2026年5月28日、AnthropicはClaude Opus 4.8をリリースした。モデル名そのものより重要なのは、開発者向けの3つの変更だ。Claude Codeにdynamic workflowsが加わり、ユーザーはエフォートレベルを選べるようになり、Opus fast modeは2.5倍高速化した。価格は入力100万トークンあたり10ドル、出力100万トークンあたり50ドルで、Anthropicによれば従来のOpusモデルのfast modeより3分の1安い（Anthropic）。
ここが本筋だ。見出しは「Claudeがまた別のグラフでGPTを上回った」ではない。見出しは、Anthropicがコーディングエージェントを単一チャットの箱から外へ出そうとしている、ということだ。
これまでのループは単純だった。プロンプトを書く。待つ。差分を見る。またプロンプトを書く。Opus 4.8が示すのは別のループだ。ゴールを渡し、システムに作業をサブエージェントへ分割させ、メイン会話の外で状態を保持し、結果を検証し、最後に統合された回答として戻す。これにより、開発者の仕事はプロンプトを書く人からエージェントを運用する人へ変わる。
ベンチマークの上昇は本物だが、それは堀ではない
Opus 4.8はOpus 4.7より強い。Anthropicによれば、コーディング、エージェント的能力、推論、プロフェッショナル業務の全般で改善しており、通常のAPI価格は入力100万トークンあたり5ドル、出力100万トークンあたり25ドルのまま据え置きだ（Anthropic）。同社はまた、このモデルが自分で書いたコードの欠陥を見逃して何も言わない確率は、Opus 4.7のおよそ4分の1だとしている。
システムカードの数字を見ると、狙いははっきりする。AnthropicのOpus 4.8システムカードデータに関する公開サマリーによれば、SWE-bench ProでOpus 4.8は69.2%と報告されており、Opus 4.7の64.3%、GPT-5.5の58.6%、Gemini 3.1 Proの54.2%を上回っている（Vellum, Anthropic system card PDF）。Terminal-Bench 2.1では話が少し複雑だ。同じTerminus-2ハーネスではGPT-5.5が78.2%で首位に立ち、Opus 4.8は74.6%にとどまる。Anthropicはまた、GPT-5.5のCodex CLIハーネスでの報告スコアが83.4%であることにも触れている。エージェントのベンチマークが測っているのは、瓶詰めの純粋知能ではなく、モデルとハーネスの組み合わせだという有用なリマインダーだ（Anthropic）。
| Benchmark | Claude Opus 4.8 | Claude Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|
| SWE-bench Pro | 69.2% | 64.3% | 58.6% | 54.2% |
| SWE-bench Verified | 88.6% | 87.6% | Anthropic表ではn/a | 80.6% |
| Terminal-Bench 2.1, Terminus-2 | 74.6% | 66.1% | 78.2% | 70.3% |
| HLE with tools | 57.9% | 54.7% | 52.2% | 51.4% |
この表はファンではなくエンジニアとして読むべきだ。Opus 4.8は意味のあるリリースだ。だが、完勝ではない。OpenAIにはGPT-5.5を中心とした、信頼に足るターミナルエージェントのストーリーがまだある。OpenAIは4月にこのモデルを発表した際、エージェント的AIと現実世界の仕事を軸に位置づけていた（OpenAI）。2026年2月19日にリリースされたGoogleのGemini 3.1 Proも、より強い推論とGoogleの各種サーフェスでの広い提供を前面に出していた（Google）。
では、なぜOpus 4.8は戦略的に違って見えるのか。Anthropicが売っているのはモデルだけではなく、運用モデルだからだ。
Dynamic WorkflowsはClaude Codeをランタイムに変える
dynamic workflowsこそ、このリリースの刃だ。AnthropicのClaude Codeに関する投稿によれば、Claudeは1つのセッション内で「数十から数百」の並列サブエージェントを動かすオーケストレーションスクリプトを書き、それぞれの作業をチェックし、統合された結果を返せる（Claude）。例に挙がっているのは玩具のようなプロンプトではない。コードベース全体のバグ探索、プロファイラに基づく最適化監査、セキュリティ監査、大規模移行、モダナイゼーション、そして敵対的レビューだ。
Bunの例は、開発者の記憶に残るタイプの主張だ。Anthropicによれば、Jarred Sumnerはdynamic workflowsを使ってBunをZigからRustへ移植し、既存テストスイートの99.8%が通り、およそ75万行のRustが生まれ、最初のコミットからマージまで11日だった（Claude）。これは、どのチームでもレガシーなモノリスをClaudeに投げて昼食に行けるという意味ではない。だが、Anthropicが1つのコンテキストウィンドウと1本のエージェントトレースを超える仕事を明示的に設計対象にしている、という意味ではある。
いまや妥当なプロンプトは「このバグを直して」というより、社内自動化システム向けのジョブ仕様に近い。
Create a dynamic workflow to audit this repo for unsafe auth bypasses.
