発表を見て真っ先に思ったのは、Sonnetがまた一段上に来たな、という感覚だった。Opus 4.8にほぼ並ぶ数字を、しかも導入価格で入力$2/百万トークンから。ここ数か月、Claude Codeを日常的に回している人ほど、この一枚のリリースノートが持つ重さがすぐ伝わるはず。
- 「最もエージェント的」を名乗った意味
- Sonnet 4.6からの跳ね幅を数字で追う
- Opus 4.8ではなくSonnet 5を選ぶ理由
- Claude Codeで真っ先に確かめたい変化
- Free/Proに降ってきた意味と、組織導入で押さえる話
- サイバー領域で一段譲った事情、幻覚と忖度の改善
- 明日、Sonnet 4.6から切り替えるか
「最もエージェント的」を名乗った意味
今回Anthropicが繰り返し使っている表現が「our most agentic Sonnet」。ブラウザやターミナルを触りながら自分で計画を立て、途中で止まらずに走り切る、という文脈で語られている。ここがSonnet 4.6との明確な線引きだ。
数か月前のSonnet 4.5から4.6への更新は、体感で言えば「安定した速い相棒」への進化だった。落ちない・素直に指示に従う・そこそこ考える。ただ複雑なエージェントタスクになると、途中で失速したり、迷子になる瞬間がまだ残っていた印象がある。Sonnet 5はここに正面から手を入れてきた形になる。
早期アクセス組のフィードバックとして紹介されているのは「前のSonnetが途中で止まっていたところまで走り切る」「明示的に指示しなくても自分の出力を確かめに戻る」といった言い回し。マーケの美化を差し引いても、方向性ははっきりしていると思う。
Sonnet 4.6からの跳ね幅を数字で追う
主要ベンチマークで報告されている数字を並べる。
- SWE-bench Verified：82.1%（Sonnet 5）
- Terminal-Bench 2.1：80.4%（Sonnet 4.6は67.0%、+13.4ポイント）
- OSWorld-Verified：81.2%（Sonnet 4.6は78.5%）
- SWE-bench Pro：Sonnet 5が63.2%、Sonnet 4.6が58.1%、Opus 4.8が69.2%
- GDPval-AA v2（知識労働）：Sonnet 5が1,618、Opus 4.8が1,615
一番目立つのはTerminal-Benchの伸び。エージェントとして「ターミナルで手足を動かす」性能が、一世代で13ポイント跳ねるのはかなり異例だ。逆にコーディング特化のSWE-bench Proでは、まだOpus 4.8に6ポイント届いていない。ここは正直、微妙に線を残した数字だと思う。
面白いのは知識労働系のGDPval。Opusをわずかに上回っている。仕様書を読ませて要点を抜く、社内議事録から意思決定を追う、といった「文脈をたぐる仕事」ではSonnet 5が実質同格まで来た、と読める数字だ。
Opus 4.8ではなくSonnet 5を選ぶ理由
導入価格は2026年8月31日まで、入力$2/百万トークン、出力$10/百万トークン。9月以降は入力$3・出力$15になる。Opus 4.8はレンジがまるごと上なので、実運用のコスト差は数倍単位で開く。
「Opus 4.8並みの数字が半額以下」というと単純なコストダウンの話に聞こえるが、影響が大きいのはむしろ「日常のClaude Codeセッションを回す前提が変わる」ところ。ここ半年、実務でOpusを常用してきた層は、「本当に必要なタスクだけOpus」と使い分けていたはず。Sonnet 5だとその線引きが甘くなる。もっと粗く投げても、費用対効果が壊れない。
ひとつ落とし穴になりそうなのが、トークナイザー変更で入力が「約1.0〜1.35倍のトークンにマップされる」と公式に書かれている点。単価は下がっても、同じ長文プロンプトを渡すと請求されるトークン量が微増する可能性がある。金額ベースで比較するときはここを見ておきたい。
Claude Codeで真っ先に確かめたい変化
Claude Codeの /model で claude-sonnet-5 を指定すれば切り替わる。使い方に照らして、まず確かめたいのはこの3点。
