9月22日の夜、AnthropicがClaude Opus 5.5を公開してからわずか90分後、OpenAIがGPT-6 SolとLunaを送り出しました。
それから2週間足らずで、Opus 5.5は自社の下位モデルに性能で追い抜かれ、他社の内部ベンチマークで見劣りする結果が出たと話題になり、月額200ドルのプラン価値では5倍の差をつけられ、最後には「弱くされたのでは」というナーフ（性能低下）疑惑までかけられています。
AIを仕事やコーディングに使っている人なら、この2週間のどこかで「結局どのモデルを使えばいいのか」と考えたはずです。
この1ヶ月の記事を並べたら、Opus 5.5を軸に同じ構図の記事が6本続いていたことに気づきました。
先に結論をまとめると：
– Claude Opus 5.5は9月22日の公開直後から、価格・速度・ベンチマークの面で常に「比較される側」に置かれ続けている
– 比較のたびに計算量の設定やプランの仕様、測定基準が違い、単純な「上回った・下回った」という見出しだけでは実態を見誤る
– モデル選びは上位・下位というラベルではなく、自分の作業に近いベンチマークと料金プランの実質価値で判断するのが安全
いま、Claude Opus 5.5の比較合戦に何が起きているのか
9月22日の同時発表を起点に、Opus 5.5は立て続けに比較のネタにされてきました。
社内の下位モデルSonnet 5.5に端末操作のベンチマークで追い抜かれ、OpenAIが公開した内部グラフでは見劣りする結果に見えると拡散し、調査会社の分析ではサブスクの実質価値に5倍の開きを指摘され、独自の追跡ベンチマークでは1日でスコアが急落して「ナーフされたのでは」という声も出ました。
1つのモデルがここまで短期間に比較の主役になり続けるのは、2026年のAI業界でもなかなか無い頻度です。
背景にあるのは、Claude Opus 5.5とGPT-6 Sol・Lunaが同じ夜に鉢合わせしたことに象徴される、AnthropicとOpenAIの発表サイクルが数週間おきに重なる現状です。
新モデルが出るたびにベンチマークのスクリーンショットがXで拡散し、数日後には別の条件での再計測で評価がひっくり返る——この繰り返しが、モデル選びを考えている読者の頭を余計に混乱させています。
ここからは、この2週間にOpus 5.5の周りで起きた6つの出来事を、起きた順に見ていきます。
次に読む
Claude Opus 5.5「ナーフ」疑惑、独自追跡ベンチマークの判定は「正常範囲内」この2週間、Claude Opus 5.5に起きた6つの比較1. 90分差の同時発表、Opus 5.5とGPT-6 Sol・Lunaが鉢合わせした夜
9月22日の夜、AnthropicがClaude Opus 5.5を公開すると、その約90分後にOpenAIがGPT-6 SolとLunaを送り出しました。
前日からMicrosoft Azureの設定画面に「GPT-6 Sol」「Luna」に加え、聞き覚えのない「Astra Minor」という名前が見つかり、Xでは「今夜何か来る」という空気が広がっていた中での発表です。
Opus 5.5はOpus 5比でリスト価格を20%引き下げ、キャッシュ利用込みの実質コストは約40%減。
Terminal-Bench 4.0では66.4%を記録し、旧上位モデルのFable 5.1（55.8%）を上回りました。
GPT-6 Sol・Lunaも旧モデルのGPT-5.6比で価格を最大50%引き下げており、両社が同じ夜に値下げと性能向上を同時に打ち出した格好です。
噂になっていた「Astra Minor」はこの夜の発表には含まれず、正体は今も明らかになっていません。
2. 同じプロンプトで飛行機ゲームを作らせたら、見た目から「飽きた」まで出た
Opus 5.5の発表翌日、同一の指示文とキー操作をOpus 5.5と旧モデルOpus 5にそれぞれ渡し、Three.js（ブラウザ上で3Dグラフィックスを描画する仕組み）で作らせたプロペラ機の飛行シミュレーターを並べて比較する投稿がXで拡散しました。
