Anthropicは2026年3月15日、同社の最新大規模言語モデル「Claude 4 Opus」を正式に発表した。同モデルは、SWE-bench Verified、GPQA Diamond、MATH Level 5、HumanEval+、MMMUなど主要AIベンチマークの全部門で首位を獲得し、OpenAIの「GPT-5」やGoogleの「Gemini 2.5 Ultra」を上回る結果となった。
AI業界では「単一モデルが全カテゴリを制覇するのは極めて異例」との声が上がっており、大きな注目を集めている。
ベンチマーク結果：全5部門で首位
Anthropicが公開したベンチマーク結果は以下の通り。Claude 4 OpusはGPT-5、Gemini 2.5 Ultraとの比較において、すべての指標でトップスコアを記録した。
| ベンチマーク | Claude 4 Opus | GPT-5 | Gemini 2.5 Ultra |
|---|---|---|---|
| SWE-bench Verified | 72.5% | 68.3% | 65.1% |
| GPQA Diamond | 78.4% | 75.9% | 76.2% |
| MATH (Lvl 5) | 96.2% | 94.5% | 93.8% |
| HumanEval+ | 95.7% | 93.2% | 91.5% |
| MMMU | 81.3% | 79.8% | 80.5% |
各モデルのベンチマーク比較（Anthropic公式データより作成）
特に注目すべきはSWE-bench Verifiedのスコアだ。これはGitHub上の実際のバグ修正タスクをAIに解かせるベンチマークで、72.5%というスコアは歴代最高。1年前は40%台が最先端だったことを考えると、進化のスピードは凄まじい。
コーディング能力が大幅に進化
今回のモデルで最も際立つのが、コーディング性能の向上だ。HumanEval+で95.7%、SWE-benchで72.5%を記録しており、いずれもGPT-5を上回っている。
Anthropicによれば、Claude 4 Opusは「Claude Code」というコマンドラインツールを通じて、ターミナル上から直接コーディングタスクを委任できる仕組みを備えている。ファイルの読み書き、テストの実行、gitでのバージョン管理まで一貫して処理でき、開発者は設計やレビューに集中できるようになる。
実際に大規模なコードベースを読み込ませてリファクタリングを依頼した開発者からは、「型の整合性を保ちながら、テストコードまで自動生成してくれた」「3日かかる作業が30分で完了した」といった報告が相次いでいる。
推論・数学でも圧倒的な成績
Claude 4 Opusは「Extended Thinking（拡張思考）」と呼ばれる機能を搭載している。これは複雑な問題に対して、人間のように段階的に推論プロセスを踏むことで正答率を高める技術だ。
この機能の恩恵は数学分野で顕著に現れている。MATH Level 5（競技数学レベル）で96.2%という驚異的なスコアを記録。大学院レベルの科学知識を問うGPQA Diamondでも78.4%に到達し、いずれも2位以下に明確な差をつけた。
200Kトークンのコンテキストウィンドウ
もう一つの大きな特徴が、200Kトークン（約15万語）に対応するコンテキストウィンドウだ。一般的な書籍1冊分を超える情報量を一度に処理できるため、以下のようなユースケースで真価を発揮する。
- 大規模コードベース全体を読み込んだバグ修正・リファクタリング
- 数百ページに及ぶ法律文書や技術仕様書の分析
- 複数の論文を横断した研究レビュー
- 長期にわたるプロジェクトの議事録を踏まえた要約・提案
マルチモーダル性能も強化
Claude 4 Opusはテキストだけでなく、画像、PDF、グラフ、技術図面などの視覚情報の理解力も大幅に向上している。MMMUベンチマーク（マルチモーダル理解力を測定）で81.3%を達成しており、写真からの情報抽出、グラフの数値読み取り、UIデザインの解析といったタスクで高い精度を示している。
Anthropic CEOのコメント
「Claude 4 Opusは、単にベンチマークスコアを追い求めたモデルではありません。実際のユーザーのタスクで最も役立つAIを目指した結果、ベンチマークでも高いスコアが出たと考えています。安全性と有用性の両立は引き続き我々の最重要課題です」
── Anthropic CEO ダリオ・アモデイ
料金体系
Claude 4シリーズの料金体系は以下の通り。APIとチャットインターフェースの両方で利用可能だ。
| モデル | 入力トークン | 出力トークン | 特徴 |
|---|---|---|---|
| Claude 4 Opus | $15 / 1M | $75 / 1M | 最高性能 |
| Claude 4 Sonnet | $3 / 1M | $15 / 1M | バランス型 |
| Claude 4 Haiku | $0.80 / 1M | $4 / 1M | 高速・低コスト |
月額$20のClaude Proプラン加入者はClaude 4 Opusを制限付きで利用可能。月額$200のClaude Maxでは実質無制限で利用できる。
業界への影響
今回の発表により、AI業界の勢力図に変化が生じる可能性がある。これまでLLM性能でリードしてきたOpenAIは、コーディングや推論の分野でAnthropicに後れを取る形となった。GoogleのGemini 2.5 Ultraも健闘しているものの、Claude 4 Opusとの差は明確だ。
OpenAIは今年後半に予定しているGPT-5の大型アップデートで巻き返しを図ると見られている。Googleも次世代Geminiモデルの開発を加速させており、2026年のAI開発競争はこれまで以上に激しいものになりそうだ。
ソース： Anthropic公式ブログ、Chatbot Arena Leaderboard、各AIベンチマークリーダーボード
関連記事： OpenAI GPT-5発表まとめ ｜ Google Gemini 2.5 Ultra レビュー ｜ Claude Code使い方ガイド
みんなの反応
去年はGPT-4oが最強とか言ってたのが懐かしい
去年の今頃は40%台で「すごい！」って騒いでたのに
バグ修正の7割をAIが正確に解けるってことだからな…
むしろ残り3割が解けない方がどんなバグなのか気になるわ
数学オリンピック金メダリストでもこのスコア出せるか怪しいぞ
推論過程が全部見えるから、なぜその答えになったか納得できる
リポジトリ丸ごと読ませてリファクタリングさせたらガチで完璧だった
3日分の仕事が30分で終わって笑ったわ
コード全体の一貫性保ったまま修正してくれるの？
部分的に壊れたりしない？
型の整合性もテストもちゃんと見てくれるよ
むしろ自分が見落としてたバグまで指摘された
コーディング → Claude
画像生成 → GPT-5 (DALL-E 4)
検索連携 → Gemini
文章作成 → Claude
日常会話 → 好みで
こんな感じかな
だいたい合ってると思う
Claudeは文章の質が高いから報告書とか企画書書かせるにも最強
でもSonnetのコスパが異次元すぎるから普段使いはそっちでいいわ
Sonnetでも十分すぎるくらい賢いからな
Opusはエンタープライズ向けだろ
半年前：「簡単なコードならAIでもいける」
今：「AIがバグ修正の7割を解ける」
進化早すぎて笑えない
結局使ってみてどうかが全て
Claude使った感想としてはマジで「思考力」が段違い
