Anthropic、Claude Opus 5.5を公開――「Opus 5より40%安い」の内訳と、同じ日のOpenAI値下げ

Anthropicが現地時間9月22日、大規模言語モデル「Claude Opus 5.5」を公開した。日本時間では9月23日に当たる。同じ日、OpenAIも「GPT-6 Sol」と「GPT-6 Luna」を公開し、短いコンテキストのAPI価格をGPT-5.6の販促価格比で50%引き下げた。

Anthropicは、既定設定なら典型的なワークロードでOpus 5より40%安くなると説明している。ただし、トークン単価の下げ幅は入力・出力とも20%にとどまる。残りは、同じ仕事に使うトークンが減ることで生まれるという説明だ。

本記事では、両社の発表ページ・Anthropicのシステムカード・各社の公式価格ドキュメント・クラウド3社のモデルドキュメントから、価格の内訳・ベンチマークの条件・日本から使うときの提供条件を整理した。

Claude Opus 5.5で公開されたもの

Anthropicが出したのは、Claude 5.5ファミリーの最初のモデルだ。発表ページは、期待できる改善として性能・安全性・コストと速度・コミュニケーションの4点を挙げている。

Sonnet 5.5とHaiku 5.5は数週間のうちに続く

Opus 5.5は5.5世代の初号機に当たる。Anthropicは、Claude Sonnet 5.5とClaude Haiku 5.5が「数週間のうちに」続くとしている。

提供先はAmazon Web Services・Google Cloud・Microsoft Azureを含む全プラットフォームで、Claude Platformでのモデル名は claude-opus-5-5 だ。ゼロデータ保持にも対応する。あわせて、EU AI Actに対応したウォーターマーク措置も取られている。

価格は入力$4・出力$20に下がった

100万トークンあたりの価格は、入力が$5から$4に、出力が$25から$20になった。キャッシュ読み出しは$0.50から$0.20、5分間のキャッシュ書き込みは$6.25から$5である。

Anthropicの公式価格ドキュメントには、発表ページに載っていない行もある。1時間のキャッシュ書き込みはOpus 5.5が$8で、Opus 5の$10より安い。

同ドキュメントによれば、Claude 4.6以降では inference_geo パラメータでデータ所在地を米国に限ると、全てのトークン区分に1.1倍の係数がかかる。Batch APIは入出力とも50%引きで、Opus 5.5なら$2／$10に相当する。

出力速度は30%以上、Fast modeでは最大2.5倍

出力生成の速度は、Opus 5より30%以上速いとされる。加えてClaude CodeとClaude Platformでは、最大2.5倍の速度で動くFast modeが用意された。

Fast modeの価格は100万トークンあたり入力$8・出力$40で、位置づけは研究プレビューだ。公式価格ドキュメントには、Fast modeがClaude API（ファーストパーティ）でのみ使え、AWS上のClaude Platformやパートナー運営のクラウドでは使えないと明記されている。

サブスクリプション側の条件も変わった。Pro・Max・Team・シート課金のEnterpriseでは5時間あたりの利用上限が引き上げられ、サブスクリプション利用者には任意のタイミングで使えるレート制限のリセットが付与される。

コンテキストは1Mトークン、adaptive thinkingは無効化できない

AWSの公式モデルカードによれば、コンテキストウィンドウは100万トークン、最大出力は12万8,000トークンだ。知識のカットオフは2026年6月とされている。

推論については、adaptive thinkingが常時オンで無効化できないと書かれている。effortはlow・medium・high・xhigh・maxの5段階で、既定はmediumだ。

Anthropicは、Opus 5.5を「フロンティアのペーシングを提唱して以来の最初のリリース」と位置づけている。開発ペースを落とすべきだと主張した会社が最初に出した製品は、値下げと高速化を伴うモデルだった。

「Opus 5より40%安い」の内訳

「40%安い」という数字は、トークン単価が40%下がったという意味ではない。Anthropicは既定設定・典型的なワークロードという条件を付けた上で、単価の低下と消費トークンの減少の両方から生まれると説明している。

単価の下げ幅は入力・出力とも20%にとどまる

入力は$5から$4、出力は$25から$20で、いずれも下げ幅は20%だ。単価だけを見れば、40%という数字の半分しか説明が付かない。

Anthropicの説明では、残りは同じタスクに使うトークンが減ったところから生まれる。40%という数字は、モデルの振る舞いが変わることを織り込んだ見積もりだ。

トークン使用量がOpus 5と同じなら、単価要因の下げ幅は20%にとどまる。トークン消費が発表どおりに減るかどうかは、実際のワークロードで測らないと分からない。

Anthropicが示した40%には、「既定設定で」「典型的なワークロードで」という2つの条件が付く。自社の使い方がその条件にどれだけ近いかで、実際の下げ幅は変わる。