Split by service boundary, require two independent reviewers per finding,
run relevant tests, and return only confirmed issues with file paths,
risk level, repro steps, and a minimal patch plan.これは別のスキルだ。開発者はスコープ、予算、権限、検証ゲート、ロールバック時の挙動を定義しなければならない。もはや有用なメンタルモデルはペアプログラミングではない。眠らず、速く、小さく、ムラがあり、時々チケットを誤解するエンジニアリングチームを管理することだ。
エフォートレベルは計算資源をプロダクトのつまみにする
エフォートセレクタは過小評価されやすい。Anthropicによれば、Opus 4.8はデフォルトで高エフォートになっており、ユーザーはClaude Codeで「extra」またはxhigh、さらにmaxを選べる。高いエフォートほど、より良い結果のために多くのトークンを使う（Anthropic）。Claude APIのドキュメントでは、xhighは高度なコーディングや、繰り返しのツール呼び出しと詳細な探索を伴う複雑なエージェント的作業に適していると説明されている。一方で、Claude Codeのultracodeは別個のAPIエフォートレベルではないとも明記している。そしてxhighにはマルチエージェントワークフローを起動する権限が組み合わされる（Anthropic Docs）。
これは、開発者が高くつく方法ですでに学んでいたことをAnthropicが認めている、ということだ。「最高のモデル」という抽象化は間違っている。正しい問いは、このタスクにどれだけの探索、ツール利用、検証、並列性を買わせるべきか、である。
タイポ修正に100体のエージェントを走らせるべきではない。サービス横断の認証移行なら必要かもしれない。 flaky test の調査は、並列仮説にぴったりかもしれない。UI文言の変更には不要だ。
Fast modeも同じ主張に乗っている。標準のOpus 4.8価格は100万トークンあたり5ドル/25ドルで据え置きだが、fast modeは10ドル/50ドルで、2.5倍の速度で動く（Anthropic）。これは「安いClaude」ではない。レイテンシへのプレミアムだ。Anthropicは従来のfast-modeプレミアムを十分に下げたため、チームは速度を贅沢な設定ではなく、運用上の判断として扱い始められる。
OpenAIやGeminiとの比較はサーフェスの勝負だ
OpenAI、Google、Anthropicはいずれもフロンティアモデルのスコアを追っている。そのレースから降りられる会社はいない。買い手はいまだにSWE-bench、GPQA、HLE、OSWorld、社内評価で誰がリードしているかを聞く。調達資料には今でもグラフが必要だ。
だが開発者ツールの競争は、「どのモデルが一番うまく答えるか」から「どの環境ならモデルを安全に働かせ続けられるか」へ移りつつある。
OpenAIのCodex的な位置づけは、ターミナル実行、リポジトリ操作、ハーネス化されたコーディング作業の周辺で強い。GPT-5.5のTerminal-Benchでの優位はAnthropicへの警告でもある。低レベルのターミナル信頼性では、周辺のCLIと実行ハーネスが、生のベンチマーク差を上回り得る。Googleの強みは配布だ。GeminiモデルはGeminiアプリ、AI Studio、Vertex AI、Workspace的なサーフェス、Android隣接のワークフローに入り込む。だから、競合モデルがコーディングのチャートで勝っていても、Geminiを無視するのは難しい。
