Claude Codeの内部：研究プレビューから10億ドル規模のAIコーディングエージェントへ

Claude Codeは、ハイブリッド推論モデル「Claude 3.7 Sonnet」と同時に、2025年2月24日、期間限定のリサーチプレビューとして産声を上げたコマンドラインツールです。これはAnthropic初のエージェント型コーディング製品であり、開発者がターミナルから直接、大規模なエンジニアリングタスクを委任できるように設計されました。

発表以来、Claude Codeは急速な進化を遂げ、実験的なツールからAnthropicの開発者エコシステムの中核へと成長しました。2025年5月22日に一般提供を開始し、わずか6ヶ月で10億ドル規模の製品へとスケールしています。

このツールの躍進は、モデルの着実なアップグレードと新しいエージェント機能の追加によって支えられてきました。ここでは、Claude Codeの起源から、世代を超えたモデル性能の飛躍、そして「Code with Claude 2026」イベントでのプラットフォーム中心の発表に至るまでの、主要なマイルストーンを時系列で振り返ります。

原点：ターミナルでの研究プレビュー

Claude Codeは、Anthropicの推論モデルにおける大きな変革とともに誕生しました。2025年2月24日の発表では、リアルタイムと拡張思考を組み合わせた業界初の「ハイブリッド推論モデル」と称されるClaude 3.7 Sonnetと、ターミナルベースのエージェント型コーディング支援ツールであるClaude Codeの2製品が同時にデビューしています。

当初から、Claude Codeは実践的な開発者ワークフローのために設計されていました。コードの検索・読み取り、ファイルの編集、テストの実行、GitHubへのプッシュまで、すべてコマンドラインから実行できました。初期のプレビュー範囲は限定的でしたが、開発者からの反響はすぐに現れました。2025年3月には画像貼り付けサポートとファイルの@メンション機能が追加され、4月にはセッションの永続化と再開機能が実装され、会話が再起動後もコンテキストを保持できるようになりました。

一般提供開始の5月まで続いたバージョン0.2.xシリーズは、ターミナルでの体験を徐々に安定させ、本格的なソフトウェアエンジニアリング作業に耐えうるプロダクションレディな状態へと仕上げていきました。

モデルアップグレード：Opus 4.xシリーズが牽引する躍進

Claude Codeの能力の背後には、Anthropicのフラッグシップモデルの進化があります。各Opus世代が、コーディング、推論、信頼性を直接的に向上させてきました。

Claude Opus 4.5（2025年11月）

2025年11月にリリースされたClaude Opus 4.5は、コーディング、エージェント、コンピュータ操作において「世界最高のモデル」と位置づけられました。これはその後のプラットフォームの基盤となるOpus 4.xアーキテクチャを確立したものです。

Claude Opus 4.6（2026年2月5日）

Opus 4.6は、計画立案、長時間のエージェントタスクの信頼性、大規模コードベースでの動作に大幅な改善をもたらしました。特筆すべきは、100万トークンのコンテキストウィンドウをベータ版で導入したことで、これはOpusクラスのモデルとして初の試みでした。

Claude Opus 4.7（2026年4月）

Opus 4.6から4.7への飛躍は、コーディングベンチマークにとって地殻変動的なものでした。Anthropicは単一のモデルリリースで、SWE-bench Verified（適応モード）のスコアを80.8%から87.6%へと押し上げました。さらに、より難易度の高いSWE-bench Proでも53.4%から64.3%へとスコアを伸ばし、最も近い競合に10ポイント以上の差をつけています。

Opus 4.7は、タスクごとに動的に計算リソースを割り当てる「適応思考（Adaptive Thinking）」を導入し、Anthropic API、Amazon Bedrock、Google CloudのVertex AIにて100万トークンのコンテキストウィンドウを本格的なプロダクション品質で安定させました。

Claude Opus 4.8（2026年5月28日）

最新のモデルアップグレードは、変革というより洗練に重点を置いています。Opus 4.8はOpus 4.7の直接的な後継として、SWE-bench Proのスコアを64.3%から69.2%に改善しつつ、検出されないコード欠陥の発生率を劇的に低下させました。Anthropicは、自身が書いたコードの欠陥を見逃す可能性が4分の1になったと報告しており、テスターからは、不確実性を指摘し、裏付けのない主張を避ける傾向が強まったとの声が上がっています。

重要な点として、Opus 4.8はOpus 4.7とのAPI互換性を維持し、同じ価格で提供されます。また、従来比2.5倍高速な「高速モード」を従来の3分の1のコストで提供し、Claude Codeにおける開発者体験を直接的に向上させています。

Code with Claude 2026：Dreaming、マネージドエージェント、そしてプラットフォームへの転換

Anthropicは2026年5月6日、サンフランシスコで初の年次開発者会議「Code with Claude」を開催し、ロンドンと東京でもサテライトイベントを実施しました。この場で新モデルは発表されず、完全にプラットフォーム機能、中でも「Claude Managed Agents」向けの機能に焦点が当てられました。

4つの新しいマネージドエージェント機能

Anthropicは、2026年4月初旬にパブリックベータが開始されたばかりの、ホスト型でステートフルなエージェント実行環境に対し、4つの新機能を投入しました。

Dreaming（リサーチプレビュー） は、この中で最もコンセプトが大胆なものです。エージェントがアイドル状態の際、スケジュールされたバックグラウンドプロセスが過去最大100件の会話をレビューし、繰り返し発生するパターンやワークフロー、ミスを抽出。その上で、エージェントの「記憶ストア」を、より価値の高い情報に書き換えます。元のセッションデータは不変のまま保持され、エージェントはこれらの記憶の更新を明示的に採用し、開発者は記憶が変更される前に手動レビューを選択できます。

