AIモデルの価格表を眺めても、答えは見えてこない。2026年9月28日、Anthropicは主力モデル「Claude Sonnet 5.5」の一般提供を開始した。公表された基本単価は100万トークンあたり入力$2、出力$10で、前世代のSonnet 5から据え置かれている。表面上の値札は変わっていない。しかし、同社が打ち出した主張は「実質コスト最大30%削減」というものだった。価格表を据え置いたまま、利用者の財布を動かす仕組みはどこにあるのか。現場が直面するリスクとともに解説する。
単価据え置きなのに3割安い、その仕組みを分解する
今回の発表において、事前の市場予測ではSonnet 5からの値上げが噂されていた。しかし、AnthropicのCEOである Dario Amodei(ダリオ・アモデイ) は「単価据え置き」という選択をした。その上で、処理の効率化によってユーザーの実効出費を削るアプローチをとっている。
前世代に比べ出力速度を30%以上高速化し、プロンプトキャッシングと組み合わせることで実務タスクあたりの運用コストを最大30%削減する主力モデルです。
Dario Amodei(Anthropic CEO)|公式発表
「3割安い」の背景にあるのは、2つの技術的仕掛けだ。第一に、出力生成速度が前世代比で30%以上向上し、冗長な思考プロセスを省くことで「同じタスクをこなすために必要な生成トークン数そのもの」が減少した。第二に、固定されたプロンプトや長文資料を再利用する「プロンプトキャッシング」の割引だ。キャッシング利用時の読み取り単価は100万トークンあたり$0.20(90%割引)となる。社内マクロの修正や毎月の決算データの読み込みなど、同じ文脈を繰り返し投入する業務では、支払うトークン総数が大幅に落ちる計算になる。
30%
実務タスクあたりの運用コスト削減率
処理効率化とプロンプトキャッシュ適用時
70.6%
Terminal-Bench 4.0 スコア
前世代Sonnet 5の10.3%から躍進
90% OFF
プロンプトキャッシング割引率
読み取り100万トークンあたり$0.20
Terminal-Bench 70.6%の裏、何を測って何を測っていないか
性能面で最も大きな注目を集めたのは、エージェント型コーディング性能を測るベンチマーク「Terminal-Bench 4.0」の数値だ。前世代のSonnet 5が記録した10.3%から、一気に70.6%へと急上昇した。Terminal-Benchは、実際の開発環境で発生する複雑な不具合に対し、AIがコマンドラインを自律的に操作しながら修復できるかを測る指標である。
この数値は、開発現場における「人手の介在」の閾値を大きく変える。従来はAIが出したコードを人間が全行レビューし、修正を指示し直す手間が発生していた。しかしスコアが70%を超えると、「AIが一次修正を終わらせ、人間は最終確認のみ行う」という運用へ跳ぶことができる。ただし注意が必要だ。このテストは明確な答えがあるプログラミング環境を前提としており、社内の独自のローカルルールや、あいまいな指示に基づく事務作業の精度をそのまま保証するものではない。
強化セーフガードの副作用、『過剰拒否税』という隠れコスト
性能向上と同時に、実務運用において見逃せないのがセキュリティ機能の変更だ。Sonnet 5.5には、最上位モデルであるOpusと同等の強力なサイバーセキュリティセーフガードが標準搭載された。不正なコード生成や外部攻撃への悪用を防ぐための安全網が、中核モデルにも導入された形だ。
しかし、この強力な安全網には副作用が存在する。業務上の正常なプログラム記述や、セキュリティ検証のためのコード作成、あるいは医療・法律関連の紛らわしい用語を含む文章作成において、AIが過剰に危険と判断して出力を拒否する「過剰拒否(False Positive)」の発生だ。一度拒否されれば、プロンプトを言い換えて再試行しなければならず、そのたびに追加のトークン費用と担当者の作業時間が浪費される。仮に処理速度向上でコストが3割下がったとしても、拒否による再実行が頻発すれば、削減された費用は一瞬で相殺されてしまう。これが「過剰拒否税」と呼ばれる隠れコストの正体だ。
10人規模の事務所が、明日Claudeで試す損益分岐の引き方
では、10人規模の士業事務所やバックオフィスを抱える企業は、このモデルとどう向き合うべきか。例えば、毎月数千万トークン規模の過去書類や規定データを読み込ませて業務を行う企業なら、キャッシュ割引の恩恵で月額費用は確実に抑えられる。基本単価である100万トークン=$2(約300円)をベースに考えると、膨大な社内資料を毎日参照させる運用において、年間で数万円から数十万円単位の実行経費を削減できるポテンシャルがある。
損をするか得をするかの分岐点は、まさに「過剰拒否率」にある。どれほど計算上の単価が安くとも、現場で使いものにならなければ意味がない。自社の業務に組み込む際は、新モデルの賢さに飛びつく前に、実業務のサンプルデータを用いた耐性テストが必須となる。
出典 / SOURCES
※本記事は公開情報をもとに AI が自動で編集・要約し、出典を明記しています。正確性は各出典をご確認ください。
30分で課題を整理する→