Opus 5は3分の1のコスト——それが実は問題だ
AnthropicのOpus 5はFable 5より安く制限も少なく、エージェント型コーディングタスクで低コストながら優れた性能を発揮する。しかし、その自律性はチームにセキュリティとコスト管理の課題をもたらす。
金曜日、Anthropicは最新の重厚モデルであるOpus 5をリリースした。Opus 4.8からわずか2ヶ月後、6月にリリースされたMythos 5、Fable 5、Sonnet 5に続き、Opus 5で新世代が揃った。軽量のHaikuだけがアップグレードを待っている。
フラッグシップのFable 5よりも小さいが、Opus 5は大幅に安価で、制限も明らかに少ない。Opus 5は、人間の入力を頻繁に必要とせずに、プログラミングタスクを長時間実行できるように設計されている。
価格は入力トークン100万個あたり5ドル、出力トークン100万個あたり25ドルで、Opus 5はエージェント型タスクのコスト対性能比を覆す。Frontier-BenchやGDPval-AAなどのコーディングおよび知識作業の評価では、Opus 5は新たな最先端を確立した。OSWorld 2.0コンピュータ使用ベンチマークでは、任意のコストで他のすべてのモデルを上回り、Fable 5の最良結果をわずか3分の1強の価格で凌駕する。ARC-AGI 3（モデルが新しい問題を解決する必要がある評価）では、そのスコアは次点のモデルの3倍である。
Opus 5は実行コストが低いため、チームはより大規模なコーディングタスクに取り組ませることができる。これはセキュリティについても別の考え方を意味する。Anthropicは発表の中で、Opus 5は「自身の作業を検証し、成功するまで注意深く反復する能力がはるかに高い」と述べている。ベンチマークテストでは、モデルは不完全なプロンプトを与えられ、機械部品の図面を見ることを意図的に妨害された。諦める代わりに、モデルは独自のコンピュータビジョンパイプラインを書き、画像データから部品を再構築した。
モデルが複数のシステムにわたって人間の監視なしで作業する場合、アクセス権は一時的で取り消しが容易でなければならない。そのため、短期間のジャストインタイム認証情報に注目が集まっている。これは1PasswordがClaude向けに開発している委任認証モデルに似ている。AIに絶え間ない持続性を与えることには落とし穴がある：停止するタイミングを知らないのだ。標準のAPIログではその行動を適時に警告できない。チームはワークフローのコンテキストを実際に理解する、よりスマートなテレメトリを構築する必要がある。モデルが計算予算を消費し尽くす前にプラグを抜く、セマンティックサーキットブレーカーが必要だ。
Opus 5はトークンあたりの価格をFable 5と比較して引き下げたが、自律的なコーディングは依然としてすぐに高くつく可能性がある。バックグラウンドループで何時間も作業するエージェントは、PRを引き継ぐ前に数百万のトークンを消費する。プラットフォームチームにとって、セッションごとに支出を管理することが新たな運用要件となる。これらのバックグラウンドジョブがエッジケースでクラッシュするのを防ぐため、AnthropicはAutomatic Fallbacksをベータ版で開始している。プロンプトがOpus 5のセーフティ分類器に引っかかった場合、APIはハードエラーを投げてパイプライン全体を停止させる代わりに、タスクをOpus 4.8に静かに再ルーティングする。
Opus 5はまた、前任者のゼロリテンションポリシーを継承しており、FableおよびMythosに必須の30日間データログを回避する。Anthropicがこれらの環境ハーネスをどこで動作させることを期待しているかを理解するには、彼らがどのように人工的にモデルを制限しているかを見ることが役立つ。同社は短期間の能力と長期的な安全性の間で慎重なバランスを取っている。
AnthropicのスポークスパーソンはThe New Stackに対し、Opus 5は生物学タスクにおいてOpus 4.8から「有意な改善」を示し、「科学研究において最も有能な一般公開モデル」であると語った。内部の有機化学ベンチマーク（スペクトルデータからの分子構造推論など）ではOpus 4.8より10.2パーセントポイント高く、タンパク質配列変異が機能を決定する方法の予測では7.7パーセントポイント高い。しかし、Anthropicのテストでは「長期自律研究タスクにおける重要な限界」が明らかになり、これが最も高い潜在リスクをもたらすと見なしている。その結果、Opus 5はOpus 4.8と同様の生物学的安全対策を維持している。Fable 5でブロックされていた生物学関連のリクエストはOpus 5にルーティングされるようになるが、無制限のMythos 5は自律的な薬物設計キャンペーンのような長期的でオープンエンドな作業において引き続き強力なモデルである。
Opus 5は防御的なセキュリティ作業のためにソースコードをレビューできる。Anthropicによれば、これらの安全対策はFable 5よりも約85%少ない頻度で作動するはずだ。明らかにモデルは急速に改善しているが、今のより大きな課題は、それらが動作するプラットフォームが追いつけるようにすることである。