Claude Opus 4.8リリース——新機能・ベンチマーク・価格を徹底解説

2026年5月28日、Anthropic が Claude Opus 4.8 を公開した。前モデル Opus 4.7 からわずか2か月足らず——明らかにアップグレードの刻みが速くなっている。だが今回の主役は、ベンチマークの数パーセントの上積みではない。Anthropic の公式発表は、早期テスターの評価として 「エージェント作業での判断がより鋭く、より信頼できるようになった」ことを挙げ、「Opus 4.8 で最も目立つ改善のひとつは正直さ」と書いている。ベンチマークの上積みと並べて「正直になった」を大きく掲げるリリースは珍しい。

結論から言う：コーディングは順当に強化（SWE-bench Pro 64.3%→69.2%）、ターミナル操作が大きく伸び（Terminal-Bench 2.1 66.1%→74.6%）、知識労働の評価も上昇（GDPval-AA 1753→1890）。さらに fast mode が約2.5倍速・実質3分の1の価格になり、effort パラメータ・dynamic workflows・Messages API の system エントリという開発者向けの実用機能が同時に来た。一方で ターミナル操作では GPT-5.5 に届かないなど、手放しで褒められない点もある。本記事では Anthropic の公式発表と Transparency Hub に基づき、数字・新機能・注意点まで徹底的に解説する。

※本記事の数値は Anthropic の公式発表・モデルページ・システムカード、および複数の技術メディアの報道に基づく（2026年5月28日時点）。今後の追検証で更新される可能性がある。

1. Opus 4.8 の要点——性能・価格・設計思想

忙しい人向けに、まず要点だけ。

• 性能：コーディング（SWE-bench Pro）は着実に強化、ターミナル操作（Terminal-Bench 2.1）と知識労働（GDPval-AA）は大きく向上。一方で Terminal-Bench 2.1 は GPT-5.5 が上で、PC操作（OSWorld-Verified）の伸びは小さい。
• 価格：標準は 4.7 と同額で据え置き。fast mode が約2.5倍速・実質3分の1の価格になったのが最大の経済的インパクト。
• 哲学：「より賢く」より「より正直に」。自分の書いたコードの欠陥を指摘せずに通す率が 4.7 比で約4分の1、作業の失敗をユーザーに伝え損ねる率は3.7%。長時間の自律作業を支える dynamic workflows と effort パラメータが新登場。

2. 基本スペックと提供形態

まず動かない事実から押さえる。Opus 4.8 のスペックと、どこで使えるかだ。

ポイントは 「価格もコンテキストも据え置きで、中身だけ強くなった」こと。4.7 を使っているなら、モデルID を claude-opus-4-8 に差し替えるだけで、追加コストなしに性能向上を得られる構図だ（移行の注意点は第9章で後述）。なお米国内推論限定では 1.1倍の価格乗数がかかる点だけ覚えておきたい。

3. ベンチマーク徹底比較（4.8 vs 4.7）

前章でスペックを見た。では実力はどれだけ伸びたのか。公開されている主要ベンチマークを 4.7 と並べる。太字が改善幅の大きいものだ。

出典：Anthropic の Opus 4.8 発表の表（画像）。Terminal-Bench 2.1 は全モデル Terminus-2 ハーネスでの値で、GPT-5.5 は Codex CLI では 83.4%（同じ発表の脚注）。OSWorld-Verified の Opus 4.7 は、同じ発表の脚注では測り方の変更に伴い 82.3% に更新したとあり、表の 82.8% と食い違う。

表の読み方を補足する。SWE-bench Pro の +4.9 ポイントは地味に見えて重要だ。Pro はより現実的で難しいコーディング課題を集めたもので、ここが伸びると「実務で詰まる場面が減る」体感に直結する。伸びがとくに大きいのは Terminal-Bench 2.1 の +8.5 ポイントと GDPval-AA の +137 だ。

もっとも、すべてで先頭に立ったわけではない。Terminal-Bench 2.1 は GPT-5.5 が 78.2% で上（Codex CLI では 83.4%）で、PC操作の OSWorld-Verified は 4.7 から +0.6 ポイントとほぼ横ばいだ。詳しくは第9章で。

4. 価格と fast mode——3倍安くなった高速版

性能の話が続いたが、実は今回いちばん財布に効くのは fast mode の価格改定だ。標準価格は 4.7 と完全据え置きなので、まず両者を並べる。

これは見かけ以上に大きい。これまで「速度が欲しいが高速版は割高」というジレンマがあった用途——チャットUIの応答、CI/CDでの大量コードレビュー、エージェントの多数ステップ実行——で、速度と価格を両立できるようになった。標準モードの据え置きと合わせ、「同じ予算で、より速く・より賢く」が今回の経済的な結論だ。なお価格比較の全体像はClaude Opus / Sonnet / Haiku 料金比較も参照してほしい。

