概要

• Claude Opus 4.1のリリースと主な強化点の紹介
• コーディング性能や推論力の向上
• 主要プラットフォームでの利用可能性
• ベンチマークスコアやユーザーからの評価
• 利用開始方法と評価方法の説明

Claude Opus 4.1のリリースと特徴

• Claude Opus 4.1 は、従来のOpus 4から エージェントタスク ・ 実践的なコーディング ・ 推論力 が強化されたバージョン
• 近日中にさらに大規模なモデル改善を予定
• 有料Claudeユーザー、 Claude Code、 API、 Amazon Bedrock、 Google Cloud Vertex AI で利用可能
• 価格はOpus 4と同じ設定

コーディング性能・推論力の向上

• SWE-bench Verifiedで 74.5%のコーディング性能 を記録
• 詳細追跡 や エージェント型検索 でのリサーチ・データ分析力向上
• GitHubによると、 複数ファイルのリファクタリング で特に顕著な性能向上
• Rakuten Groupでは、大規模コードベースでの 正確な修正能力 を高評価
  • 不要な変更やバグ導入を防止 できる点が日常的なデバッグ作業で支持
• Windsurfのジュニア開発者ベンチマークで、 Opus 4から標準偏差1つ分の性能向上
  • Sonnet 3.7からSonnet 4へのジャンプと同等の進化

利用開始方法

• すべての用途で Opus 4.1へのアップグレード を推奨
• 開発者はAPIで claude-opus-4-1-20250805 を指定
• システムカード、 モデルページ、 価格ページ、 ドキュメント も参照推奨

ベンチマーク・評価方法

• Claudeモデルは ハイブリッド推論モデル
• 本記事のベンチマークは、 拡張思考の有無 により最高スコアを報告
  • 拡張思考なし： SWE-bench Verified、 Terminal-Bench
  • 拡張思考あり（最大64Kトークン）： TAU-bench、 GPQA Diamond、 MMMLU、 MMMU、 AIMETAU-bench
• TAU-benchでは、 推論力を最大活用する指示 を追加し、問題解決時に思考過程を明示
  • モデルの完了回数上限を 30→100 へ拡大（大半は30回未満で完了）
• SWE-benchでは、 bashツール と 文字列置換によるファイル編集ツール の2つのみ使用
  • Sonnet 3.7で用いた プランニングツール は不使用
  • Claude 4系モデルは 全500問 でスコア算出、OpenAIは 477問サブセット で算出

参考情報・データソース

• OpenAI: o3 launch post、 o3 system card
• Gemini: 2.5 Pro model card
• Claude: Sonnet 3.7 launch post、 Claude 4 launch post