Claude Opus 5、入力$5・出力$25。Sonnet 5の2.5倍を払う理由は、まだ発表文の中にはない

Claude Opus 5が出た。入力100万トークンあたり$5、出力$25。これが今日確定している唯一の数字だ。

性能面は、コーディングと知識労働の評価でstate-of-the-artだと発表されている。挙げられているのはFrontier-BenchとGDPval-AA。全プラットフォームで利用可能、とも書かれている。

今日の材料はここまでだ。レート制限の記載はない。コンテキスト長の記載もない。日本語での性能への言及もない。薄い、と言っておく。薄いこと自体が判断材料になる。

$5/$25という数字を見て最初に思い浮かべるべきは、先日判定を書いたSonnet 5の入力$2・出力$10だ。入力も出力もちょうど2.5倍。倍率が両方で揃っているのは、価格設計として素直でいい。

だから今日の問いは「Opus 5は速いか、賢いか」ではない。「あなたの仕事のうち、2.5倍を払う価値があるのはどれか」だ。この問いにFrontier-BenchとGDPval-AAは答えない。日本の実務ユーザーでこの二つのベンチマークの中身を説明できる人はほとんどいないはずで、私も評価タスクの構成を確認していない。名前を知らないベンチマークで1位だと言われても、それは自分の仕事が改善する根拠にはならない。

そして正直に書いておく。Opus 4.8の「4倍」という言い方を、私は分母が公開されていない点を指摘したうえで、書き方としては誠実だと評価した。その4倍を自分のworkflowで再現する検証は、まだ終わっていない。終わらないうちに世代が一つ進んだ。前回の判定を撤回はしないが、検証していない評価を出したことは記録として残す。

利用可能という一文が答えていない問いを並べておく。国内法人でそのまま調達できるのか。請求と契約の主体はどうなるのか。日本語の入出力でトークン効率と品質がどう変わるのか。

特に最後は重要だ。日本語は英語よりトークンを食う。入力$5・出力$25という表は、日本語で同じ仕事をする限り、実効単価としては表の数字より高くつく。発表文が日本語性能に触れていない以上、この差分は各自が測るしかない。触れられていないことをそのまま「問題ない」と読まないでほしい。

乗り換えではなく、限定投入。手順はこうだ。

1. 直近1か月のログから、Sonnet 5の出力を人手で書き直した、あるいは捨てたタスクを抜き出す。ここが唯一の候補だ。
2. その入力をそのままOpus 5に流す。デモ用の綺麗なプロンプトではなく、実際に投げている汚いプロンプトで。
3. 損益分岐は単純だ。2.5倍払って、人間のやり直しが1回消えるなら勝ち。消えないなら、そのタスクはSonnet 5に戻す。
4. 日本語の実タスク — 社内文書、議事録、日本語コメント込みのコードレビュー — を必ず混ぜる。英語ベンチマークの順位はここを保証しない。

パイプラインの既定モデルを一括で差し替えるのは、レート制限が公表されるまで待つ。制限を知らずに設計した処理は、本番で詰まってから知ることになる。

短く言えば、判定は「試す、ただし限定的に」。ベンチマークで1位だから乗り換える、という理由づけを今日は採らない。