Anthropic 発表記事レポート
Claude Opus 4.8
何が、どう変わったか
factAnthropic は 2026年5月28日、Opus クラスの新版 Claude Opus 4.8 を発表した。Opus 4.7 を土台に、コーディング・エージェント作業・専門業務での性能と、長時間タスクを安定して回す一貫性を訴求している。価格は据え置き。
TL;DR
「賢さ」より「長い仕事を任せられる」方向の堅実な更新
- fact同価格のまま Opus 4.7 を更新。複数ベンチマークでの改善と「より有効な協働者」であることを前面に出している。
- factモデル単体ではなく、claude.ai の effort 制御、Claude Code の dynamic workflows、fast mode の大幅値下げが同時に登場。
- claimAnthropic は誠実性の改善を強調。評価上、コードの欠陥を見逃さず申告する度合いが前世代の約4倍に向上したとする。
- interpret個人・チームの実務では「常時最強モデル」ではなく、難所・長時間・多段ツール作業へ重点投入する使い分けが現実的。
What changed
発表が明示した主な変更点
記事冒頭は、モデル更新に加えて 3 つの周辺機能が同時に出たことを強調している。
Opus 4.7 からのモデル更新
factOpus 4.8 は Opus 4.7 を土台に、コーディング・エージェント・推論・実務的な知識作業のテストで改善したとされる。詳細はより広い評価とともに Claude Opus 4.8 System Card に記載があるとされる。
claude.ai の effort 制御
factモデルセレクタの隣に「どれだけ effort（努力量）を注ぐか」を選ぶ新コントロールが追加。全プランで利用可能とされる。
Claude Code: dynamic workflows
fact非常に大規模な問題に取り組むための新機能（リサーチプレビュー）。計画を立て、1 セッション内で多数の並列サブエージェントを走らせ、出力を検証してから報告するとされる。
fast mode の値下げ
factOpus 4.8 の fast mode は 2.5× の速度で動作し、以前のモデルでの fast mode より 3 倍安くなったとされる。
Capability framing
能力は「表の数値」より「使い勝手」で読む
claim記事は、coding / agentic skills / reasoning / 実務的な知識作業について、前世代や他モデルと比較する表を提示していると説明している。
unknownただし今回の抽出は lossy（埋め込み表・画像が欠落）で、Opus 4.8 本体の比較表の数値は取得できていない。本レポートでは具体スコアを推測で再掲せず、確認できる範囲に限定する。正確な値は公式記事・System Card を参照のこと。
読みどころはスコア差そのものより、ツール呼び出しの効率、自己修正、計画への反論、長い探索の安定性——Anthropic と初期テスターが繰り返し挙げる「完遂性」にある。
fact脚注として出典に残っていた数値は、いずれも 他モデル/運用条件 に関するもので、Opus 4.8 本体のスコアではない:
- factTerminal-Bench 2.1 は Terminus-2 公開ハーネスで測定。GPT-5.5 の Codex CLI ハーネスでの報告値は 83.4%。
- factOSWorld-Verified は計測方法を更新し、Opus 4.7 のスコアを 82.3% に改定したとされる。
- factFinance Agent v2 で Gemini 3.5 Flash は 57.9%（Gemini 3.1 Pro からの改善）。
Honesty & alignment
今回の目玉のひとつは「誠実性」
claimAI は証拠が薄くても「できた」と早合点して断言しがちだが、Opus 4.8 は不確実性を申告し、根拠のない主張をしにくくなったと初期テスターが報告しているという。
自分が書いたコードの欠陥を見逃したまま通す確率が、前世代より低い（約4分の1）。
出典: Anthropic の評価（claim）
アライメント評価（プロソーシャル）
claimAnthropic のアライメントチームは、Opus 4.8 が「ユーザーの自律性の尊重や最善の利益に沿って行動するといったプロソーシャルな特性で新たな高水準に達した」と結論づけたとされる。
不整合な振る舞いの低減
claim欺瞞や悪用への加担といった不整合行動の発生率は Opus 4.7 より大幅に低く、最も整合性の高いモデルである Claude Mythos Preview と同程度とされる。完全な評価と事前展開の安全テストは System Card に記載があるという。
Practical implications
コーディング・エージェント・専門業務での効きどころ