5. 新機能①：effort パラメータと適応的思考

価格の次は、開発者が直接触れる新機能だ。まず effort（努力度）パラメータ。これは 「どれだけ深く考えるか」を4段階で明示的に指定できるノブだ。

effort と対になるのが 適応的思考（adaptive thinking）だ。これはモデルが タスクの複雑さに応じて、使う計算量を自動で調整する仕組み。単純な質問には素早く、難しい問題には自ら深く考える。effort で上限・方針を決め、適応的思考が実際の配分を最適化する——この2段構えで「無駄な思考トークンを使わず、必要なところだけ深く」を実現している。

6. 新機能②：dynamic workflows（研究プレビュー）

今回いちばん野心的な機能がこれだ。dynamic workflowsは、Claude Code（CLI・デスクトップ・VS Code 拡張）で使える 研究プレビュー機能で、Claude に「大きな仕事を丸ごと任せる」ための仕組みだ。

具体的には、Claude が オーケストレーション用のスクリプトを自分で書き、数十〜数百の並列サブエージェントを起動して問題に同時並行で当たる。さらに 敵対的検証エージェント（adversarial verification）を投入して結果を批判的にチェックし、収束するまで反復する。会話のメインスレッドの外で協調動作し、状態は再開可能（resumable）で、数日にまたがる実行にも耐える。

位置づけとしては、これまで Claude Agent SDK を使って自分で組んでいた「多数エージェントの並列オーケストレーション」を、モデル自身がその場で設計・実行する方向への一歩だ。大規模リファクタリングや横断的な調査で、人間が逐一指示しなくても自走する範囲が広がる。

7. 新機能③：Messages API の system エントリ

地味だが開発者には嬉しい変更。Messages API が、messages 配列の中に system エントリを受け付けるようになった。

従来は system プロンプト（システム指示）は会話の冒頭に一度だけ置くのが基本だった。今回の変更で、会話の途中に system 指示を差し込める。しかも プロンプトキャッシュを壊さず、ユーザーのターンを挟む必要もない。

// 長時間ワークフローの途中で「権限・予算・環境」を更新する例
messages: [
  { role: "system",    content: "あなたはCIエージェント。破壊的操作は禁止。" },
  { role: "user",      content: "依存関係を更新して" },
  { role: "assistant", content: "..." },
  // ↓ 途中で方針を更新（cacheを壊さない）
  { role: "system",    content: "残りトークン予算は少ない。effort=low で要点のみ。" },
  { role: "user",      content: "続けて" }
]

これが効くのは 長時間・多ステップのエージェント実行だ。実行中に 権限を絞る・トークン予算を伝える・環境コンテキスト（今どのブランチか等）を更新するといった「方針の動的な差し替え」が、キャッシュ効率を保ったままできる。dynamic workflows のような長丁場の自律実行と相性が良い設計だ。

8. 最大の進化は「正直さ」——欠陥の見逃しが約4分の1に

ここが本記事で最も伝えたい部分だ。Opus 4.8 の真の差別化は、ベンチマークの数字ではなく 「自分の仕事に対する正直さ」にある。Anthropic とテスターが繰り返し強調したのは、このモデルは自分の不確かさを進んで申告し、根拠のない主張をしにくくなったという点だ。

なぜこれが重要か。AI エージェントを長時間自走させる最大のリスクは、「失敗しているのに成功したと報告し、その誤りの上に作業を積み上げてしまう」ことだ。テストが落ちているのに「直りました」と言う、不確かな推測を断定口調で述べる——こうした「過信」は、自動化の信頼性を根本から壊す。Opus 4.8 が 不確かさを自分から申告するようになったことは、ベンチマーク数パーセントより実務的に価値が大きい。個人的には、今回のアップデートで最も評価すべきはこの一点だと思う。

9. 注意点（正直に書く）

ここまで強化点を見てきた。だが「正直さ」を称える記事である以上、こちらも正直に——4.8 でも伸びなかった・注意すべき点を隠さず書く。

とくに プロンプトインジェクションは、「4.8 にすれば安全になる」わけではない点を押さえておきたい。Anthropic の Transparency Hub によれば攻撃成功率は 4.7 と同じ 0.4%（1万5,000回超の攻撃）で、比較した主要モデルの中では最も低いが、これは製品側の追加の防御を外した状態の値だ。外部からの入力（Webページ・メール・ユーザー投稿）を読んで自律的に動くエージェントでは、モデルの耐性に頼らず、権限を絞る設計を続けるのが基本になる。

