Anthropicの現行ラインナップであるClaudeと比較すると、単純な価格比較では誤解を招く恐れがあります。 本レビューでは、Claude Opus 5.5、Claude Opus 5、およびClaude Fable 5.1に対し、同じ5つのプロンプトを適用し、タスクの結果、ローカルでの経過時間、ルートが報告したトークン使用量、および各観測の限界について報告する。.
その実用的な違いは、タスクカードに見られます。. Opus 5.5は、測定対象のセットの中で最も高速かつ低コストでした。Fable 5.1は出力トークンの数が最も少なく、中国語形式の応答も最も整然としていました。一方、Opus 5は処理に最も時間がかかり、Opus 5.5は出力トークンの数が最も多くなりました。 このコーディングカードは、重要な条件を提示している。すなわち、出力が短いからといって、必ずしもその出力が優れているとは限らないということだ。.
以前の「Claude Opus 5.5」レビューから5つのプロンプトをコピーし、各モデルに対して各プロンプトを1回ずつ実行しました。リクエストの設定はすべて同一で、トークン上限を8,192、努力レベルを「高」、ユーザーメッセージを1つ、ツール使用なしとしました。このリクエストに対してHTTP 200が返され、 ターン終了 15件のリクエストすべてについて。.
簡単な回答
- この5つの課題パックの中で最速なのは： Claude Opus 5.5は、5つの連続したリクエストにおいて、ローカルのエンドツーエンド時間を47.725秒要した。Claude Fable 5.1は53.290秒、Claude Opus 5は61.470秒を要した。.
- 推定最低定価： Opus 5.5は、公式トークンレートに基づく5件のリクエストで約$0.0818となり、続いてOpus 5が$0.0962、Fable 5.1が$0.1415となりました。 これらは算術的な推定値であり、プラットフォームの課金額ではありません。.
- 高品質な結果： 3つすべてが、5つの弾丸の抽出結果、解析可能なJSON、そして正しい計算結果を返しました。コーディングの出力はエッジケースの処理において違いが見られましたが、Fable 5.1は2段落からなる中国語形式の指示を最も正確に遵守していました。.
- APIに関する注意事項： Opus 5.5は、すべてのOpus 5統合環境において、単に名前を変更するだけで移行できるものではありません。その移行ガイドによると、「thinking」機能は無効にできず、一部の古いツールや「thinking」のパターンについては変更が必要となります。.
- ランキングを過大評価しないでください： これは、1つのルートにおける1つのタスクごとのマッチング結果です。これは、普遍的なモデルスコアではなく、具体的な行動、所要時間、および報告された利用状況を測定したものです。.
3つのモデルの価格と、そこから読み取れること
Anthropicの現在のモデルドキュメントによると、これら3つのAPIは、100万トークンのコンテキストウィンドウと128Kの最大出力数を共有しています。 課金単位やステータスはそれぞれ異なります。Opus 5.5は最新のOpusルートであり、Opus 5はレガシーとして分類され、Fable 5.1は最も高い標準入出力レートを備えています。.
| モデル | 公式な地位 | APIモデルID | 入力／出力 | コンテキスト / 最大出力 | デフォルトの取り組み | キャッシュ読み取り |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | 最新 | クロード・作品第5番第5曲 | $4 / $20（MTokあたり） | 1M / 128K | ミディアム | $0.20 / MTok |
| Claude Opus 5 | アクティブ、レガシー | claude-opus-5 | $5 / $25（MTokあたり） | 1M / 128K | 高い | $0.50 / MTok |
| Claude Fable 5.1 | 最新 | claude-fable-5-1 | $10 / $50（MTokあたり） | 1M / 128K | 高い | $0.25 / MTok |
キャッシュを使用しない単純な例として、100,000個の入力トークンと20,000個の出力トークンの処理には、Opus 5.5では$0.80、 Opus 5では$1.00、Fable 5.1では$2.00となります（記載のレートに基づく）。Fable 5.1はOpus 5よりもキャッシュ読み取りレートが低いため、キャッシュを多用するエージェントワークロードについては別途計算が必要です。.