| 領域 | 記事上の根拠 | 使いどころ |
|---|---|---|
| コーディング | claimClaude Code で「正しい質問をし、自分のミスを捕まえ、計画が不健全なら押し返す」との評価。 | 大規模リファクタ、未知コードベースの調査、失敗時に立ち止まるべき変更。 |
| エージェント作業 | claimツール呼び出しがより効率的で、同じ知能をより少ないステップで使い、end-to-end でタスクを通すとの報告。 | 翻訳、ディープリサーチ、スライド生成、分析などの多段・長時間タスク。 |
| 専門業務 | fact記事メタ説明が professional work と long-running work を明示。claim法務・金融の業務でも一貫性と推論品質の向上が報告される。 | 一発回答ではなく、途中判断・再計画・成果物化まで含むワークフロー。 |
共通項は「途中で考え直し、必要なら止まり、最後までやり切る」こと。短い一問一答より、人手の監督コストが高い長尺タスクで差が出る、というのが各社の論調。
Signals from early testers
初期テスターの所感（抜粋）
記事は 11 社・11 名の引用を掲載している。以下は代表的なもので、いずれも出典者本人の主張であり第三者再現とは区別すべき点に注意。
claim「Claude Code で明らかに判断が良い。正しい質問をし、自分のミスを捕まえ、計画が不健全なら押し返し、大きな変更の前に複数サービスにまたがる探索で確信を固める。一緒に作るのが楽しいモデルだ。」
— Tom Pritchard, Staff Engineerclaim「CursorBench で、Opus 4.8 はあらゆる effort 水準で従来 Opus を上回る。ツール呼び出しが明確に効率的で、同じ知能をより少ない手数でこなし、タスクを最後まで運ぶ。」
— Michael Truell, Co-Founder & CEO（Cursor）claim「自社の Super-Agent ベンチで、Opus 4.8 は全ケースを end-to-end で完了した唯一のモデル。コスト同等で GPT-5.5 や従来 Opus を上回り、翻訳・調査・スライド・分析のエージェント製品で高い信頼性を発揮する。」
— Kay Zhu, Co-Founder & CTOclaim「Online-Mind2Web で 84% を記録し、これまでテストした中で最強の computer-use / ブラウザエージェント。Opus 4.7 と GPT-5.5 の双方に対する明確な前進だ。」
— Miguel Gonzalez, Tech Leadclaim「ツールを綺麗に使い、無人運用に必要な一貫性で指示に従う。Opus 4.6 を上回り、4.7 で見られたコメント冗長・ツール呼び出しの問題を解消。Devin 上で開発する技術者の能力向上に直結する。」
— Scott Wu, CEO（Cognition / Devin）claim「自社の Legal Agent Benchmark で過去最高スコア。all-pass 基準で総合 10% を初めて突破したモデルで、実弁護士の作業を安心して任せられる量に直結する精度向上だ。」
— Niko Grupen, Head of Applied Researchclaim「Databricks の Genie で、エンタープライズ AI の基準を更新。エージェント推論が段違いで、PDF・図表など非構造データを直接扱いつつ、トークンコストは Opus 4.7 比 61% 安い。」
— Hanlin Tang, CTO, Neural Networks（Databricks）このほか Hebbia（引用精度・検索のトークン効率）、Thomson Reuters / CoCounsel（一貫性・推論品質）、長時間評価でのシグナル/ノイズ比改善（入出力の問題を自発的に指摘）など、専門業務での評価も並ぶ。
Also launching today
同時にリリースされた機能
Dynamic workflows（リサーチプレビュー）
factClaude Code がより大きなタスクに対応。計画後に数百の並列サブエージェントを 1 セッションで走らせ（Opus 4.8 ではより長く動作）、出力を検証してから報告する。
claim例として、数十万行規模のコードベース移行を、既存テストスイートを合格基準に、着手からマージまで遂行できるとされる。Enterprise / Team / Max プランの Claude Code で提供。
effort 制御（claude.ai / Cowork）
factモデルセレクタの隣で応答に注ぐ effort を選択。高 effort ほど深く頻繁に考え品質が上がり、低 effort ほど速く応答しレート制限の消費も緩やか。全プランで利用可。
Messages API: メッセージ配列内の system エントリ
