同価格で3ヶ月後継モデルが出たとき、何を考えるべきか
モデル選択の悩みは通常「性能 vs コスト」のトレードオフだ。 しかしClaude Opus 4.6とOpus 4.8は価格が全く同じ（入力$5 / 出力$25 per 1Mトークン）。 スペックシートだけ見れば「新しい4.8一択」に思える。
だが実際のベンチマークデータを並べると、知識タスクでOpus 4.6がOpus 4.8を上回るという 逆転現象が起きている。Opus 4.8がコーディングとエージェント性能に最適化された結果、 知識回答型のタスクで4.6に劣るカテゴリが生まれた可能性がある。 「新しい＝全領域で優れる」という思い込みが崩れる好例だ。 この記事では同価格モデルのどこで差が出るかを実データで検証する。
スペック比較
| 項目 | Opus 4.6 | Opus 4.8 | 差分 |
|---|---|---|---|
| リリース日 | 2026-02-05 | 2026-05-28 | Opus 4.8が約4ヶ月新しい |
| モデルID | claude-opus-4-6 | claude-opus-4-8 | — |
| 入力価格 | $5.00 / 1M | $5.00 / 1M | 同じ |
| 出力価格 | $25.00 / 1M | $25.00 / 1M | 同じ |
| Fastモード | なし | $10 / $50（2.5倍速） | Opus 4.8専用機能 |
| コンテキスト窓 | 1,000,000トークン | 1,000,000トークン | 同じ |
| 最大出力 | 128,000トークン | 128,000トークン | 同じ |
| エフォートレベル | low / medium / high / max | low / medium / high / xhigh / max | 4.8にxhigh追加 |
| 最小キャッシュ長 | — | 1,024トークン（改善） | 4.8で短縮 |
| Dynamic Workflows | なし | あり（リサーチプレビュー） | 4.8の新機能 |
| サイレントバグ | ベースライン | 4倍少ない（Opus 4.7比） | 4.8の正直性向上 |
| 総合スコア（BenchLM） | 86 | 93 | 4.8が+7点 |
コストとスペックが同じで、新機能はOpus 4.8が多い。 単純に見れば「4.8に移行すべき」だが、ベンチマークのカテゴリ別に見ると状況は複雑になる。
ベンチマーク比較：カテゴリ別の実態
コーディング性能：Opus 4.8が圧倒
コーディングベンチマーク比較（%、高いほど良い）
コーディング性能の差は際立っている。SWE-bench Pro（GitHubのマルチ言語issue解決）では 4.6の53.4%に対して4.8が69.2%と+15.8ポイントの差。 コーディング平均でも64.4 vs 76.4と約12ポイントの差がある。 同じ価格でこれだけの差があれば、コーディング主体のタスクでは移行を躊躇する理由がない。
知識タスク：Opus 4.6が逆転
知識・推論ベンチマーク比較（%、高いほど良い）
注目すべきが知識タスク平均だ。Opus 4.6が76.2に対してOpus 4.8は70.1と+6.1ポイントOpus 4.6が上回る。BigLaw Bench（法律推論）ではOpus 4.6が90.2%（40%が満点）という高スコアを記録。Finance Agent（金融分析エージェント）でも4.6が4.8を上回ることが報告されている。 GPQA Diamondは4.8が93.6% vs 4.6の91.3%と4.8優位だが、 「知識タスク全体」の平均ではOpus 4.6が優れる。
全カテゴリ総合比較
| カテゴリ | Opus 4.6 | Opus 4.8 | 勝者 |
|---|---|---|---|
| コーディング平均 | 64.4 | 76.4（+12pt） | 🔵 Opus 4.8 |
| エージェントタスク平均 | 72.6 | 80.1（+7.5pt） | 🔵 Opus 4.8 |
| 知識タスク平均 | 76.2 | 70.1（-6.1pt） | 🟢 Opus 4.6 |
| マルチモーダル平均 | 77.3 | 76.1（-1.2pt） | 🟢 Opus 4.6（僅差） |
| SWE-bench Pro | 53.4% | 69.2%（+15.8pt） | 🔵 Opus 4.8 |
| SWE-bench Verified | 80.8% | 88.6%（+7.8pt） | 🔵 Opus 4.8 |
| Terminal-Bench 2.1 | 65.4% | 74.6%（+9.2pt） | 🔵 Opus 4.8 |
| GPQA Diamond | 91.3% | 93.6%（+2.3pt） | 🔵 Opus 4.8 |
| BigLaw Bench | 90.2% | — | 🟢 Opus 4.6 |
| Finance Agent | 上回る | 下回る | 🟢 Opus 4.6 |