長い作業ループが途中で「わからないので止めます」と諦めるパターンが減っているか。ここが「most agentic」を名乗った本気度の試金石になる。Sonnet 4.6でも粘るときは粘るが、複雑度が上がると自己判断で撤退する挙動が残っていた。
ツール呼び出しの手数が減ったか。Terminal-Benchで13ポイント跳ねているのは、コマンドが正しいだけでなく、無駄な確認・迂回が減っている可能性が高い。エージェントを長時間走らせる案件では、この差が実運用時間に直結する。
ハルシネーションの落ち着き。公式が「幻覚と忖度の傾向が低下」と明言している。半年前のあのSonnet 4.5リリース時にも同じ主張があって、改善報告は多かったが完全解決には至らなかった。今回どれだけ底上げされているかは、コードベース調査系のタスクを投げるとすぐ見える。
Free/Proに降ってきた意味と、組織導入で押さえる話
現場と別に、組織で導入する側が知っておくべきポイントがある。Sonnet 5は全プランで使え、Free/Proではデフォルトモデルになった。この一手が意外と重い。
無料ユーザーが日常的に触るのがSonnet 5になる、というのは、社内で「AI慣れしていない人にとりあえずClaude触ってみて」と言った時の第一印象を、Anthropicが最新モデルで揃えにきた、ということ。半年前まで無料枠は明らかに一段古いモデルで、社内導入の説得材料としては微妙だった。ここが解消される。
Max/Team/Enterpriseユーザーも当然使える。Claude Codeを社内配布している組織は、レート制限やコスト計画の見直しがすぐ発生するはず。導入価格が8月31日までなので、9月に入る前に想定コストを組み直しておいたほうがいい。
「Opus 4.8並みが安く手に入るならOpusは要らないのでは」という判断は、まだ早い気がする。SWE-bench Proや複雑なリファクタリング系タスクではOpus 4.8が明確に上、と読めるので、「重い一発はOpus、日常回しはSonnet 5」の使い分けは残る。カニバリではなく棲み分け、と見るのが実態に近い。
サイバー領域で一段譲った事情、幻覚と忖度の改善
弱点についてもはっきり書いておきたい。サイバーセキュリティ系タスクではSonnet 5は「現在のOpusより実質的に低い性能」と公式が明言している。特にFirefox脆弱性のエクスプロイト開発テストでは完全成功が0.0%と、ここは意図的に外した数字だ。
一般的知能の底上げにより「部分成功」の率はSonnet 4.6より若干上がった、という但し書きもある。Anthropicとしては、能力を伸ばす方向と、危険用途を絞る方向をベンチマークレベルで両立させにきた、という読み方ができる。
ハルシネーションと忖度（sycophancy：ユーザーに合わせすぎて誤った肯定をする傾向）の低下は、実務で効いてくるポイント。エンジニア視点だとどちらも致命的で、Sonnet 4.6でも一部で残っていた。ここが緩んだのは、コードレビュー用途で助かる方向の変化だと思う。
明日、Sonnet 4.6から切り替えるか
自分なら、まずClaude Codeの日常セッションを丸ごとSonnet 5に切り替えて1週間走らせる。理由はシンプルで、「途中で止まらず走り切る」の主張が事実なら、体感の差が最も出やすい使い方だから。逆に、Opus 4.8で回していた重量級のリファクタリングや、コードベース横断の設計判断は、当面Opusに残しておく。SWE-bench Proの6ポイント差は無視できない。
コスト面では、9月1日以降の値上げに備えて、8月中に月次コストの実測を取る。値上げ後にどのタスクをどのモデルで回すか、その時点で振り分けを決めればいい。特にエージェントを長時間走らせる案件では、トークナイザー変更の影響も見ておきたい。
正直に言うと、Anthropicが1年前に「エージェント時代のSonnet」を打ち出したときは、まだ半信半疑だった。ここ数世代でその設計思想が着実に形になってきているのを感じる。Sonnet 5が発表当日の熱狂で終わるのか、それとも「Opus 4.8でなくてもいい」という新しい常識を作れるかは、これから3か月の実運用で見えてくるはず。