Anthropicの答えは、より狭く、より思想が強い。Claude Codeは、長時間のエンジニアリング作業を計画し、分岐させ、チェックし、再開し、レビューする場所になるべきだ、というものだ。Opusのページでは、このモデルは本格的なコーディングとAIエージェント向けに作られており、1Mコンテキストウィンドウを持ち、Claude Platform、AWS、Google Cloud、Microsoft Foundryで利用可能だと説明されている（Anthropic）。dynamic workflowsは、それをモデルマーケティングからプロダクトアーキテクチャへ押し出す。
開発者ワークフローは実務上4つ変わる
第一に、計画がより重要になる。dynamic workflowは最初の指示を増幅する。曖昧なプロンプトは、より多くのトークンを浪費し、より多くのファイルに触れ、より大きな混乱を生む。うまいユーザーは、対象ディレクトリ、実行すべきテスト、変更してはいけないAPI、完了の定義を明示したチケットを書くようになる。
第二に、検証が第一級の成果物になる。Anthropicによれば、ワークフローは独立した試行や敵対的エージェントを使い、ユーザーの目に触れる前に結果を壊しにいける（Claude）。これは正しいパターンだ。エージェントの出力は証拠とともに届くべきだ。テストログ、grep結果、ベンチマーク差分、未解決リスクである。
第三に、コストは見えない背景ノイズからアーキテクチャへ移る。dynamic workflowsは通常のClaude Codeセッションよりかなり多くの使用量を消費し得るし、Anthropicもスコープを絞ったタスクから始めることを明示的に推奨している（Claude）。チームにはハウスルールが必要になる。いつ高エフォートを使うか、いつxhighを使うか、いつワークフローを許可するか、いつ先に人間の設計レビューを強制するか。
第四に、シニアエンジニアの役割は上へ移る。すべての参照を手で確認する時間は減る。代わりに、ハーネスを設計する時間が増える。リポジトリマップ、テストコマンド、権限モード、ブランチ戦略、CIゲート、レビュープロンプトだ。優れたAIコーディング環境は、気の利いたプロンプト集ではなく、小さな社内プラットフォームのように見えるはずだ。
Anthropicの賭け：エージェントマネージャーが勝つ
Opus 4.8は良いモデルリリースだ。だが、より面白いリリースは周辺のコントロールプレーンである。
Anthropicは、トップラボ間のフロンティア知能が十分に接近し、開発者のロイヤルティはオーケストレーションから生まれると賭けている。システムがどれだけうまく作業を分解し、エージェントを並列実行し、コンテキストを管理し、確認を求め、主張を検証し、人間が信頼できるだけの状態を露出できるか。ベンチマークは今でも重要だ。評価対象に入る会社を決める。しかし日々のループに残る会社を決めるのはワークフローだ。
これは正しい賭けだ。開発者生産性の次の跳躍は、1つのターンで1体のエージェントを少し賢くすることからは来ない。実際のエンジニアリング作業に合ったランタイムを、有能なモデルに与えることから来る。並列調査、段階的な実装、独立レビュー、テスト、ロールバックである。
Opus 4.8は、Anthropicが暗黙の本音を声に出したリリースだ。モデル競争は続く。だがプロダクト競争の主戦場は、エージェント・オーケストレーションへ移った。
Claude Fable 5を自分で試したい読者は、Claude Fable 5 on OneHopから利用できる。定価より約30%安いドロップインエンドポイントだ。新規アカウントはカード不要で、$10 freeから開始できる。
Further reading: Claude Fable 5を始める.