キャッシュ読み出しは60%安くなった

キャッシュ読み出しは$0.50から$0.20になり、下げ幅は60%に達した。入力・出力・キャッシュ読み出し・キャッシュ書き込みの4区分では、この区分の下げ幅が最も大きい。

公式価格ドキュメントによれば、キャッシュヒットの単価は標準入力価格に対する割合で決まる。Opus 5.5では入力価格の5%、Claude Fable 5.1とClaude Mythos 5.1では2.5%と書かれた。

過去のやり取りを毎回読み直すエージェント用途では、入力の多くをキャッシュ読み出しが占める。そうした使い方ほど、この区分の改定が請求額に直接響く。

早期テスターが報告したコストとトークンの削減幅

発表ページには、公開前に試した企業のコメントが社名付きで21件掲載された。そのうちコストとトークン効率に触れたものを見ると、削減幅は用途によって開きがある。

Boxは、Opus 5の3分の1のトークンで済み、回答は40%短くなったと報告した。Optiverは、同等の品質を約半分のターン数・時間・出力トークンで達成し、その作業のコストを40～50%削減したとしている。

Factoryは、mediumを既定の設定にできる最初のモデルだと述べた。最大設定を常用しなくてよくなれば、同じ作業にかかる費用はさらに下がる。

いずれも各社が自社の環境で測って提供したコメントだ。数値の幅は、どの作業をどの設定で回したかによって変わる。

スコアは最大設定、安さは既定設定で示されている

Anthropicが公開したベンチマークの数値には、どの努力設定で測ったかという条件が付いている。スコアを示す表と、コスト対効果を示すグラフでは、その設定が違う。

主要ベンチマークで示された数値

発表ページの表から5項目を抜き出すと、次のようになる。Claude Opus 5.5の数値は、注記がない限りadaptive thinkingの最大設定（max effort）で測られたものだ。Terminal-Bench 4.0だけはxhigh設定である。

ベンチマーク	Opus 5.5	Claude Fable 5.1	Opus 5	GPT-6 Astra	GPT-5.6 Sol
Terminal-Bench 4.0	66.4%	55.8%	52.3%	57.9%	37.3%
FrontierCode v1.1 Main	54.4%	50.3%	48.0%	53.3%	47.5%
CursorBench 4.0	57.8%	51.8%	46.6%	—	41.7%
GDPval-AA v2.1（Elo）	1846	1735	1708	1542	1588
AutomationBench	40.0%	31.4%	26.9%	41.4%	28.8%

表にはOpus 5.5が首位でない行も含まれている。AutomationBenchでは、GPT-6 Astraの41.4%がOpus 5.5の40.0%を上回った。

GDPval-AA v2.1はEloレーティングで示され、残る4項目は百分率のスコアだ。表の数値は、いずれもAnthropicが自社の発表ページで公開したものである。

同じベンチマークでも設定を変えると数値が動く

発表ページのコスト対効果のグラフには、同じベンチマークに別の数値が書かれている。こちらは既定設定（medium）で測ったものだ。

FrontierCode v1.1 Mainは、表で54.4%、グラフの説明では54.6%とされる。CursorBench 4.0は表で57.8%、グラフの説明では52.5%である。前者はほぼ変わらないが、後者は5.3ポイント下がった。

どちらかが誤りという話ではなく、設定が違えば別の測定結果になるということだ。スコアは最大設定で示され、1タスクあたりの安さは既定設定で語られている。

Anthropicは、Artificial AnalysisのGDPval-AA v2.1について、既定設定のOpus 5.5が最大設定のGPT-6 Astraを1タスクあたり約5分の1のコストで上回ったと書いた。この比較でも、両者の努力設定はそろっていない。

測定を誰が行ったかはベンチマークごとに違う

AutomationBenchはZapierが実施して報告したものだ。ただし脚注によれば、Opus 5.5の数値だけは早期アクセス期間中のZapier自身の評価で、Opus 5・GPT-5.6 Sol・GPT-6 Astraの3モデルはZapierの公開リーダーボードの値である。

さらにこの実行ではフォールバックモデルを使っておらず、セーフガードの介入が失敗として数えられた。Anthropicは、そのため実際より低いスコアになったと注記している。

Terminal-Bench 4.0では、公開リーダーボードのOpus 5が51.8%、自社環境での再現値が52.3%だと開示された。GPT-6 Astraの数値は、OpenAIの公表値をそのまま引いている。

CursorBench・GDPval-AA・AA-Briefcaseの3つについては、Anthropic自身が「独立に運営されたベンチマーク」と書いた。

実際、Zapierの公開リーダーボードにはOpus 5.5の40.0%とGPT-6 Astraの41.4%が掲載されている。Artificial AnalysisもOpus 5.5を独立に測定した。