| BrowseComp | 83.7% | 上回る | 🔵 Opus 4.8 |
| 総合スコア（BenchLM） | 86 | 93（+7） | 🔵 Opus 4.8 |
Opus 4.8の差別化新機能
Dynamic Workflows
Opus 4.8のリリースと同時にClaude Codeに追加されたDynamic Workflows（リサーチプレビュー）は、 Claude Codeが複雑な作業を計画し、数百の並列サブエージェントを生成して処理を分散、 結果を検証してから返答する機能だ。 大規模コードベースのリファクタリング、包括的なテスト生成、セキュリティ監査など 「一人では時間がかかりすぎる」タスクをオーケストレーションできる。 Opus 4.6では利用できない。
正直性の改善：4倍少ないサイレントバグ
Opus 4.8はOpus 4.7比で「報告されないコード上の欠陥が4倍少ない」。 「動きますよ」と言いながらバグを見落とすケースが減り、 コードレビューや自動生成コードの信頼性が向上する。 この改善はOpus 4.6に対しても有効な移行理由になる。
Fastモード
Opus 4.8のみに追加されたFastモード（入力$10 / 出力$50、通常モードの2倍価格）は2.5倍の速度で動作する。 通常モードのOpus 4.8がOpus 4.6より遅い場合、Fastモードで速度を回復できる。 Opus 4.6には速度の選択肢がない。
Opus 4.6が「残る理由」
同価格でOpus 4.8が多くのベンチマークで優れる以上、「Opus 4.6を使い続ける理由」は 意識的に探す必要がある。実際に存在するのは以下のケースだ。
知識検索・RAG・法律・金融ドメイン
前述の通り、知識タスク平均でOpus 4.6（76.2）がOpus 4.8（70.1）を6.1ポイント上回る。 RAGシステム、法律文書Q&A、財務データ分析、ナレッジベース検索といった 「正確な知識を即座に引き出す」タスクでは、4.6が有利な可能性がある。 BigLaw Benchの90.2%は特に際立っており、法律ドメインでは4.6を残す根拠になる。
プロダクション安定性
Opus 4.6は2026年2月からの約4ヶ月で実プロダクションでの動作が検証されている。 挙動の癖・エッジケースの把握・プロンプトチューニングが完了しているチームにとって、 実証済みモデルへの依存には正当な理由がある。 Opus 4.8は2026年5月リリースでまだ約1ヶ月。ミッションクリティカルな本番環境では「実績のある4.6」を選ぶ判断もある。
推論オーバーヘッドとレイテンシー
Opus 4.8のadaptive thinkingは、複雑なタスクでは深く推論するが、 その分レイテンシーが増える場合がある。 シンプルな知識応答型リクエストで4.8が「考えすぎる」ことで遅くなるケースでは、 4.6の方が応答速度で有利な場面がある。
Opus 4.8の「性能劣化」報告：ユーザーが4.6に戻る理由
ベンチマーク上の数値とは別に、リリース後のOpus 4.8に対するユーザー報告が急増している。 GitHub上のanthropic/claude-codeリポジトリには2026年6月時点で複数の関連Issueがオープンされており、 これが「4.6の方が安定している」という声の背景にある。
GitHub Issueに見る具体的な症状
| Issue # | タイトル（要約） | 報告された症状 |
|---|---|---|
| #68780 | [Bug][Urgent] Opus 4.8 reasoning degradation | 推論精度の急低下・速度とパフォーマンスのリグレッション |
| #69045 | Opus 4.8 regression. Model becoming worse over time. | 時間経過とともに品質が劣化。複数の事実を同時に保持できなくなる |
| #65932 | [BUG] Opus 4.8 drops known constraints during execution | 約1週間前と比較し既知の制約を実行中に無視するリグレッション |
| #64991 | Opus 4.8: forced balance-slot criticism + 71-issue inventory | CoT内に不要な批判・留保が強制挿入される。71件の失敗事例を列挙 |
症状として繰り返し言及されているのは以下のパターンだ：
- 「怠け者」挙動の再現: 同様のプロンプトをOpus 4.6やOpus 4.7で試すと問題なく完了するが、4.8では途中で諦める・浅い回答を返す
- 異常なトークン消費: 通常2,000〜3,000トークンで終わるはずのrename-impact scanタスクで4.8が46,433トークン・22分超の推論を消費した事例がDEV Communityに報告されている（同プロンプトで4.6は2,000トークン程度）