公式ベンチマーク表から読み取れること
Anthropicの Claude Opus 5.5 発表 3つのモデルすべてを同じプロバイダー比較表に掲載しています。Opus 5.5がリストの上位を占めていますが、これらはプロバイダーが報告した結果であり、ベンチマーク固有のテストスイートと負荷設定に基づいています。発表文自体でも、このレベルの性能においては、ベンチマークでの僅差は実環境での性能差を示す信頼性の高い指標とはならないと警告されています。.
| プロバイダーのベンチマーク | 作品第5.5番 | Fable 5.1 | 作品第5番 | 測定対象 |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 66.4% | 55.8% | 52.3% | エージェント型コマンドラインコーディング |
| FrontierCode v1.1 | 54.4% | 50.3% | 48.0% | エージェントコードの変更がマージされるかどうか |
| CursorBench 4.0 | 57.8% | 51.8% | 46.6% | 曖昧な複数ファイルのコーディング作業 |
| GDPval-AA v2.1 | 1846 | 1735 | 1708 | 44の職種にわたる専門的な知識労働 |
| AutomationBench | 40.0% | 31.4% | 26.9% | エンドツーエンドのビジネスワークフロー |
| 人類の最終試験 | 67.7% 道具を使って | 65.6%（工具付き） | 63.6%（工具付き） | 学際的な推論 |
| OSWorld 2.0 | 81.8% 一部 | 80.7% 部分 | 74.0% 部分 | コンピュータを用いた作業 |
この表は、プロバイダーが主張するパフォーマンスのフロンティアを特定するのに役立ちます。ただし、これは以下の「マッチドカード」に代わるものではありません。当社のテストでは、短いシングルターンプロンプト、高い労力、ツールの不使用、およびサードパーティが制御するルートを採用しています。.
同じプロンプト、同じリクエスト設定
以前のOpus 5.5テストパックから5つのプロンプトをコピーし、各モデルに対してそれぞれ1回ずつ送信しました。クライアントはタスクごとにモデルの順序をランダムに変更し、UTF-8形式のJSONを使用し、リクエストの開始からレスポンス本文の読み取り完了までの時間を計測しました。15件のリクエストすべてがHTTP 200を返し、 ターン終了. より詳細な根拠や再現可能なワークフローについては、以下を参照してください。 GlobalGPTによるAIモデルのテスト方法.
時間とトークンの比較
| ルート | 5ラン経過 | 平均／タスク | 入力トークン | 出力トークン | ルートに基づく思考 | 推定定価* |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | 47.725秒 | 9.545秒 | 700 | 3,952 | 2,214 | $0.0818 |
| Claude Opus 5 | 61.470秒 | 12.294秒 | 690 | 3,709 | 1,859 | $0.0962 |
| Claude Fable 5.1 | 53.290秒 | 10.658秒 | 700 | 2,690 | 1,122 | $0.1415 |
*ルートから報告された入出力トークン数およびAnthropicが公表している標準APIレートに基づく推定値です。キャッシュ料金、プラットフォームクレジット、税金、および上乗せ分は含まれていません。経過時間は、リクエスト送信後のローカルなエンドツーエンドの実測時間であり、プロバイダーのレイテンシや1秒あたりのトークン数ではありません。 「思考」はルートから報告された使用状況のフィールドであり、独立して測定された隠れた推論ではありません。.
メトリクスによって、総合的な評価の方向性は異なります。Opus 5.5 は最速の合計処理時間と最低の推定コストを記録し、Fable 5.1 は出力トークンの数が最も少なく、Opus 5 はこのグループの中で最も処理時間が長くなりました。 回答が短いからといって、必ずしも優れた回答とは限りません。コーディングカードを見ると、出力内容やエッジケースの処理について、依然として確認が必要であることがわかります。.
5枚のペアになったタスクカード
これらのモデルは、混合型の重複排除機能を修復できるでしょうか？
タスクの設定： この課題では、修正済みの関数に加え、2つの簡潔なテストケース、大文字小文字を区別しない文字列比較、最初のスペルの保持、および文字列以外の値に対してクラッシュしないことが求められていました。.
| モデル | 時間／使用状況 | 観測結果 |
|---|---|---|
| Claude Opus 5.5 | 15.844秒（ローカル） · 145イン / 1478アウト · 700思考 · end_turn | ケースフォールドとリストによるフォールバックを使用しています。ドキュメント文字列には「同一性」と記載されていますが、コードでは「等価性」が使用されています。. |
| Claude Opus 5 | 16.845秒（ローカル） · 143イン / 1109アウト · 312思考 · end_turn | 型タグ付きのキーと等価性のフォールバックを追加し、無効な1行のPython構文を指摘しています。. |
| Claude Fable 5.1 | 12.778秒（ローカル） · 145イン / 783アウト · 0思考 · end_turn | ハッシュ化できない値に対しては repr(item) を使用します。これは示された例では問題なく動作しますが、型が異なる場合には衝突が発生する可能性があります。. |
比較結果： このエッジケースはタスクレベルでの観察結果であり、すべてのコーディング作業負荷に関する主張ではありません。.
