Claude Opus 4.7リリース——「一般公開できるAI」の最前線が更新された意味

4月16日、AnthropicはClaude Opus 4.7を一般公開した。現時点で同社が一般向けに提供する最も強力なモデルであり、Claude.ai（Pro / Max / Team / Enterprise）およびAPI（モデルID：claude-opus-4-7）、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundryから利用可能。価格はOpus 4.6と同じ入力5ドル・出力25ドル（百万トークンあたり）に据え置かれた。

発表と同時に、Anthropicは重要な前提を明示した。「Opus 4.7はClaude Mythos Previewよりも広範な能力で劣る」という公式の位置づけだ。

Mythosはサイバーセキュリティ上の懸念からProject Glasswing参加企業に限定されており、財務省とFRBが大手銀行CEOを緊急招集したことも記憶に新しい。Opus 4.7はその「一般公開できないMythos」の一歩手前に位置する、現実的な選択肢としてのトップモデルだ。

この構造自体が、今のAnthropicのAI開発の独特さを示している。最先端モデルは「公開するには危険すぎる」として非公開にし、その一段下のモデルを「一般向け最強」として提供する——この二重構造は他社にはない枠組みだ。

何が改善されたのか——数字と機能の実態

コーディング・エージェント能力が跳躍

Opus 4.7の最大の改善はコーディングとエージェント性能だ。Anthropic公式の93タスクコーディングベンチマークでOpus 4.6比13%の解決率向上を達成し、Opus 4.6とSonnet 4.6のいずれでも解けなかった4つのタスクを新たに解決した。

主要ベンチマークの数値を見ると、SWE-bench Proで64.3%（GPT-5.4sの57.7%を上回る）、SWE-bench Verifiedで87.6%、Terminal-Bench 2.0で69.4%を記録している。VentureBeatはOpus 4.7がGPT-5.4に対して直接比較できるベンチマークで7対4でリードしていると指摘しており、「接戦ではあるが先頭に立っている」という表現が実態に近い。

注目すべきは「暗黙のニーズを読む能力」だ。Anthropicは今回のOpus 4.7を「Claudeモデルとして初めてimplicit-need testに合格した」と説明している。これは「どのツールや行動が必要かを明示されなくても、文脈から自律的に推論して実行できる」能力を指す。複雑な長時間タスクを「厳しい監督なしで任せられる」レベルに向上したというAnthropicの主張と合致する性能だ。

また、複雑なマルチステップワークフローでOpus 4.6比14%の改善を達成し、ツールエラーを3分の1に削減したという数字も実務上の重要度が高い。エラーが出るたびに人間が介入しなければならない状況が減るということは、エージェントの自律実行がより現実的になることを意味する。

ビジョン性能が3倍以上に

今回初めて高解像度画像サポートが大幅に強化された。最大解像度が従来の約1.15メガピクセルから最大2,576px・3.75メガピクセル相当まで拡大した。これにより、詳細なスクリーンショット・技術図・ドキュメントの読み取り精度が向上し、コンピューターユースエージェントやドキュメント抽出ワークフローでの実用性が格端に高まる。

デザイン・UI設計の領域での影響も指摘されており、Figma・Adobeなど関連企業の株価に一時的な下落圧力がかかったとの報道も出ている。高精度な画像理解が一般公開モデルで可能になることで、従来は人間のデザイナーが担っていた視覚的な判断領域にAIが踏み込む速度が上がるという懸念が背景にある。

新機能：「xhigh」努力レベルとタスクバジェット

Opus 4.7では「xhigh（extra high）」という新しい努力レベルが追加された。これはhighとmaxの間に位置する設定で、推論の深さとレイテンシのトレードオフをより細かく制御できる。Axiosの報道によれば「困難な問題における推論とレイテンシのトレードオフを制御する選択肢が増えた」と評されており、Claude Codeでは全プランでデフォルトがxhighに設定された。

また「タスクバジェット」のベータ機能も導入され、開発者が長時間タスクにおけるClaudeの推論コストとスコープをより細かく設定できるようになった。

MythosからOpus 4.7へ——安全ガードレールの「テスト場」としての位置づけ

今回のリリースで見落とせないのが、Opus 4.7がMythosで構築したサイバーセキュリティのガードレールを「一般公開モデルで初めてテストする場」として機能するという位置づけだ。

