Anthropicは、素早い応答と段階的な思考プロセスを統合する「ハイブリッド推論」機能を提供する2つの新しい大規模言語モデル、Claude Opus 4とClaude Sonnet 4をリリースしました。これらのモデルはClaude 3.x世代に取って代わり、200,000トークンのコンテキストウィンドウを維持しつつ、安全性とエージェント機能の向上を実現しています。

  • SWE-bench Verifiedベンチマークにおいて、Opus 4は72.5%の精度を達成し、Sonnet 4は72.7%に達し、OpenAIのGPT-4.1（54.6%）やGoogleのGemini 2.5 Pro（63.2%）を上回りました。
  • Anthropicによると、Sonnet 4は以前のSonnet 3.7モデルと比較して、報酬ハッキングが最大8倍低く現れています。
  • 独立したベンチマークでは、Opus 4はAiderテストで72%の精度で3位となり、LovableはSonnet 4の速度が40%向上したと報告しています。
  • これらのモデルは長時間実行されるタスクを処理するように設計されており、Opus 4はコンテキストを失うことなく数時間続く自律的なコーディングセッションを実行できます。

今回のリリースは、Claudeブランドに関連する会話の安全基準を維持しつつ、コーディング、推論、長文コンテンツの処理において大幅な向上をもたらすことを目的としています。