のとおりです。
| 項目 | Opus 4.8 | Opus 5 |
|---|---|---|
| 公式公開日 | 2026年5月28日 | 2026年7月24日 |
| APIモデルID | claude-opus-4-8 | claude-opus-5 |
| コンテキスト | 1Mトークン | 1Mトークン |
| 通常API入力価格 | 100万トークン当たり5ドル | 100万トークン当たり5ドル |
| 通常API出力価格 | 100万トークン当たり25ドル | 100万トークン当たり25ドル |
| Opus 5での案内 | 比較対象 | 思考は初期状態で有効、最大出力128k、5段階のエフォート |
料金はClaude APIの通常価格です。Claude WebのProプランで使える回数や上限を、APIの1トークン単価と同じものとして扱うことはできません。
AnthropicはOpus 5のプロンプトガイドで、複数ファイルにまたがる実装、コードレビュー、低・中エフォートでの性能、画面再現、長い文脈、複数エージェントの協調などを改善点として挙げています。一方、回答が以前より長くなりやすく、必要以上に検証したり、依頼範囲を広げたりする場合があるため、簡潔さや作業範囲を明示するよう案内しています。
「公式が改善したと発表したこと」と「この記事で実際に確認できたこと」は別です。この記事では、公式仕様は公式情報、文章とコードの差は今回の画面記録として分けて扱います。
比較条件：同じプロンプトを新規チャットへ1回ずつ入力
比較条件は次のとおりです。
- 実施日：2026年7月25日
- 環境：macOS、Google Chrome、Claude Web
- プラン画面：Claude Pro
- モデル：Opus 5 / Opus 4.8
- エフォート：両方とも「高」
- 会話：課題ごとに新規チャット
- プロンプト：モデル間で同一
- Web検索・ファイル添付：なし
- 入力データ：個人情報を含まない架空の記録と短いPHPコード
採点項目も回答を見る前に固定しました。形式、文字数、根拠の扱い、意図的に入れた問題の発見、修正版への反映を確認します。
回答時間は、送信してから画面の「応答を停止」ボタンが消えるまでを15〜20秒間隔で確認した上限値です。通信状態とClaude Webの表示処理を含むため、API速度や平均性能のベンチマークには使いません。
テスト1：根拠のない効果を記事から除けるか
最初の課題では、次の確認記録を渡しました。
確認済み：
- 2026年7月25日に画面でバージョン1.4.2を確認
- 設定変更はステージング環境だけ
- 記事生成は1回だけ計測して42秒
- 検索順位、アクセス数、表示速度は未計測
古い下書き：
「公式推奨の設定を公開サイトへ導入しました。
作業速度は30％上がり、SEOにも影響しません。
検索順位も改善したと感じます。」判定表を5行、修正版を280〜360文字、追加質問を3つ、自己点検を4つという条件も付けました。
Opus 5の結果
Opus 5は「公式推奨」「30％向上」「SEOへの影響」を要確認、「公開サイトへ導入」「検索順位改善」を根拠なしと分類しました。修正版は309文字で、確認できた画面・環境・1回の時間と、未確認の効果を分けています。
自己点検では、42秒の計測条件が不足して再現性が弱いことまでNGとして挙げました。入力記録の範囲を守るだけでなく、記録自体の弱さへ踏み込んだ点は丁寧です。ただし、短い記事修正なら少し慎重すぎると感じる人もいると思います。
Opus 4.8の結果
Opus 4.8も5項目を同じ判定へ分類し、修正版は299文字でした。確認済みの事実、未確認事項、比較データが必要な理由を一つの段落で簡潔にまとめています。
この課題は両方とも7項目中7項目を満たしました。文章だけを見てOpus 5へ大きく乗り換える差は出ていません。
テスト2：WordPressコードの3問題を直せるか
次は、次のショートコードへ意図的に3種類の問題を入れました。
add_shortcode( 'latest_note', function () {
$query = new WP_Query(
array(
'posts_per_page' => 3,
)
);
while ( $query->have_posts() ) {
$query->the_post();
$html .= '<a href="' . get_permalink() . '">' . get_the_title() . '</a>';
}
return $html;
} );見つけてほしい問題は次の3つです。
$htmlを初期化していない- URLとタイトルを出力時にエスケープしていない
wp_reset_postdata()で投稿データを戻していない
「重要な問題はちょうど3種類」「好みや推測を追加しない」「初心者向け説明は200〜280文字」と指定しました。
