Claude Sonnet 5.5、安さは単価でなく設定で決まる

単価据え置きで実支払いが下がる、という新しい値下げの形

2026年9月28日、Anthropicはミッドレンジモデル「Claude Sonnet 5.5」を公開した。最高峰モデルであるClaude Opus 5.5の登場からわずか6日後のリリースである。今回の発表で最も注目すべきは、100万トークンあたりのAPI表示価格（入力$2.00、出力$10.00）を前世代のSonnet 5から一切据え置いた点だ。

一見すると値下げがないように映るが、実際の請求額の仕組みは大きく変化している。AIの活用が単なるチャット応答から、端末操作や複数手順を自律的にこなすエージェント処理へと移る中、AIベンダーの競争軸は「1トークンあたりの単価引き下げ」から「1タスク完了に必要な試行ステップ数の削減」へ移行した。

米金融大手Balyasny Asset Managementの初期検証によると、2,441件の財務分析タスクにおいて、1回あたりの平均消費トークンが従来の497,000トークンから121,000トークンへ約75%減少した。表示単価が同じでも消費データ量が4分の1になれば、実支払額はそのまま4分の1へ落ちる。単価の競り下げではなく、完了までのムダを削ることで実質的な値下げを実現する時代に入ったのだ。

Terminal-Bench 70.6%の裏側、Max設定が隠す1回$12.54

だが、発表されたベンチマークの数値だけを見て導入を決めるのは早計である。Anthropicは、ターミナル操作能力を測る評価「Terminal-Bench 4.0」において、前世代の10.3%から70.6%へ跳ね上がったとアピールしている。これは上位モデルOpus 5.5の66.4%（Xhigh設定）を超える数値だ。

この「上位モデル越え」のカラクリは、思考レベルを極限まで引き上げる「Max effort」設定にある。モデルが納得するまで裏で大量の思考トークンを消費するため、試行1回あたりのコストは$12.54に跳ね上がる。Opus 5.5の1回あたり$7.35と比較して、実に約70%も割高になる計算だ。単価が安いミッドレンジモデルを選んだつもりが、設定ひとつで最高峰モデルより高くつく落とし穴が存在する。

さらにコーディング評価の「FrontierCode 1.1」では、Max effort設定時に並列サブエージェントが過剰起動してタイムアウトを起こし、1段低いXhigh設定（52.1%）よりMax設定（46.2%）のほうがスコアが落ちる不整合も確認されている。力任せの計算力消費は、精度とコストの両面で裏目に出るリスクを抱えている。

捨てられた互換性、thinking無効化の廃止が意味すること

運用上の大きな不確実性として、開発者向けAPIにおける「思考プロセスの無効化設定（thinking: {"type": "disabled"}）」が完全に廃止された点が挙げられる。このパラメータを指定すると400エラーが返る仕様に変更された。定型的なデータ分類や単純応答など、あえて思考させずに高速・安価で回していた既存システムの後方互換性が断ち切られた格好だ。

Anthropicはユーザーに対して「思考（thinking）を前提とした運用」への移行を強く促している。思考をモデル任せにする設計は利便性が高い反面、ブラックボックス化した思考ループによって想定外のトークン消費が発生する懸念を残す。

1タスク完了に必要な思考・試行ステップ数を減らすことで、顧客の実支払額を直接圧縮する。

定番タスク10件で設定別コストを計る

Claude Sonnet 5.5の登場によって、中小企業が取るべき判断基準は明確になった。ベンチマークの順位やカタログ上の100万トークン単価で選ぶのではなく、「自社の定番タスクを1件処理したときの実請求額」を基準にすることだ。

たとえば、10人規模の会計事務所や製造業の現場であれば、毎月発生する問い合わせメールの初期分類や、見積書と納品書の突き合わせ作業など、実際の業務データ10件をテストケースとして用意する。それらに対して「標準設定」「Xhigh設定」「Max effort設定」の3パターンで処理を実行し、応答精度と実際の消費トークン量を比較計測する。

目指すべきは「実作業で合格ライン（例: 人の手修正が不要なレベル）に達する最も低い設定」を見極めることだ。もしMax effort設定を使わなければ実用にならないタスクであれば、最初からOpus 5.5を使った方が1回あたりのコストが安く収まる可能性が高い。メーカーの宣伝文句に振り回されず、手元の電卓で実支払額を弾く姿勢こそが、無駄な経費膨張を防ぐ防壁となる。

30分で課題を整理する→