機体のサイズ感や傾き方といった細かな挙動に差が出ており、投稿者は「目に見えてOpus 5.5で進化したように見える」とコメントしています。
Anthropicの発表や報道によれば、Opus 5.5は出力速度が30%以上向上し、典型的な作業ではOpus 5より40%安く動かせるといいます（MacRumors調べ）。
コーディング能力の向上も含まれるため、同じ指示文でもコードの書き方が変わり、ゲームの挙動が変わること自体は十分にあり得る話です。
ただし、この手の一発生成デモ自体はX上で定着しつつあり、引用・再投稿を経て何度も同じような比較が流れてくることに「もうだいぶ飽きた」という反応も出ていました。
性能の進化とデモ文化への疲れが、同時に語られていたのが印象的です。
3. 格下のはずのSonnet 5.5が、上位モデルOpus 5.5をベンチマークで上回った
9月28日、AnthropicはClaude Sonnet 5.5を発表しました。
処理速度はSonnet 5比で30%以上速く、作業によっては最大30%のコスト削減になるという内容です。
ここで注目されたのが、端末操作の実行力を測る「Terminal-Bench 4.0」のスコアです。
Sonnet 5.5が70.6%を記録し、価格が2倍する上位モデルのOpus 5.5（66.4%）を上回ってしまいました。
ただしこれは端末操作という限られた領域の話です。
Anthropicは、Opus 5.5が680,000行規模のコード移行を1日足らずで終えたという早期テスターの評価を挙げており、規模の大きい・判断の難しい作業ではOpus 5.5が強みを発揮するとみられます。
業務全般の遂行力を測るGDPval-AA v2.1では、Sonnet 5.5が1844点、Opus 5.5が1846点とほぼ横並びでした。
特定領域で下位モデルが急に強くなる一方、総合力ではまだ僅差という実態が見えてきます。
4. 「縦軸見て横転」、GPT-6.1 Solの逆転劇は条件次第で入れ替わった
9月29日のDevDay 2026で、OpenAIは新モデル「GPT-6.1 Sol」を発表しました。
この際に公開された内部ベンチマークの比較グラフがXで拡散し、「縦軸見て横転」という一言に1万4000件を超えるいいねが集まります。
GPT-6.1 Solに有利な条件とOpus 5.5の数値が同じ条件でそろえられていなかったからです。
複数のベンチマーク分析サイトの計測では、AIに考える手間（計算量）を中程度に設定した条件で、GPT-6.1 SolがOpus 5.5より2.2ポイント高いスコアを記録し、コストはOpus 5.5のおよそ3分の1でした。
ところが計算量を最大まで引き上げた条件では結果が入れ替わり、Opus 5.5が42.5%というトップスコアでGPT-6.1 Solの36.1%を6.4ポイント上回りました。
つまり「どちらが優秀か」は、どれだけコストと時間をかけるかという条件次第で変わる話だったわけです。
OpenAIのグラフは、GPT-6.1 Solが有利になる条件を切り取って見せていた可能性が高いとみられています。
5. 同じ月200ドルなのに、価値は5倍差——SemiAnalysisが突き出した数字
10月5日、AIのコストに詳しい調査会社SemiAnalysisが、同額プランの実質価値を比較する分析を公開しました。
月200ドルのClaude MaxプランはAPI料金換算で月11,726ドル相当、同じ月200ドルのChatGPT Proプランは2,084ドル相当。
その差はおよそ5.6倍にのぼります。
差が開いた主な理由はOpenAI側の仕様変更です。
OpenAIは月200ドルのChatGPT Proプランの利用枠を各モデル階層で一律半分まで引き下げ、新たに月500ドルの「ChatGPT Pro 500」という上位プランを追加しました。
一方のAnthropicは同時期の価格改定後もMaxプランのOpus利用枠を約20%、Proプランの利用枠を約50%拡大しています。
同じ月200ドルなのに価値は5倍差とされたこの分析では、最上位モデルのFable 5.1とGPT-6 Astra同士を比べる場合は両社の利用枠がかなり近いことも指摘され、「5倍」はミドルクラスのプラン同士を比べたときに限って生じる差だと説明されています。
