Claude Sonnet 5の料金は本当に安いのか——「Opus 4.8に迫る」の看板と、Anthropicが自ら認めた「ほぼコスト中立」

安いのは単価か、請求書か——$2/$10とtokenizerという「単位の変更」

まず価格。これは公式料金表で確認できる事実です。100万tokenあたり(MTokと呼びます。APIの料金はこの単位で決まります)、導入価格が入力$2/出力$10。2026年8月31日で導入期間が終わり、以後は$3/$15になります。比較対象のOpus 4.8は$5/$25なので、導入価格なら4割、通常価格でも6割の水準です。

ところが、この値札には脚注が付いています。Sonnet 5は新しいtokenizerを採用しました。tokenizerとは、文章をモデルが読む最小単位(token)に刻む部品のことで、課金はこのtokenの数に対して行われます。Anthropicの開示によれば、新tokenizerは同じ入力を従来のおよそ1.0〜1.35倍のtokenに変換します(倍率は内容によって変わる、とされるベンダー申告値です)。つまり単価は下がったが、同じ文章の「token数」は増えうる。実際Anthropic自身が、導入価格はSonnet 4.6からの移行を「ほぼコスト中立」にするよう設定した、と認めています。

そして、単位の話はまだ序の口です。性能を測る物差しそのものも、発売当日に動きました。

1つのモデルが「価格性能カーブ」になる——ただし、その物差しは発売当日に動いた

性能面でAnthropicがいちばん売りたいのは、個々のスコアよりも「effortレベル」という考え方です。これは、モデルが1つのタスクにどれだけ考える量(=tokenと料金)を使うかを開発者が調整できるつまみのこと。低effortなら安く速く、高effortならOpus 4.8に迫る——つまり1つのモデルが、価格と性能のカーブ全体をカバーする、という主張です。

この絵がどこまで本当かを測るはずのベンチマークには、注意書きが3つ重なります。第一に、すべて自社測定で、独立した第三者評価の引用はゼロ。第二に、比較の相手方であるSonnet 4.6のスコアが、今回あわせて再算定されました。Humanity's Last Examは採点モデルの更新でツールなし34.6%/ツールあり46.8%に、OSWorld-Verifiedは実行方法の変更で78.5%に改まっています(いずれもベンダー申告)。つまり「4.6から大幅改善」という比較は、直したばかりの物差しで測られています。

第三に、発売当日の訂正です。発表に載っていたBrowseComp(ウェブ探索能力の評価)のコスト性能チャートは、標準より簡素な方法論で測られておりSonnet 5を過小評価していたとして、当日中に差し替えられました。訂正後の方法論は圧縮とプログラム的ツール呼び出しを併用し、token予算1000万で走らせたものだと変更履歴に開示されています。

ここで重要なのは、訂正後の数字がSonnet 5に有利だったか不利だったかではありません。比較の土台そのものが、発売当日に動いたということです。方法論しだいで数字がこれだけ動くという事実は、この種のチャートを眺めるときのちょうどよい視力検査になっています。

Anthropicはなぜ「ハッキングが下手」を売るのか——0.0%という数字の意味

今回の発表でいちばん珍しいのは、安全性の打ち出し方です。ふつうモデルの弱点は隠すものですが、Anthropicはサイバー攻撃タスクにおけるSonnet 5の能力の「低さ」を、むしろ利点として前面に出しました。

具体例として挙がるのが、Mozillaと共同開発したという社内評価です。Firefox 147の脆弱性(Firefox 148で修正済み)を対象に、完全に動作するエクスプロイト(攻撃コード)を作らせる試験で、Sonnet 5の成功率は0.0%。前世代Sonnet 4.6も同じく0.0%だった、としています。あわせて、Opus 4.7や4.8と同じリアルタイムのサイバー防護機能をデフォルトで有効にして出荷すること、同社のCyber Verification Programの対象であることも明記されています(出荷時の設定は事実、評価の数字は自社申告です)。

幻覚(もっともらしい作り話)や追従(ユーザーに迎合して誤りを認めてしまう傾向)がSonnet 4.6より減った、プロンプトインジェクション(AIが読むウェブページやメールに悪意ある指示を仕込み、動作を乗っ取る攻撃)への耐性が上がった、という主張も並びます。ただしSystem Cardまで読むと、都合の悪い数字も正直に載っています。Anthropic自身の行動監査では、Sonnet 5の不整合行動の発生率はOpus 4.8やMythos Previewより高く、エクスプロイト開発の「部分的成功」率はSonnet 4.6よりわずかに上がっています。「安全になった」は方向として主張されていますが、全項目で上位モデルより安全なわけではありません。

8月31日を過ぎたら、もう一度計算し直そう

最後に時間軸を整理し、この発表が業界に持つ意味を確かめます。

冷静に足し引きすると、こうなります。確認できる事実は「中位モデルが全プランに即日展開され、上位モデルの4〜6割の単価で売られている」こと。主張は「その性能が上位モデルに迫る」こと。そして脚注は「tokenizerの変更で、実際の請求額はたぶん思ったほど下がらない」ことです。それでも、もし性能の主張が今後の第三者評価で裏づけられれば、AIエージェントを大量に走らせる企業の損益計算は書き換わります。エージェントの仕事は1件あたりのtoken消費が桁違いに多いので、中位価格で上位性能に近づけるなら、その差は複利で効くからです。