Anthropicは公式に「禁止または高リスクなサイバーセキュリティ用途を示すリクエストを自動検知・ブロックするセーフガードをOpus 4.7に組み込んだ」と述べている。

The AI Cornerの詳細分析によれば、これは「まずMythosのサイバー能力を制限されたパートナーでテストし、次にそのセーフガードをより能力が控えめなモデルで検証してから、将来的な一般公開に備える」というAnthropicの段階的な安全アプローチの実践だ。

財務省・FRBが大手銀行CEOを緊急招集したMythosをめぐる騒動から約1週間でOpus 4.7がリリースされた。このタイミングは偶然ではなく、「危険なAIをどう制御しながら実用的なモデルを出し続けるか」というAnthropicの問いへの実践的な回答として読み取れる。

市場での立ち位置——Anthropicの商業的な勢いと文脈

VentureBeatはOpus 4.7のリリースに際して、Anthropicの現在の商業的な立場を詳しく報じている。年換算収益が2026年4月時点で300億ドルに達し、これは主にエンタープライズ採用とClaude Codeの成功に牽引されたものだという。

また、ベンチャーキャピタルから8,000億ドル規模のバリュエーションでの投資オファーが届いているとも報じられており、2月の380億ドルのシリーズG評価額から倍以上に膨らんでいる計算になる。

HumanX 2026でClaudeが「最も話題になったAI」として評価されたことと合わせて考えると、Opus 4.7のリリースはその勢いをさらに加速させるタイミングとして機能している。同時期にGoogleがGemini for Macをリリースし、OpenAIがChatGPTのコーディング強化プランを発表するなど、競合も手を緩めていない。

VentureBeatの表現を借りれば「Opus 4.7がGPT-5.4に対してリードしているが、それは7対4という接戦だ」という状況であり、AI能力競争の激化を反映している。コミュニティの反応は概ね好意的だが、一部ユーザーからはRedditを中心に「以前の好みが無視された」「検索・引用の挙動が変わった」といったリグレッション（後退）の声も上がっている。

ベンチマーク主導の評価と実際の使用感の間にギャップが生じるのは新モデルリリース時に共通の現象だが、今後の微調整が求められる領域として認識しておく必要がある。

実務目線で注目すべき点

Opus 4.7の改善内容を実務目線で整理すると、特に以下の3つの領域でインパクトが大きいといえるだろう。

1. ソフトウェア開発・コーディング業務: 長時間タスクの自律的な実行精度が向上し、人間の監視介入が必要な頻度が減ることが期待される。Claude Codeと組み合わせることで、複雑な開発タスクを実質的に任せきりにできる範囲が広がる。すでに楽天・Sentry・Asanaなどが実際の業務で使い始めているエージェント活用が、Opus 4.7によってさらに安定した実行品質を持つことになる。
2. ドキュメント・画像解析業務: 3.75メガピクセルまでの高解像度画像対応により、従来は精度が不十分だった技術図・詳細スクリーンショット・精細なドキュメントのAI解析が現実的な選択肢になる。特にコンプライアンス書類・設計図・財務資料といった高精細画像を扱う業務での活用シーンが広がる。
3. 財務・法務などの知識労働: GDPval-AAと呼ばれる経済的価値の高い知識業務ベンチマークでの最高水準スコアが示すように、金融・法律領域での実務精度が向上している。The Next Webは「開発者やエンタープライズユーザーにとって最も重要なタスクで説得力を持って勝利している」と評している。

モデル更新の速さが示す「AIの現在地」

今回のOpus 4.7は、Opus 4.6（2026年2月5日）から約2か月でのリリースだ。その前のOpus 4.5（2025年11月）からも同様のペースであり、Anthropicはほぼ2か月に一度のペースでフラッグシップモデルを更新し続けている。

この更新速度は、AI能力競争がいかに急ピッチで進んでいるかを端的に示している。今日の「最先端」が2か月後には「一世代前」になるサイクルが常態化している中で、企業がAIツールをどう選定・運用するかという問いは「今どのモデルが最高か」ではなく「継続的な更新と移行をいかにコスト低く行うか」という方向に変わりつつある。

AnthropicがOpus 4.6と同価格でOpus 4.7を提供したことは、その移行コストを最小化する配慮として評価できる。APIを使っている企業であれば、モデルIDを変更するだけで最新の性能にアクセスできる設計は、AI導入を継続的に最適化したい企業にとって重要な選定基準の一つだ。