Anthropicの最新モデル「Claude Opus 4.6」が、現実世界の複雑なマルチステップ・タスクを評価する「GDPval-AA」リーダーボードで首位に躍り出た。Artificial Analysis社が開発したこのベンチマークは、単なるテキスト生成能力にとどまらない。シェルアクセスやウェブブラウジングを活用し、データ分析や動画制作のスケジューリングといったワークフローを完結させる「エージェンティックAI（自律型AI）」としての能力を厳格に測定するものである。

この飛躍的な性能向上を支えているのが、モデルが自らの作業を繰り返し洗練させる「適応型思考（Adaptive Thinking）」モードだ。前モデルの4.5と比較してトークン消費量は30%から60%増加しているものの、その計算リソースの投入は、OpenAIのフラッグシップであるGPT-5.2に対して約150ポイントという圧倒的なEloレーティングの差として結実した。実際に、このモデルは画像ビューアツールを駆使して自らの出力を視覚的にチェックし、プロフェッショナルな美観と構造的な正確さを確保する挙動を見せている。

一方で、その卓越した技術力の一方で、コスト面は依然として企業ユーザーにとっての懸念材料だ。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ドルという強気な価格設定に加え、高いトークン消費量が相まって、Opus 4.6は現在、運用コストが最も高いモデルとなっている。しかし、現代のAI能力の極限を求める組織にとって、パレート境界上に位置するこのモデルが提供する高いパフォーマンスは、高付加価値なナレッジワークにおいて十分に正当化される投資と言えるだろう。

Anthropicの最新モデル「Claude Opus 4.6」が、現実世界の複雑なマルチステップ・タスクを評価する「GDPval-AA」リーダーボードで首位に躍り出た。Artificial Analysis社が開発したこのベンチマークは、単なるテキスト生成能力にとどまらない。シェルアクセスやウェブブラウジングを活用し、データ分析や動画制作のスケジューリングといったワークフローを完結させる「エージェンティックAI（自律型AI）」としての能力を厳格に測定するものである。

この飛躍的な性能向上を支えているのが、モデルが自らの作業を繰り返し洗練させる「適応型思考（Adaptive Thinking）」モードだ。前モデルの4.5と比較してトークン消費量は30%から60%増加しているものの、その計算リソースの投入は、OpenAIのフラッグシップであるGPT-5.2に対して約150ポイントという圧倒的なEloレーティングの差として結実した。実際に、このモデルは画像ビューアツールを駆使して自らの出力を視覚的にチェックし、プロフェッショナルな美観と構造的な正確さを確保する挙動を見せている。

一方で、その卓越した技術力の一方で、コスト面は依然として企業ユーザーにとっての懸念材料だ。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ドルという強気な価格設定に加え、高いトークン消費量が相まって、Opus 4.6は現在、運用コストが最も高いモデルとなっている。しかし、現代のAI能力の極限を求める組織にとって、パレート境界上に位置するこのモデルが提供する高いパフォーマンスは、高付加価値なナレッジワークにおいて十分に正当化される投資と言えるだろう。