- 既知制約の脱落: セッション途中でシステムプロンプトに明記した制約を「忘れる」挙動が増加
- CoTへの余分な批判挿入: 思考過程に自発的な留保・反論が組み込まれ、タスク完了に失敗するパターン
繰り返すパターン：リリース直後→数週間後に劣化報告
現在確認できているのは、Anthropicのモデルリリースには一定のパターンがある点だ。
| モデル | リリース | 劣化報告の時期 | 主な原因（判明分） |
|---|---|---|---|
| Opus 4.6 | 2026-02-05 | 2026年2〜3月 | effort default: high→medium に変更（4/7に戻す） |
| Opus 4.7 | 2026-04-16 | リリース約1週間後 | Claude Codeハーネス変更との複合。BrowseComp低下はモデル由来 |
| Opus 4.8 | 2026-05-28 | 2026年6月（現在進行中） | 調査中。GitHub Issue #68780 / #69045 等でオープン中 |
BridgeBenchの独立測定では、Opus 4.6の精度が83.3%から68.3%に低下し、 ランキングが2位から10位に後退した時期があった。 当時AMDのAIディレクターが6,852セッションの計測データをGitHub Issueに提出し、 MedianのVisibleThinking長が2,200文字から600文字に崩壊した（73%低下）と記録している。 この「計測に基づく劣化報告」の手法が、今のOpus 4.8問題でも引き継がれている。
ユースケース別推奨
| ユースケース | 推奨 | 理由 |
|---|---|---|
| コーディング支援・バグ修正・PRレビュー | Opus 4.8 | SWE-bench Pro +15.8pt。同価格で明確な差 |
| 長期エージェントタスク（50+ ステップ） | Opus 4.8 | エージェント平均 +7.5pt、Dynamic Workflows |
| 大規模コードベース監査・リファクタ | Opus 4.8 | Dynamic Workflows + 4倍少ないサイレントバグ |
| 法律文書Q&A・コントラクト分析 | Opus 4.6 | BigLaw Bench 90.2%、知識タスク平均で優位 |
| 金融分析・財務データ処理 | Opus 4.6 | Finance Agentで4.6が4.8を上回る |
| RAG・知識ベース検索・ドキュメントQ&A | Opus 4.6 | 知識タスク平均 76.2 vs 70.1 |
| ミッションクリティカルな本番環境 | Opus 4.6（条件付き） | 実績4ヶ月。4.8はGitHub Issue多数オープン中（#68780/#69045等） |
| リアルタイム対話でOpus品質が必要 | Opus 4.8 Fast | 2倍価格だが2.5倍速。4.6にFastモードはない |
| 新規プロジェクト・モデル検討中 | Opus 4.8 | 同価格なら総合スコア93 vs 86で4.8が優位 |
Opus 4.6 → 4.8 移行の判断フロー
以下の問いに順番に答えることで移行判断を素早く下せる。
Q1: 主な用途はコーディング・エージェントタスクか？
→ YES: Opus 4.8に移行（同価格でSWE-bench Pro +15.8pt、理由がない）
→ NO: Q2へ
Q2: 主な用途は法律・金融・RAGなど知識検索型か？
→ YES: Opus 4.6を継続しつつABテスト推奨（知識タスクで4.6が有利な可能性）
→ NO: Q3へ
Q3: ミッションクリティカルな本番環境で即移行は難しいか？
→ YES: Opus 4.6継続（ステージング環境で4.8を並行検証）
→ NO: Opus 4.8に移行（新規なら4.8で始める）
まとめ：同価格でも「使い分け」が生き残る
Claude Opus 4.6とOpus 4.8はスペックも価格も同じで、Opus 4.8が4ヶ月新しく、 コーディングとエージェント性能では大幅に優れる。新規プロジェクトやコーディング主体の用途では、Opus 4.8に移行するのが合理的だ。
一方で、知識タスク平均でOpus 4.6が6.1ポイント上回る事実は見過ごせない。 RAG・法律・金融ドメインで動くシステムは、性急な移行よりABテストでの実測比較を挟む価値がある。
- コーディング・エージェント中心 → Opus 4.8一択（同価格で大幅改善）
- 知識検索・RAG・法律・金融 → Opus 4.6継続 + ABテストで実測
- 新規プロジェクト → Opus 4.8から始める（総合スコア93 vs 86）
- 本番安定性最優先 → Opus 4.6で実績を積んだ上で計画的に移行
理解度チェック
理解度チェック
Claude Opus 4.6とOpus 4.8の価格（入力/出力 per 1Mトークン）の関係として正しいものはどれか？
キーボード: 1〜4 で選択、Enter で回答