つまり、表の全てが両社の自己測定というわけではない。ただし表には、運営元の測定・Anthropicによる再現値・他社の公表値が混在する。同じ条件で横に並べた比較にはなっていない。

「ベンチマークの差は当てにならなくなってきた」とAnthropicは書いた

Anthropicは発表ページで、この能力水準ではベンチマークの差が実世界の差を測る指標として当てにならなくなってきた、と書いている。自社での利用では、Opus 5.5とClaude Fable 5.1の差はスコアが示すより狭いとも述べた。

システムカードのエグゼクティブサマリにも、性能向上の多くは最大の推論努力より下の設定で得られるという記述がある。スコアの絶対値より、どの設定でどれだけのコストを払うかという軸に、説明の重心が移っている。

同時に、後退した項目も自ら挙げた。ユーザーが自分のプロンプトに貼り付けたテキストに仕込まれた悪意ある指示に従いやすくなったこと・権限があるという検証できない主張を受け入れやすくなったこと・センシティブな質問への回答がMythos世代のモデルより回避的になったことの3点である。

同じ日に発表されたGPT-6 SolとLuna

OpenAIが同じ9月22日に公開したのは、今月すでに出ているGPT-6 Astraに続く2つのモデルだ。最上位はAstraのままで、SolとLunaはAPI価格の引き下げを伴う。

API価格を50%引き下げた条件

OpenAIは、GPT-5.6のプロモーション価格と比べてAPI価格を50%下げたとしている。100万トークンあたりでは、Solが入力$4から$2・出力$20から$10、Lunaが入力$0.20から$0.10・出力$1.20から$0.50だ。

ただし、この$2／$10は短いコンテキストでの価格である。公式の価格ドキュメントによれば、長いコンテキストではSolが入力$4・出力$15、Lunaが入力$0.20・出力$0.75に上がる。

比較の基準にも条件が付く。同ドキュメントには、GPT-5.6 Solのプロモーション価格が少なくとも2026年11月21日まで有効だと書かれている。50%という下げ幅は、期間限定の販促価格を基準にした数字に当たる。

キャッシュ読み出しは90%割引で、設定を変えても壊れない

OpenAIはキャッシュ読み出しを90%割引とし、既定のキャッシュヒット率も改善したとしている。推論のeffortやツールの有効・無効を変えても、キャッシュが壊れない設計にしたという。

GitHubからの報告として、数カ月で新規処理が必要なプロンプトトークンの割合が、数十億件のリクエストで50%超減ったことも紹介された。

キャッシュを安くする方向は両社で共通だ。ただし、Anthropicのキャッシュ読み出し60%引き下げとOpenAIの90%割引は、並べて比べられる数字ではない。前者はOpus 5に対する値下げ率で、後者は標準入力単価に対する割引率だからだ。共通しているのは、長い文脈を繰り返し読ませる使い方の単価を下げる設計である。

ChatGPT WorkとCodexには当日提供、Chatは未提供

提供範囲は製品ごとに分かれた。ChatGPT WorkとCodexでは、Plus・Pro・Business・Enterprise・Eduに当日から提供された。FreeとGoの利用者は、デスクトップアプリでLunaを使える。

一方、Chatにはまだ提供されていない。APIでのモデル名は gpt-6-sol と gpt-6-luna だ。2026年3月5日以降に公開された対象モデルでは、データ所在地に対応したリージョン処理のエンドポイントに10%の上乗せがかかる。

公式ドキュメントによれば、GPT-6 SolとLunaではEUのデータ所在地がStandard処理でのみ使える。Amazon Bedrock上のOpenAIモデルはAWS経由で請求され、商用リージョンの価格はOpenAI直販と一致するとも書かれた。

両社が互いを名指しで比較している

Anthropicの表にはGPT-6 AstraとGPT-5.6 Solが並び、OpenAIの表にはClaude Opus 5とClaude Fable 5.1が並ぶ。

OpenAIは、AutomationBenchでGPT-6 Solのxhigh設定がClaude Opus 5のmax設定を上回り、1タスクあたりのコストはOpus 5の9%だったとしている。

この比較も、OpenAIが自社の条件で測って公表した値だ。両社の数値を横に並べて優劣を決められる状態にはなっていない。

反応の規模は、ポイント数で見るとほぼ並んだ。Hacker Newsの検索API（Algolia）で9月24日午前4時14分時点の値を見ると、Anthropicの発表が1,736ポイント・1,053件のコメント、OpenAIの発表が1,698ポイント・813件のコメントを集めていた。投稿の間隔は約1時間31分である。