factタスク途中で Claude への指示を更新できるようになった。プロンプトキャッシュを壊さず、ユーザーターンを介さずに、権限・トークン予算・環境コンテキストをエージェント実行中に更新できる。
effort に関する注記
factOpus 4.8 の既定は high。コーディングでは 4.7 既定と同程度のトークンでより良い性能とされる。claim難所や長時間の非同期作業には extra（Claude Code では xhigh）、さらに max も選べる。高 effort に合わせ Claude Code のレート制限は引き上げ済みとされる。
What's next
次に来るもの
- claimOpus 4.8 は前世代に対し「控えめだが確かな」改善と位置づけられている。
- claimOpus と同等の能力をより低コストで提供するモデルを開発中とされる。
- claimさらに、Opus を超える知能を持つ新クラスのモデルのリリースを計画。
- factProject Glasswing の一環で、少数の組織が Claude Mythos Preview をサイバーセキュリティ業務に使用中。この能力帯は一般提供前により強力なサイバー安全策が必要で、数週間以内の提供拡大を見込むとされる。
Availability & pricing
提供と価格
factClaude Opus 4.8 は本日（発表日）より全所で利用可能。開発者は Claude API 経由で claude-opus-4-8 を利用できる。価格は Opus 4.7 から据え置き。
| 区分 | 入力（/100万トークン） | 出力（/100万トークン） |
|---|---|---|
| 通常利用 | $5 | $25 |
| fast mode | $10 | $50 |
fact価格はいずれも出典に明記された値。fast mode は通常の約2倍単価だが、2.5× の速度かつ従来 fast mode 比 3 倍安い、というのが記事の説明。
Adoption checklist
導入時のチェックリスト
- interpret全タスクの既定にするより、「失敗コストが高い」「途中判断が重要」「長い探索が必要」な場面へ重点投入する。
- interpreteffort を品質・速度・コストのダイヤルとして運用。軽作業は低 effort / fast mode、難所は
extra／max。 - interpretdynamic workflows は大規模変更で使う前に、作業境界・検証コマンド（テストスイート）・ロールバック条件を明示しておく。
- interpretベンチ表だけで判断せず、自分のリポジトリ・文書・業務タスクで小さな比較セットを作って効果を確認する。
- interpret「誠実性の向上」は監督を不要にするものではない。出力の検証フローは引き続き残す。
Risks & limitations
未確認・注意点
- unknownOpus 4.8 本体の比較表の数値は本抽出では確認できていない。正確な評価値は公式記事または System Card を参照。
- unknown「同価格」「fast mode 値下げ」が API / claude.ai / Claude Code の各課金面でどう見えるかは、利用プラン・提供形態の確認が必要。
- claim誠実性・アライメントの改善は Anthropic 自身の評価に基づく主張であり、独立検証は別途必要。
- interpretテスター引用は有用なシグナルだが、各社の自社ベンチ・自社製品上の結果であり、再現可能な第三者評価とは分けて扱うべき。
- unknowndynamic workflows と Mythos Preview / Project Glasswing は、それぞれリサーチプレビュー／限定提供であり、一般提供条件・地域・規約は未確定。
Source notes
出典と生成メモ
原典: Introducing Claude Opus 4.8 \ Anthropic
https://www.anthropic.com/news/claude-opus-4-8
取得: 2026-05-29 JST（HTTP 200）。本文は lossy な HTML→テキスト抽出のため、埋め込み画像・ベンチ表・スクリプトは完全には反映されていない。数値はソース本文に現れたもののみ掲載し、欠落は unknown として明示した。
出典区分: 各記述に fact（出典に直接記載）／ claim（Anthropic・出典者の主張）／ interpret（Hermes の解釈）／ unknown（未確認）のバッジを付与している。
生成日時: 2026-05-29 JST
生成: Claude Code バイナリ /Users/user/.local/bin/claude（モデル claude-opus-4-8）により生成。単一の自己完結 HTML（インライン CSS、外部 CDN 依存なし、ビルド不要）。