記事の理解を助けるための画像
低価格化と生成速度の向上を両立
米Anthropic（アンソロピック）は9月22日（韓国時間23日）、生成AIの新モデル「Claude Opus 5.5」を発表した。5.5シリーズの第1弾で、多くの作業においてClaude Fable 5.1と同程度の性能を維持しながら、実行コストを従来のOpus 5より40％抑えたとしている。
出力の生成速度もOpus 5に比べて30％以上向上したという。API料金は100万トークン当たり入力4ドル、出力20ドル。Opus 5の入力5ドル、出力25ドルから引き下げた。
AnthropicのClaudeプラットフォームに加え、アマゾン・ウェブ・サービス（AWS）、Google Cloud、Microsoft Azureで提供する。APIのモデルIDは「claude-opus-5-5」。
コーディング性能、評価項目によって優劣分かれる
Anthropicが公表したコーディング評価「FrontierCode v1.1」では、Opus 5.5が54.4％となり、OpenAIのGPT-6 Astraの53.3％をわずかに上回った。同社によると、標準の「medium」設定でAstraの最高スコアを超え、作業当たりのコストは約5分の1だった。
Terminal-Bench 4.0について、AnthropicはOpus 5.5がAstraと同等の性能を約40％のコストで実現したと説明した。同社の表では、Opus 5.5が最高負荷の「xhigh」設定で66.4％、Astraが「high」設定で57.9％だった。
一方、Terminal-Bench-Science 0.1ではAstraが64.6％、Opus 5.5が58.7％となり、AutomationBenchでもAstraが41.4％、Opus 5.5が40.0％とAstraが上回った。CursorBench 4.0ではOpus 5.5が57.8％、GPT-5.6 Solが41.7％だったが、Astraの結果は示されていない。
これらは各社が発表した数値で、独立した環境で再現されたものではない。独立評価機関Vals AIによる直接比較では、両モデルはほぼ同水準で、Astraがわずかに先行する結果となった。Digital Appliedは、5ポイント未満の差は実際に試すまで優劣を判断しにくいと指摘。価格と共通ベンチマークの多くではOpus 5.5、科学や自動化の項目ではAstraが優位だと評価した。
安全性向上を主張、評価手法の限界も認める
Anthropicは、独自の自動行動監査でOpus 5.5がこれまでで最も高い評価を得たとしている。許容範囲を逸脱しようとする試みはOpus 5に比べて約85％減り、外部から不正な指示を埋め込む「プロンプトインジェクション」の成功率もFable 5.1と並んで最も低かったという。サイバーセキュリティーや生物学に関する作業には、別のモデルへ処理を引き継ぐ安全策を導入した。
ただし同社は、公開前にあらゆる不具合を確実に発見できる評価手法の構築は、なお未解決の課題だと認めている。また、Opus 5.5が自ら評価を受けている状況だと疑っているような兆候が、しばしば確認されたことも明らかにした。
AI開発の速度調整を訴えた直後に投入
今回の発表は、ダリオ・アモデイ最高経営責任者（CEO）が、リスク対策が追いつく時間を確保するため、AIの能力向上のペースを調整する必要があるとの考えを示した直後となった。OpenAIは9月3日にGPT-6 Astraを限定公開し、Anthropicも9月上旬にClaude Fable 5.1とClaude Mythos 5.1を発表している。
コメント
コメントを投稿