10. 誰が今すぐ移行すべきか

では、あなたは今すぐ claude-opus-4-8 に乗り換えるべきか。タイプ別に整理する。

移行コスト自体はほぼゼロ（モデルID を変えるだけ・標準価格据え置き）なので、まずは非クリティカルな環境で claude-opus-4-8 に切り替え、自分のタスクで実測するのが王道だ。4.7 からの具体的な移行手順は Opus 4.7 移行ガイドの考え方がそのまま流用できる。GPT-5.5 等との比較は GPT-5.5 vs Claude Opus 比較も参考にしてほしい。

まとめ

Claude Opus 4.8（2026年5月28日リリース、claude-opus-4-8）は、価格・コンテキストを据え置いたまま中身を強化したフラッグシップだ。コーディングは着実に（SWE-bench Pro +4.9）、ターミナル操作（Terminal-Bench 2.1 +8.5）と知識労働（GDPval-AA +137）は大きく向上。fast mode は約2.5倍速・実質3分の1の価格になり、effort パラメータ・dynamic workflows・Messages API の system エントリという実用機能が揃った。

だが本質は数字ではない。コードの欠陥を黙って通す率が約4分の1、失敗の伝え損ねは3.7%——「賢さ」より「正直さ」を前面に出したこのリリースは、AI を長時間自走させる時代の正しい方向を指している。一方で Terminal-Bench 2.1 では GPT-5.5 に届かず、注入耐性も 4.7 から横ばいで、「あらゆる軸で他を上回る」わけではない。だからこそ——皮肉にも本モデルの美点に倣って——過信せず、自分のタスクで実測してから判断するのが、いちばん賢い付き合い方だ。

関連記事：Claude Opus 4.7 リリース解説、Opus 4.7 移行ガイド、Opus / Sonnet / Haiku 料金比較、GPT-5.5 vs Claude Opus 比較、Claude Agent SDK とは も併読を。

FAQ

Q. Opus 4.7 から 4.8 への移行は大変ですか？
A. ほぼ何もいりません。API モデルID を claude-opus-4-8 に変えるだけで、標準価格もコンテキスト窓（1Mトークン）も据え置きです。既定の effort=HIGH は 4.7 既定とほぼ同じトークン量で性能だけ上がるため、設定変更なしで恩恵を受けられます。ただし外部入力を扱うエージェントは、注入耐性が 4.7 から改善していない（前述）点に注意してください。

Q. fast mode が「3倍安い」とはどういう意味ですか？
A. fast mode の価格（入力 $10 / 出力 $50 per 100万トークン）が、従来モデルの高速版に比べて実質3分の1になった、という意味です。速度は標準の約2.5倍。「速さは欲しいが高速版は割高」というジレンマが大きく緩和され、対話UIや大量バッチ処理で使いやすくなりました。

Q. dynamic workflows は誰でも使えますか？
A. 研究プレビュー段階で、Claude Code（CLI・デスクトップ・VS Code 拡張）から使えます。提供は Max・Team・Enterprise（管理者が有効化）プランと API・Bedrock・Vertex・Foundry 経由。安全のため初回は明示的な確認が必要です。挙動は今後変わり得るので、まず非クリティカルな作業で試すのが安全です。

Q. 4.8 はすべての面で 4.7 より優れていますか？
A. いいえ。Anthropic 自身の表でも、Terminal-Bench 2.1 は GPT-5.5（78.2%）が 4.8（74.6%）より上で、PC操作の OSWorld-Verified は 4.7 からほぼ横ばい（+0.6）、プロンプトインジェクション耐性も 4.7 と同じ水準です。コーディング（SWE-bench Pro）・知識労働（GDPval-AA）・正直さでは明確に上ですが、用途によっては 4.7 や他モデルが適する場面もあります。

Q. 「正直さ」が上がると、具体的に何が嬉しいのですか？
A. AI エージェントを自走させる際、「失敗を成功と誤報告し、その上に作業を積む」のが最大のリスクです。4.8 は書いたコードの欠陥を指摘せずに通す率が 4.7 比で約4分の1になり、作業の失敗をユーザーに伝え損ねる率も3.7%まで下がったため、「動いたフリ」をせず、不確かなら不確かと言うようになりました。長時間の自動化・CI・コードレビューで、信頼性が実務レベルで向上します。

関連記事：Fable 5のコーディング性能ガイド。