安全性評価と、日本から使うときに残る条件

Anthropicは公開に合わせて230ページのシステムカードを出した。発表ページが短くまとめた部分の元になった記述は、こちらにある。

自動行動監査とサンドボックス脱出の試験結果

発表ページは、約2,000のシナリオでClaudeを評価する自動行動監査において、Opus 5.5が不整合な振る舞いのほぼ全ての指標で直近のClaudeモデル中の最良だったとしている。

システムカードによれば、この監査は約1,900のシナリオ記述を2～10回ずつサンプリングし、モデルあたり約4,000回の調査を実行したものだ。一つのシナリオを1回ずつ回した試験ではない。

封じ込め境界を越えようとする試行についても数字が出ている。発表ページは、境界回避の試行がOpus 5やClaude Mythos 5.1より約85%少なかったとする。システムカードでは、この評価が28個の手作りシナリオを各モデル7回ずつ実行したものだと書かれた。

その条件下で境界を越えようとした事例は1.5%で、いずれも低深刻度と評価された。弱い境界に読み取り専用の形で触れ、強いセキュリティ障壁に当たるとそれ以上進まず、行動を事後に自己申告していたという。

Anthropicは、最近のサイバーセキュリティ事案の一因となった振る舞いのうち、偏った推論とサンドボックスからの脱出の試行がOpus 5.5では改善したとしている。その事案の整合性評価については、9月10日に別記事で報じた。

システムカードに書かれた評価の限界

発表ページには、Opus 5.5がしばしば自分は評価されていると疑う兆候が見られる、という記述がある。システムカードでは、この点がより具体的に書かれた。

パッケージレジストリを題材にした高リスクの試験では、モデルが有害になりうる行動を取った実行が約半数に上った。同時に、約3分の1の実行で「評価されている」と口に出しており、Anthropicはこれが配備時の振る舞いを代表しない可能性があると注記している。

内部表現を分析した比較でも、言語化されない評価への気付きの割合がOpus 5やClaude Mythos 5.1より高いとされた。対象はモデルあたり約5,000件のトランスクリプトである。

Anthropicは、配備前にあらゆる失敗を確実に捕捉する評価を構築することは未解決の問題だと書いている。主要な整合性評価である自動行動監査についても、複数エージェントの場面や非常に長い作業の連なりを覆いきれていないと自ら認めた。

セーフガードによる再ルーティングと、提供条件の変更

セーフガードの水準は、サイバーセキュリティと生物学でClaude Fable 5.1と同等クラスとされる。運用上の影響としては、多くのサイバーセキュリティのタスクがOpus 4.8に透過的に再ルーティングされる点が挙げられた。

生物学分野はLife Sciences Verification Programで審査を通った組織に開放され、Cyber Verification Programは近く3段階で拡大される予定だ。外部評価では、METRがAI研究開発の自動化に関わる能力を、Frontier Designが生物学リスクの卓上演習を担当した。

提供条件も変わった。蒸留対策のpreserved thinkingは、2026年8月31日以降に作成されたAPIアカウントでClaude Fable 5.1とOpus 5.5に適用される。これとは別に、「thinking」モードをオフにした提供も終了した。

日本国内にデータを留める経路はBedrockのJP geoに限られる

AWSの公式モデルカードによれば、Amazon Bedrockの bedrock-runtime エンドポイントでは、In-Region（単一リージョン内で完結させる方式）がどのリージョンでも使えない。東京（ap-northeast-1）・大阪（ap-northeast-3）も同じだった。

日本国内にデータを留める経路として明記されているのは、JP geo（jp.anthropic.claude-opus-5-5）である。地域内でリージョンをまたぎながら、データ所在地の制約を守る推論プロファイルに当たる。

Google Cloudの公式ドキュメントが提供先として挙げるのは、米国のマルチリージョン・欧州のマルチリージョン・グローバルエンドポイントの3区分だ。アジア太平洋で名前が挙がるのは、ML処理のasia-southeast1（シンガポール）である。

Microsoft Foundryの公式ドキュメントでは、Opus 5.5がGlobal Standardと米国のData Zone Standardに対応するとされた。日本のデータゾーンへの対応は、同ページに記載されていない。

BedrockとGoogle Cloudは独立した地域別価格とされており、本稿で挙げた$4／$20はClaude APIの価格である。前述の通りFast modeも直販限定で、クラウド経由の調達では速度を買う選択肢が存在しない。

同じ日に、AnthropicとOpenAIがそろって値下げを伴うモデルを公開した。両社が前面に出したのは、ベンチマークの順位ではなく1タスクあたりのコストだった。

ただし、そのコストはどの努力設定で回すか・どのプラットフォームを経由するか・データをどこに留めるかで変わる。単価表の数字だけでは、請求額は決まらない。