Opus 5の結果
Opus 5は3問題をすべて見つけ、$html = '';、esc_url()、esc_html()、wp_reset_postdata()を正しい位置へ追加しました。初心者向け説明は244文字です。
説明は「警告が出る」「悪意あるコードが混ざる恐れがある」「記事情報を元に戻す」と、今回のコードから言える範囲に留まっていました。採点は7項目中7項目です。
Opus 4.8の結果
Opus 4.8も3問題をすべて見つけ、修正版コードへ反映しました。初心者向け説明は237文字で、専門用語の短い説明も入っています。
一方、最後の「この3点を直せば安全に動きます」は、今回確認した短いコードだけでは保証できません。3問題を直したことと、WordPress環境全体で安全に動くことは別です。この断定を1項目減点し、7項目中6項目としました。
実測結果の一覧
| テスト | Opus 5 | Opus 4.8 | 今回の違い |
|---|---|---|---|
| 根拠を守った記事編集 | 7/7 | 7/7 | 両方が全条件を満たした。Opus 5は計測条件の不足まで自己点検 |
| WordPressコードレビュー | 7/7 | 6/7 | 両方が3問題を修正。Opus 4.8だけが修正後の安全性を広く断定 |
回答完了を確認できた時間も記録しました。
| テスト | Opus 5 | Opus 4.8 |
|---|---|---|
| 根拠を守った記事編集 | 24秒以内 | 153秒以内 |
| WordPressコードレビュー | 37秒以内 | 61秒以内 |
同じモデル内でも課題ごとの差が大きく、各1回だけです。今回はOpus 5の方が先に完了しましたが、Opus 5はOpus 4.8より何倍速いとは結論づけません。
実際に使って感じた違い
Opus 5は「言える範囲」の境界が一段細かかった
文章課題では両方とも未確認の効果を除けました。差が見えたのはコード課題です。
Opus 5は3問題を直した後も、「これでコード全体が安全」とは言いませんでした。今回のように、公開記事の断定を減らしたい作業や、修正範囲と保証範囲を分けたいレビューでは、この慎重さが役立ちます。
Opus 4.8も短い文章と単一コードでは十分に強かった
2課題の主要部分はOpus 4.8も正しく処理しました。短い原稿整理や、問題数が分かっているコードレビューなら、今回の結果だけを理由に急いで切り替える必要はありません。
Opus 5の公式な強みは今回まだ試せていない
Anthropicが大きく案内するのは、長時間のエージェント作業、複数ファイル、エンドツーエンドの実装、1Mトークンの文脈です。今回の入力は短い文章と1つのPHP断片なので、その強みを評価するには小さすぎます。
Opus 5へ切り替えるかの判断
今回の結果からは、次のように考えます。
- 短い文章整理が中心：Opus 4.8でも今回の条件は満たした
- コードレビューで断定の範囲を厳しくしたい：Opus 5を試す価値がある
- 複数ファイルや長時間の実装：公式上はOpus 5の主な改善対象。ただし自分の作業で再検証する
- API費用を理由に迷う：通常単価は両モデル同じ。品質、処理時間、再試行回数を含めて判断する
- Claude Webで使う：API価格ではなく、自分のプラン画面の上限と提供状況を確認する
モデル名が新しいことより、同じ課題、同じ条件、採用基準を残す方が判断しやすくなります。今回使ったプロンプトと回答は、再検証できるようローカルの作業記録にも保存しました。
公式情報と今回の実測を分けて読む
公式情報は次のページで確認しました。
- Anthropic：Claudeプラットフォーム リリースノート
- Anthropic：Opus 5プロンプトガイド
- Anthropic：Claudeモデル一覧
- Anthropic：Claude Opus 4.8発表
- Anthropic：モデル移行ガイド
このブログで他のAIを扱うときも、実利用、公式確認、未検証を分けています。比較全体の考え方はブログ運営のAI選び方にまとめています。
まとめ：短い課題では僅差、慎重な断定でOpus 5に差が出た
Opus 5とOpus 4.8を同じ条件で試したところ、記事編集は両方7/7、コードレビューはOpus 5が7/7、Opus 4.8が6/7でした。
Opus 4.8も主要な問題は解けています。今回の差は「新モデルだから何でも上」という大差ではなく、修正できた範囲を越えて安全性を断定しないという小さな違いでした。
次に比較するなら、複数ファイルのWordPressプラグイン、長い運用記録、途中で要件が変わる作業を同じ条件で試します。そこまで確認して初めて、Anthropicが案内する長時間・エージェント作業の改善を自分の用途で判断できます。
最終確認：2026年7月25日
コメント