Opus 5.5をMediumのまま常用する　Anthropicが示す知識労働の使い分け

米Anthropicは11月12日、公式ブログの記事「Using Claude Opus 5.5 as your daily driver for knowledge work」で、Claude Opus 5.5を知識労働の普段使いのモデルにする手引きを公表した。

勧めの中心は、effort（推論の深さ）をデフォルトのMediumのまま使い、期待に届かない時はモデルより先にeffortを上げることだ。単価はSonnet 5.5の2倍で、Mediumの1件あたりの費用も2倍になるが、そのぶん正答率が高い。

単価の表と社内の試験の数字

記事の表は、100万トークンあたりの入力と出力の料金を並べる。Haiku 5.5が0.10ドルと0.50ドル、Sonnet 5.5が2ドルと10ドル、Opus 5.5が4ドルと20ドル、Fable 5.2が8ドルと40ドルだ。Opus 5.5の料金は発表のページと開発者向けのモデルの説明でも同じである。

単価だけを見ると、OpusはSonnetの2倍になる。記事は、Sonnet 5.5のeffortをExtra highやMaxまで上げるとタスクあたりの費用がOpus 5.5に近づくので、その時はOpus 5.5に替えるよう勧める。

費用と性能の選び方の資料は、これを解いた1件あたりの費用で示す。SWE-bench Proの478問の部分集合で、Sonnet 5.5のデフォルトのhighは87.6%を0.11ドルで解いた。Opus 5.5のlowは87.4%を0.12ドルで、ほぼ同じ正答率を資料の言う約7%高い費用で解いた。Opus 5.5のデフォルトのmediumは92.8%を0.22ドル、highは95.3%を0.31ドルで解いた。費用はSonnetと並べた図の値で、同じ資料のeffortを比べる図では、highが0.29ドルなど1〜2セント低い。

社内の試験は2つある。1つは、Webの保存した写しだけで企業の四半期の報告を書かせ、数字や引用を1つでも作れば不合格とした試験で、18本中16本が通った。もう1つは架空のHRソフト2社の合併の分析で、Excelのモデルと経営向けの資料を63分で仕上げ、Opus 5の93分より短く、費用は半分だった。どちらも発表のページに同じ数字がある。

社内の試験の測り方と条件

四半期の報告の試験では、自動の採点役が全ての数字と引用を、保存した写しのページと照らした。effortは複数の設定にまたがるが、設定ごとの本数は資料に記載がない。

合併の試験は、Opus 5.5とOpus 5を同じ課題で比べたものだ。何回走らせたか、費用に何を含めたかは資料に記載がない。

SWE-bench Proの表は、2026年9月に各設定を2回走らせ、5分のプロンプトキャッシュを含む定価で計算した。これはコードの課題で、文書や調べ物の仕事ではない。調べ物では、DeepResearch Bench IIの44タスクで、Opus 5.5はSonnet 5.5より2.4点高く、タスクあたりの費用は1.5倍だった。全50タスクで数えると差は測れるほど開かない。安全策が生物の4タスクでOpus 5.5を止め、それを失敗に数えたためだ。

発信元が測った数字の限界

数字の多くはAnthropicが自社のモデルを測ったもので、第三者の評価ではない。発表のページ自身も、この性能の水準ではベンチマークの差が実際の違いの目安として当てになりにくくなったと書く。報告の試験はWebの写し、合併の試験は架空の会社を使う。

Mediumで足りるという主張は、記事ではOpus 5.5のMediumが社内の評価でOpus 5のHighに並ぶか上回ったという一文にとどまる。発表のページは、知識労働を測る米Artificial AnalysisのGDPval-AA v2.1で、デフォルトのmediumが米OpenAIのGPT-6 Astraのmaxに約5分の1の費用で勝ったと書くが、Opus 5のHighとの比較ではない。Factoryの技術者Zimu Li氏の、Mediumで出力トークンが20〜25%少ないという声も、顧客の自己申告だ。

記事は、最低のeffortでもOpus 5の最高のeffortよりグラフの値を正確に読むと書くが、それを照らせる数字は他の資料に無い。プロンプトから「think hard」を消すと返答が早く始まるという話も、記事にしか無い。日本語の文書での性能は、どの資料にも記載がない。

自分の仕事で試すなら

まずeffortをMediumのまま使う。記事によれば、設定は送信ボタンの横のモデル名から開き、Effortを選ぶ。プロンプトに「think hard」と書く癖があれば消す。開発者向けの説明でも、Opus 5.5の思考は常にオンで、切ることはできない。

試す仕事には、いつも何往復かに分けている作業を1つ選ぶ。記事の勧めどおり、元のファイルと完成の姿を最初のメッセージにまとめて渡す。例えば長い企画書の誤りと食い違いを探させ、グラフは数字を打ち直さずに画像のまま添付する。

期待に届かない時は、先にeffortをHighへ上げる。文脈を渡してもなお誤るなら、モデルを上げる。Sonnet 5.5を使っている作業なら、Extra high以上に上げる前に、Opus 5.5のMediumと費用を比べる。比べる時は、単価でなく、使えた成果物1件あたりの費用と手直しの時間で見る。

編集部の見方

この記事で役に立つのは、モデルを単価でなく、正答率と1件あたりの費用を合わせて選ぶという考え方だ。ただし、それを支える数字はAnthropic自身の社内の試験とベンチマークで、文書の仕事でMediumとHighを比べた数字は無い。編集部は、自社の文書の仕事でMediumとHighを数件ずつ比べてから常用を決めるのがよいと見る。そうした比較の数字が公表されれば、この見方も改める。