主要ベンチマークでライバルをリード

今回最も注目を集めているのが、自律型コーディングのベンチマーク「SWE-Bench Pro」での結果だ。Anthropicの評価データによると、Opus 4.8は**69.2%**を記録。これは前世代Opus 4.7の64.3%を上回るだけでなく、OpenAIのGPT-5.5（58.6%）やGoogleのGemini 3.1 Pro（54.2%）に対して、10ポイント以上の大差をつける結果となった 。

ただし、全てのテストでトップに立ったわけではない。ターミナル上での自律的なコーディング能力を測る「Terminal-Bench 2.1」では、GPT-5.5が78.2%と首位を守り、Opus 4.8は74.6%でこれに次いだ。もっとも、このスコアはOpus 4.7の66.1%からは大幅な改善となる 。

知識労働の経済的価値を測る「GDPval-AA」評価では、Opus 4.8が1890を獲得し、GPT-5.5の1769、Gemini 3.1 Proの1314を引き離した 。Anthropicは総合的に見て、いくつかの主要カテゴリで競合2モデルを上回ったと主張している 。

最大の焦点は「正直さ」と信頼性の向上

Opus 4.8の発表でAnthropicが最も強調したのは、純粋な知能指数の向上ではない。それはモデルの「信頼性」と「正直さ」だ。同社によると、Opus 4.8は自身が生成したコードの欠陥を見逃してしまう確率が、Opus 4.7と比較して約4分の1に減少している 。

初期のテスターからは「複雑なマルチステップのワークフロー中に不確実性を適切に表明し、根拠のない主張をする傾向が大幅に減った」とのフィードバックが寄せられている 。Anthropicは今回のリリースで「正直さ」そのものを主要な製品機能として位置づけており、「事実として十分な裏付けのない情報を提示する可能性が低くなっている」と公式に説明している 。これは、AIの「ハルシネーション（もっともらしい嘘）」問題に対する、技術的な解答の一つと言える。

開発者向け新機能：ダイナミックワークフローと努力量コントロール

モデル本体の進化に加え、特にパワーユーザーや開発者をターゲットにした新機能も発表された 。

ダイナミックワークフロー（Dynamic Workflows）: これは「Claude Code」上で研究プレビューとして提供される機能で、Claude自身がタスクを計画し、それを数百もの並列サブエージェントに分割・実行させ、最終的な結果を検証してから報告するという一連の流れを自動化する。大規模なコードの移行、監査、バグハンティングといった、単一セッションでは処理しきれない巨大なタスクを想定している 。

努力量の調整（Adjustable Engagement / Effort Control）: claude.aiおよびClaude Code上で、ユーザーがモデルの「思考の深さ」を指定できるようになった。これは「努力量（effort）」パラメータとして実装され、処理の精度とトークン消費量、速度をトレードオフできる。最も難しいコーディングやエージェント処理にはxhighレベルを、その他の知性を要するタスクには最低でもhighレベルを推奨している 。

気になるAPI料金体系の詳細

通常のAPI利用料金は前世代から変わっていない 。

• 標準料金: 入力100万トークンあたり5ドル、出力100万トークンあたり25ドル 。
• 高速モード（Fast Mode）料金: 入力100万トークンあたり10ドル、出力100万トークンあたり50ドル。このモードは標準の約2.5倍の速度で動作する。前世代のOpus 4.7の高速モード（入力30ドル/出力150ドル）と比較すると、実に約3分の1の価格にまで引き下げられたことになる 。

また、API利用におけるプロンプトキャッシュの料金は、5分間のキャッシュ書き込みが100万トークンあたり6.25ドル、1時間の書き込みが同10ドル、キャッシュヒットとリフレッシュ時は同0.50ドルに設定されている 。

この発表が示すAI競争の行方

Claude Opus 4.8の発表は、単純なベンチマークスコアの向上合戦ではない。それはエンタープライズと開発者を明確にターゲットとした戦略的アップグレードだ。

製品ストーリーの中心にあるのは、エージェントの信頼性担保、不確実性の明示的なハンドリング、そして努力量レベルを明示的に選択させることでコストとパフォーマンスのトレードオフをプログラマーに委ねる設計思想である。OpenAIやGoogleが推論特化型の高価格帯モデルを展開する中、Anthropicは標準APIを値上げせず、高速モードの価格を大幅に引き下げることで、より多くの開発者に「使ってもらう」戦略を明確にした。AIの社会実装が「研究室のスコア」から「現場での信頼性」へと評価軸を移す中で、Opus 4.8はその最前線に立つ製品と言える。