モデルは、与えられた5つの事実を、主張を追加することなく保持できるでしょうか？
タスクの設定： 入力データは、3種類のライティングアシスタントを2週間にわたってテストした内容に関する短いメモでした。これは大規模なコンテキストを用いたベンチマークではなく、短いテキストの抽出タスクです。.
| モデル | 時間／使用状況 | 観測結果 |
|---|---|---|
| Claude Opus 5.5 | 4.374秒（ローカル） · 210 イン / 312 アウト · 101 思考 · end_turn | 番号の付いた弾丸を5発返却し、提示された事実に基づいて回答した。表記や順序には若干の違いがあった。. |
| Claude Opus 5 | 4.661秒（ローカル） · 208 イン / 265 アウト · 27 思考 · end_turn | 番号の付いた弾丸を5発返却し、提示された事実に基づいて回答した。表記や順序には若干の違いがあった。. |
| Claude Fable 5.1 | 6.305秒（ローカル） · 210 in / 223 out · 0 thinking · end_turn | 番号の付いた弾丸を5発返却し、提示された事実に基づいて回答した。表記や順序には若干の違いがあった。. |
比較結果： 原文は短いものでした。これは、基盤となる抽出と書式設定を確認するものであり、100万トークン規模のコンテキスト処理を確認するものではありません。.
モデルは、要求された構造と完全に一致する結果を返すことができますか？
タスクの設定： このプロンプトでは、有効なJSONのみ、5つの特定のキー、2つの長所、2つの短所、および短い文字列が求められていました。この架空のレビュー内容は、いかなるモデルに関する証拠でもありません。.
| モデル | 時間／使用状況 | 観測結果 |
|---|---|---|
| Claude Opus 5.5 | 8.276秒（ローカル） · 128（入力） / 622（出力） · 390（思考） · end_turn | リクエストされたキーを含む解析可能なJSONが返され、長所が2つ、短所が2つありました。生成されたレビューの主張はテスト用のテキストであり、製品の事実ではありません。. |
| Claude Opus 5 | 6.344秒（ローカル） · 126 イン / 238 アウト · 0 思考 · end_turn | リクエストされたキーを含む解析可能なJSONが返され、長所が2つ、短所が2つありました。生成されたレビューの主張はテスト用のテキストであり、製品の事実ではありません。. |
| Claude Fable 5.1 | 6.626秒（ローカル） · 128イン / 203アウト · 0思考 · ターン終了 | リクエストされたキーを含む解析可能なJSONが返され、長所が2つ、短所が2つありました。生成されたレビューの主張はテスト用のテキストであり、製品の事実ではありません。. |
比較結果： これらのJSON文字列は、架空のレビュー設定を表すものであり、製品情報として公開してはなりません。.
これらのモデルは、丸め処理されたバッチシーケンスを最終的な答えまで反映させることができるでしょうか？
タスクの設定： その順序は12、続いて25%（下丸め）で、4つのバッチにまたがっていました。.
| モデル | 時間／使用状況 | 観測結果 |
|---|---|---|
| Claude Opus 5.5 | 3.830秒（ローカル） · 89イン / 257アウト · 74思考 · end_turn | 12、15、18、22を計算し、合計は67となった。3つすべてが、求められていた単独の67で終わった。. |
| Claude Opus 5 | 5.079秒（ローカル） · 87イン / 277アウト · 90思考 · end_turn | 12、15、18、22を計算し、合計は67となった。3つすべてが、求められていた単独の67で終わった。. |
| Claude Fable 5.1 | 5.347秒（ローカル） · 89イン / 127アウト · 0思考 · end_turn | 12、15、18、22を計算し、合計は67となった。3つすべてが、求められていた単独の67で終わった。. |
比較結果： 3人全員がこの算数の課題に合格しました。1つの課題だけでは、一般的な推論能力の信頼性を評価することはできません。.
このルートでは、要望通りの2段落構成を維持することは可能でしょうか？
タスクの設定： 課題では、それぞれ80～120文字の中国語の段落を2つ作成するよう求められていました。1つ目は「価値」に関する回答、2つ目はテスト計画です。.
| モデル | 時間／使用状況 | 観測結果 |
|---|---|---|
| Claude Opus 5.5 | 15.401秒（ローカル） · 入力128 / 出力1283 · 思考時間949 · end_turn | 依頼された2つの段落を返した後、Markdownのタグ付けと英語の注釈を追加しました。. |
| Claude Opus 5 | 28.541秒（ローカル） · 入力126 / 出力1820 · 思考1430 · end_turn | 依頼された2つの段落を返した後、区切り記号の後に英語の注釈を追加しました。. |
| Claude Fable 5.1 | 22.234秒（ローカル） · 入力128 / 出力1354 · 思考時間1122 · ターン終了 | 余分な注釈やMarkdownのタグも一切含まれていない、2つの整った中国語の段落が返されました。. |
比較結果： これは、テスト済みのルートに沿った操作手順を記録したものであり、中国語の品質基準ではありません。.
