動察 Beatingのモニタリングによると、第三者評価機関Artificial AnalysisがClaude Opus 5のスコアを発表しました。9項目のテストを総合したインテリジェンス指数で61点を獲得し、Fable 5の60点を僅差でリード。GPT-5.6 Solは59点、Kimi K3は57点でした。
Opus 5のタスクあたりの平均コストは2.03ドルで、Fable 5の2.75ドルより26%低くなっています。GDPval-AA v2とAA-Briefcaseの2つの知識業務評価でトップに立ち、Claude Codeと組み合わせることでプログラミングエージェント指数でも首位を獲得。Terminal-Bench v2.1では89%のスコアを記録し、GPT-5.6 Solとほぼ互角です。
モデルは5段階の推論強度を提供。lowからmaxまで、出力Tokenは約8倍の差があり、GDPval-AA v2のスコアは407 Eloの差が生じます。ユーザーはより多くのTokenを使って性能を高めることも、積極的にコストを抑えることも可能です。
弱点も明らかです。Opus 5の事実知識は依然としてFable 5に劣ります。AA-Omniscienceテストでは、幻覚率が50%に上昇し、Opus 4.8より14ポイント高くなっています。低推論モードでのコストパフォーマンスも、GPT-5.6シリーズにやや劣ります。