主要ベンチマークでライバルをリード

今回最も注目を集めているのが、自律型コーディングのベンチマーク「SWE-Bench Pro」での結果だ。Anthropicの評価データによると、Opus 4.8は**69.2%**を記録。これは前世代Opus 4.7の64.3%を上回るだけでなく、OpenAIのGPT-5.5（58.6%）やGoogleのGemini 3.1 Pro（54.2%）に対して、10ポイント以上の大差をつける結果となった 。

ただし、全てのテストでトップに立ったわけではない。ターミナル上での自律的なコーディング能力を測る「Terminal-Bench 2.1」では、GPT-5.5が78.2%と首位を守り、Opus 4.8は74.6%でこれに次いだ。もっとも、このスコアはOpus 4.7の66.1%からは大幅な改善となる 。

知識労働の経済的価値を測る「GDPval-AA」評価では、Opus 4.8が1890を獲得し、GPT-5.5の1769、Gemini 3.1 Proの1314を引き離した 。Anthropicは総合的に見て、いくつかの主要カテゴリで競合2モデルを上回ったと主張している 。

最大の焦点は「正直さ」と信頼性の向上

Opus 4.8の発表でAnthropicが最も強調したのは、純粋な知能指数の向上ではない。それはモデルの「信頼性」と「正直さ」だ。同社によると、Opus 4.8は自身が生成したコードの欠陥を見逃してしまう確率が、Opus 4.7と比較して約4分の1に減少している 。

初期のテスターからは「複雑なマルチステップのワークフロー中に不確実性を適切に表明し、根拠のない主張をする傾向が大幅に減った」とのフィードバックが寄せられている 。Anthropicは今回のリリースで「正直さ」そのものを主要な製品機能として位置づけており、「事実として十分な裏付けのない情報を提示する可能性が低くなっている」と公式に説明している 。これは、AIの「ハルシネーション（もっともらしい嘘）」問題に対する、技術的な解答の一つと言える。

開発者向け新機能：ダイナミックワークフローと努力量コントロール

モデル本体の進化に加え、特にパワーユーザーや開発者をターゲットにした新機能も発表された 。

ダイナミックワークフロー（Dynamic Workflows）: これは「Claude Code」上で研究プレビューとして提供される機能で、Claude自身がタスクを計画し、それを数百もの並列サブエージェントに分割・実行させ、最終的な結果を検証してから報告するという一連の流れを自動化する。大規模なコードの移行、監査、バグハンティングといった、単一セッションでは処理しきれない巨大なタスクを想定している 。

努力量の調整（Adjustable Engagement / Effort Control）: claude.aiおよびClaude Code上で、ユーザーがモデルの「思考の深さ」を指定できるようになった。これは「努力量（effort）」パラメータとして実装され、処理の精度とトークン消費量、速度をトレードオフできる。最も難しいコーディングやエージェント処理にはxhighレベルを、その他の知性を要するタスクには最低でもhighレベルを推奨している 。

気になるAPI料金体系の詳細

通常のAPI利用料金は前世代から変わっていない 。

• 標準料金: 入力100万トークンあたり5ドル、出力100万トークンあたり25ドル 。
• 高速モード（Fast Mode）料金: 入力100万トークンあたり10ドル、出力100万トークンあたり50ドル。このモードは標準の約2.5倍の速度で動作する。前世代のOpus 4.7の高速モード（入力30ドル/出力150ドル）と比較すると、実に約3分の1の価格にまで引き下げられたことになる 。

また、API利用におけるプロンプトキャッシュの料金は、5分間のキャッシュ書き込みが100万トークンあたり6.25ドル、1時間の書き込みが同10ドル、キャッシュヒットとリフレッシュ時は同0.50ドルに設定されている 。

この発表が示すAI競争の行方

Claude Opus 4.8の発表は、単純なベンチマークスコアの向上合戦ではない。それはエンタープライズと開発者を明確にターゲットとした戦略的アップグレードだ。

製品ストーリーの中心にあるのは、エージェントの信頼性担保、不確実性の明示的なハンドリング、そして努力量レベルを明示的に選択させることでコストとパフォーマンスのトレードオフをプログラマーに委ねる設計思想である。OpenAIやGoogleが推論特化型の高価格帯モデルを展開する中、Anthropicは標準APIを値上げせず、高速モードの価格を大幅に引き下げることで、より多くの開発者に「使ってもらう」戦略を明確にした。AIの社会実装が「研究室のスコア」から「現場での信頼性」へと評価軸を移す中で、Opus 4.8はその最前線に立つ製品と言える。