6. 1日で103.8%から94.2%、Opus 5.5の「ナーフ疑惑」は誤報に近かった
10月に入ると、「急に賢さが落ちた」と感じるユーザーの投稿がXで見られるようになりました。
きっかけは、Opus 5.5を独自に追跡するベンチマーク「NerfBench」のスコアが、10月1日の103.8%から10月2日には94.2%へ急落したことです。
運営元のBridgeMindは「前日はローンチ時を上回るスコアだったのに、今日は94.2%」と投稿しつつも、この数値を「ナーフとは言い切れない」と添えています。
NerfBenchは、モデルをローンチ当日と同じ課題・プロンプトで週3回以上再テストし、ローンチ時のスコアを100%とした相対値を出す仕組みです。
BridgeMind自身が90%から110%までの変動を「正常な範囲」と定義しており、94.2%はこの範囲に収まります。
9月28日未明の初回測定では、Opus 5.5は99.2%（ローンチ比-0.8%）で「ナーフは検出されず」と判定されていました。
1日分のスコア変動だけを切り取れば急落に見えても、追跡データ全体を見れば正常範囲内という結論になります。
6個の事例を1枚にまとめると
事例
数字
効いたもの
GPT-6 Sol・Lunaとの同時発表
90分差・実質コスト約40%減
Terminal-Bench 4.0で66.4%（Fable 5.1は55.8%）
Opus 5との一発生成比較
出力速度30%以上向上
機体のサイズ感・動きの自然さの見た目の差
Sonnet 5.5との逆転
Terminal-Bench 4.0で70.6%（Opus 5.5の66.4%超）
価格はOpus 5.5の半額
GPT-6.1 Solとの論争
AutomationBenchで+2.2pt→計算量最大時は-6.4pt
計算量設定の違いによる逆転
SemiAnalysisの価値比較
月200ドルで価値5.6倍差（11,726ドル相当 対 2,084ドル相当）
OpenAIのプラン半減とAnthropicの枠拡大
ナーフ疑惑
103.8%→94.2%（正常範囲は90〜110%）
NerfBench初回測定時点では-0.8%の範囲内
Shiritomo編集部の考察：明日からやることは2つ
6つの事例を並べて見えてくるのは、Opus 5.5そのものの実力が揺らいでいるわけではなく、比較する側の条件設定がそのたびに変わっているという構造です。
端末操作のベンチマークで劣勢でも総合力ではほぼ同格、ライバルのグラフで負けても計算量を変えれば逆転、1日のスコア低下も追跡データ全体では正常範囲——どの事例も「切り取られた1場面」だけ見れば結論が変わります。
明日からできることは2つです。
1つ目は、ベンチマークのスクリーンショットを見たら「どの計算量・条件で測ったか」を確認するまで評価を保留すること。
2つ目は、モデル選びを上位・下位のラベルで決めず、やらせたい作業に近いベンチマーク（端末操作ならTerminal-Bench、サブスクの実質価値なら月額あたりのAPI相当額）で判断することです。
この2週間の騒ぎは、AIモデルの優劣が1枚のグラフでは決まらないことを繰り返し示していました。
まとめ
Claude Opus 5.5はこの2週間、値下げ競争・同一プロンプトでのゲーム生成比較・社内下位モデルの逆転・ライバルの比較グラフ・サブスク価値調査・ナーフ疑惑という6つの異なる角度から比べられ続けました。
どの事例も条件を確認すると見え方が変わり、単純な勝ち負けでは語れない実態が見えてきます。
さらに深掘りしたい方へ
Opus 5.5以外にも、この1ヶ月は開発現場に関わる動きが相次ぎました。
ノートPCを閉じても処理が止まらないClaude Code Projectsが全Pro・Maxユーザーに開放された話や、Googleの生成AI「Gemini」がテスト中に実在3社へ侵入していたという報告、Anthropicのアモデイ氏が新人弁護士・コンサル・金融のプロの半分が消滅すると警告した件も、AI活用を考えるうえで押さえておきたい動きです。