Claude Opus 5.5は野心を製品指標に変える

AnthropicはClaude Opus 5.5を、新しい5.5系列の最初のモデルとして投入した。多くの作業でFable 5.1相当の性能を持ち、典型的な処理コストはOpus 5より40％低いという。チームにとって重要なのは、粘り強さと明瞭な対話によって、より大きな仕事をまとめて任せられるかどうかだ。

AnthropicはFable級の性能を低いOpus運用費で売る

公式の訴求点はagentic coding、knowledge work、長時間の自律作業だ。Anthropicによれば、Opus 5.5はより自然に対話し、重要な情報を先に示し、文章規則にも従いやすい。典型的な処理ではOpus 5より40％低コストになるとも説明している。

Zvi Mowshowitzが集めた初期利用者の反応では、速度、読みやすい出力、何度も促さなくても作業を続ける能力が繰り返し評価されている。これらは回答精度ほどbenchmarkで測りやすい性質ではない。

高い野心は仕事を一式で任せることを意味する

開発者にとっての利点は、completionの改善だけではない。目的を保ち、task listを管理し、進捗を明確に説明できるモデルなら、1つのファイルではなく、修正やprototype全体を渡せる。人間の役割は指示文の作成から、完了条件の定義と変更のreviewへ移る。

典型的な処理コストの低下はこの変化を後押しする。試行、test、修正を増やせるなら、粘り強さは便利な特徴から経済的な優位へ変わる。

発売直後の熱狂は信頼性を測っていない

根拠の多くは初期体験とvendorのbenchmarkだ。過剰な先回り、暗黙の意図を読む弱さ、tokenを大量消費して価格差を消すmax thinkingについても報告がある。進み続けるagentは、誤った方向にも同じ勢いで進み得る。

次の順位表より完成したプロジェクトが答えを出す

チームは人間の介入回数、完了タスク当たりの費用、regression、数時間後の引き継ぎ品質を測るべきだ。Opus 5.5が安全に委任できる仕事の大きさを本当に広げるなら、benchmarkの首位ではなく、短いreview待ちと手戻りの減少に表れる。

Lilithの判定

Opus 5.5は、レンガ1個ではなく家全体を任せられると約束する。評価を決めるのは、agentが階段を勝手に移していないか、現場監督が何度戻って確認する必要があるかだ。