この仕組みは、直接の再トレーニングなしにエージェントが時間とともに改善することを可能にするものです。現在はリサーチプレビュー段階で、利用にはアクセス申請が必要です。

Outcomes（パブリックベータ） は、構造化された成功基準を導入します。独立した評価器が隔離されたコンテキストウィンドウで実行され、開発者が定義したルーブリック（評価基準）に対してエージェントのアウトプットを採点します。スコアがしきい値を下回った場合、エージェントは自動的に再試行します。

マルチエージェントオーケストレーション（パブリックベータ） では、リードエージェントが複雑なタスクを分解し、それぞれが独自のモデル、プロンプト、ツールを持つ専門サブエージェント群に作業をディスパッチし、共有ファイルシステム上で並列実行させることができます。

Webhooks（パブリックベータ） は、タスク完了時にエージェントが外部システムに通知を送信することを可能にし、エージェントワークフローを「対話型」から「イベント駆動型」へと変えます。

その他の発表

マネージドエージェント機能に加えて、「Code with Claude」では以下の発表も行われました：

• Claude Finance：10個の事前構築済み金融エージェントセット。うち「Finance Agent v1.1」は64.4%のベンチマーク性能を報告。
• Add-ins：外部ツールをClaudeのインターフェースに統合するための新しい拡張メカニズム。
• SpaceXとの計算パートナーシップ：SpaceXのスーパーコンピュータ「Colossus」上でのClaude Codeの利用割り当てを倍増させる契約。大規模計算リソースへのAnthropicの野心を示す。
• 動的ワークフロー：Claude Code内部で数十から数百の並列サブエージェントを生成し、出力を検証してから報告するリサーチプレビュー機能。

Claude Codeのベンチマーク：87.6%のSWE-benchスコアとその先

Claude Codeのベンチマークにおける代表的な数字は、Claude Opus 4.7の適応モードで達成したSWE-bench Verifiedの**87.6%**です。このスコアは、2026年6月時点で一般提供されているAIコーディングエージェントの中で、公開されている最高値を示しています。

SWE-bench Verifiedは、オープンソースのPythonリポジトリから収集された、実際のGitHubイシュー500件をエージェントがエンドツーエンドで解決する能力を測る、厳選されたデータセットです。これはエージェント型ソフトウェアエンジニアリングの業界標準リファレンスとなっており、このリーダーボードでのClaude Codeの躍進（Opus 4.5での80.9%からOpus 4.7での87.6%へ）は、製品の核心的なストーリーの一つです。

適応ハーネス

87.6%という数字は固定的なものではありません。これは、モデル、プロンプト、そしてツールの使用を調整する実行環境「ハーネス」に依存します。Claude Opus 4.7の適応モードは、複雑なリファクタリングにはより多くのリソースを送り込むなど、タスクごとに動的に計算リソースを割り当てます。この適応ハーネスなしのスタンドアロンClaude Codeは、同じベンチマークで80.8%のスコアとなります。

より難易度の高いSWE-bench Proベンチマーク（実際のイシュー解決能力を問う）では、Opus 4.7は64.3%を記録し、GPT-5.4（57.7%）、GPT-5.5（58.6%）、Gemini 3.1 Pro（54.2%）をリードしました。後にOpus 4.8は、このSWE-bench Proを69.2%にまで押し上げています。

その他のベンチマークと競合状況

Claude Codeのパフォーマンスは複数のベンチマークにわたります：

• Terminal-Bench 2.0：Opus 4.7で69.4% 。
• CursorBench：Opus 4.7で70%（Opus 4.6の58%から向上）。
• MCP-Atlas：ツール使用性能で77.3% 。

ブラインド方式のコード品質レビューでは、Claude Codeは競合との直接比較の67%で勝利しています。

なお、競争環境は依然として流動的です。OpenAIのGPT-5.5は2026年中頃、SWE-bench Verifiedで88.7%と一時的にリードを奪い、ClaudeがSWE-bench Proでリードし、GPT-5.5がVerifiedでリードするという構図を生み出しました。リーダーボードはモデルのリリースのたびに進化し続けています。

プロジェクトレベルの自律性：Anthropicの差別化戦略

Claude Codeに対するAnthropicのポジショニングは、「長期的な自律性（Long-Horizon Autonomy）」 という概念に集約されつつあります。Claude Opus 4.8は「長時間のタスクに自律的に取り組み続ける一貫性と自律性」を持つと表現され、「複雑な推論、長期的なエージェントコーディング、高自律性作業のためのAnthropicの最も有能なモデル」と明確に位置づけられています。

一回のプロンプトで完結するのではなく、持続的で独立した動作を重視するこの姿勢こそが、Claude Codeの最も明確な差別化ポイントです。Dreaming、適応計算割り当て、マルチエージェントオーケストレーションといった機能はすべて、エージェントがセッションをまたいで動作し、自身のアウトプットから学習し、開発者の介入を最小限に抑えながら複雑なマルチファイルプロジェクトを管理することを期待する哲学を指し示しています。

Anthropicはまた、モデルの「正直さ」を競争力の源泉として強調し始めています。Opus 4.8のリリースでは、不確実性を指摘し、裏付けのない主張を避けるモデルの姿勢が強調されており、これは本番環境でエージェントの出力を信頼する必要がある開発者をターゲットとした、実用的な安全性志向のフレーミングです。