APIおよび移行に関する注意事項
Opus 5.5 は、すべての Opus 5 統合環境において、単に名前を変更するだけで導入できるものではありません。Anthropic の 移行ガイド Opus 5.5 では「思考」機能を無効にできないと述べており、この機能を無効にしようとしたり、旧式の思考モードを手動で有効にしようとしたりすると、400 エラーが返されるようになっている。また、この移行により、ツールの強制使用に関する仕様が変更され、「思考」ブロックがモデルや会話に紐付けられるようになったほか、Claude API および Google Cloud パスにおける旧式のコンピュータ使用ツールが置き換えられた。.
使用された共通テスト output_config.effort: high 3つのモデルすべてについて、プロンプトの結果を比較しやすくするためです。 つまり、これらの実行では、各モデルのデフォルトの「努力」設定が再現されていません。Fable 5.1については、アダプティブシンキングが常にオンで、デフォルトの「努力」レベルが「高」と記載されています。Opus 5.5については、アダプティブシンキングが常にオンで、デフォルトの「努力」レベルが「中」と記載されています。Opus 5については、アダプティブシンキングを使用し、デフォルトの「努力」レベルが「高」となっています。.
このテストが実際に裏付けていること
タスクレベルの判定
作品5.5： この5つのタスクからなるパックの中で、推定定価が最も安く、処理速度も最速であるだけでなく、生成されるトークンの数も最多である。. Fable 5.1: 全体として出力が最も短く、中国の「2段落制」の制約にも最も厳密に準拠していたが、トークン単価が高かったため、5回の実行による推定値が最も高くなり、コーディングのフォールバックには具体的なクロスタイプのエッジケースが存在した。. 作品第5番： データ抽出、JSON、数学演算のタスクでは正しい結果を出すが、このルートサンプルの中では最も処理が遅く、公式ドキュメントでは「レガシー」と記載されている。.
この測定ルートにおいては、Opus 5.5 を実用的に優先する理由としては十分ですが、あらゆるワークロードで優れていると断言するには不十分です。この結果を本番環境のベンチマークとして扱う前に、さまざまなツールやより長い入力データを用いて、複数回テストを繰り返してください。.
3つの別々のアカウントを開設せずにこの比較を再現したい場合は、, GlobalGPTでモデル比較ワークフローをお試しください. 本番環境での導入を決定する際には、ダイレクトモデルのルートと上流プロバイダーのマッピングについて、引き続き個別に検証を行う必要があります。.
よくあるご質問
比較テストでは、どのモデルが最も速かったのでしょうか？
Claude Opus 5.5は、5つの連続したリクエストにおけるローカル総経過時間が47.725秒と、最も短かった。これは経路に関する観測値であり、プロバイダー側の遅延ではない。.
どのモデルが、出力トークンの数が最も少なかったでしょうか？
Claude Fable 5.1は、5つのタスク全体で2,690個のルート報告出力トークンを使用したのに対し、Opus 5では3,709個、Opus 5.5では3,952個であった。.
今回のテストで、どのモデルが最も安かったのでしょうか？
Opus 5.5は、公式の標準APIレートと返された入力/出力トークン数に基づき、5回の実行における推定コストとして$0.0818という最も低い数値を算出しました。この数値には、キャッシュ、クレジット、税金、およびプラットフォームのマージンは含まれていません。.
3つのモデルすべてが同じタスクに合格したのでしょうか？
3つすべてが、5個の弾丸の抽出値、要求されたキーを含む解析可能なJSON、そして正しい合計値である67を返しました。コーディングと中国式フォーマットのカードでは、出力に有意な違いが見られます。.
これは長期的なベンチマークだったのでしょうか？
いいえ。再利用された抽出プロンプトには短い文章が含まれています。これはグラウンディングと正確なフォーマットを検証するためのものであり、100万トークンのコンテキスト処理能力を示す証拠として提示すべきではありません。.
Claude Opus 5はまだ現行製品ですか？
Anthropicのモデルドキュメントでは、Opus 5は「アクティブだがレガシー」と記載されており、パフォーマンス向上のためにOpus 5.5の導入を検討することが推奨されています。既存のAPI連携については、切り替えを行う前に移行ガイドを確認してください。.
公式仕様： Opus 5.5 のドキュメント, Opus 5 のドキュメント, そして Fable 5.1 ドキュメント. プロバイダーのベンチマーク値はAnthropicに基づくものであり、実技の値は前述の対応するテストパックによるものである。.
