2026年4月16日、AnthropicがClaude Opus 4.7を一般公開しました。
コーディング性能は前モデル比で最大13ポイント以上向上し、視覚処理能力は約3倍に拡張。
API料金は据え置きながら、新トークナイザーの影響で実質コストが最大35%増加する可能性もあります。
本記事ではClaude Opus 4.7の特徴・料金・評判・使い方を、複数の情報源をもとに徹底的に解説します。
Claude Opus 4.7とは——Anthropicの最新フラッグシップモデルの概要

Claude Opus 4.7は、米Anthropicが2026年4月16日に一般提供を開始した、同社の最上位AIモデルです。
前世代のClaude Opus 4.6からわずか約2か月でのリリースですが、コーディング・視覚処理・エージェント推論の3領域で明確な性能向上が確認されています。
モデルIDは「claude-opus-4-7」で、コンテキストウィンドウは100万トークン、最大出力トークン数は12万8,000トークンです。
知識カットオフは2026年1月で、前モデルのOpus 4.6(2025年5月)より約8か月分新しい情報を持っています。
利用できる主なプラットフォーム
Claude Opus 4.7は幅広い環境から利用できます。
- Claude.ai(Pro/Max/Team/Enterpriseの各有料プラン)
- Claude Code(ターミナル型AIコーディングエージェント)
- Anthropic API(モデルID:claude-opus-4-7)
- Amazon Bedrock(AWS)
- Google Cloud Vertex AI
- Microsoft Foundry(Azure AI)
Microsoft 365 CopilotのCowork・Copilot Studio・Copilot in Excelにも順次展開が進んでおり、業務アプリからも利用できる環境が整いつつあります。
Anthropicのモデル体系における位置づけ
Anthropicのモデルラインナップは、最上位のOpus・中位のSonnet・高速低価格のHaikuの3グレードで構成されています。
Claude Opus 4.7はOpusシリーズの最新世代にあたり、一般公開されているモデルの中で現時点の最高性能を誇ります。
同社はさらに強力な非公開モデル「Claude Mythos Preview」の存在を認めていますが、安全検証の観点からOpus 4.7が「本番運用可能な最上位モデル」として位置づけられています。
Mythosはベンチマーク単体では優勢な項目もありますが、Opus 4.7は安全性と性能のバランスを重視した現実解と言えます。
Claude Opus 4.7の主な新機能と特徴——6つの進化ポイント

Claude Opus 4.7では前世代Opus 4.6を土台に、6つの領域で明確な強化が行われています。
それぞれの特徴を順に見ていきましょう。
①コーディング性能の大幅向上
コーディング性能はClaude Opus 4.7最大の強化ポイントです。
実プロジェクトのバグ修正・機能追加タスクを評価する「SWE-bench Verified」では87.6%を記録し、Opus 4.6の80.8%から約7ポイント向上しています。
より難易度の高い「SWE-bench Pro」では64.3%(Opus 4.6は53.4%)と約11ポイントの大幅改善が見られ、「難しい問題ほど改善幅が大きい」という特徴が顕著です。
AIコードエディタCursorでの自律コーディングを測る「CursorBench」でも58%から70%へと12ポイント上昇しています。
ツール呼び出しエラー率も前モデル比で約3分の1に低減されており、長時間の自律的なコーディングタスクでも安定した動作が期待できます。
②視覚処理の高解像度化(約3倍)
画像入力の解像度上限が大幅に引き上げられました。
従来は長辺約1,568px(1.15MP)程度でしたが、Opus 4.7では長辺2,576px・総画素数約3.75メガピクセルまで対応しています。
| 項目 | Opus 4.6 | Opus 4.7 |
| 最大解像度 | 1.15MP(1,568px) | 3.75MP(2,576px/約3倍) |
| 座標対応 | 倍率計算が必要 | 実ピクセルと1:1対応 |
| 視覚推論(CharXiv) | 69.1% | 82.1% |
| 視覚精度全体 | 54.5% | 98.5% |
PDF化された会議資料・Excelのグラフ・業務システムのスクリーンショットなど、情報密度の高い画像の読み取り精度が飛躍的に向上しました。
また座標が実ピクセルと1:1で対応するため、「画像内の特定位置を指定する操作」も計算なしで実行可能になっています。
③新エフォートレベル「xhigh」の追加
Opus 4.7では、AIがどれだけ思考リソースを使うかを調整する「effort(エフォート)レベル」に新たに「xhigh」が追加されました。
| エフォートレベル | 特徴・推奨用途 |
| low | 単純な分類・要約など、速度・コスト優先タスク向け |
| medium | 標準的なタスクに最適なバランス型 |
| high | 精度が求められる一般的なタスク全般 |
| xhigh | コーディングやagenticタスクに推奨(Claude Codeのデフォルト) |
| max | 最高精度が必要な複雑なタスク(処理時間・コスト大) |
重要なのは、最高値の「max」が必ずしも最良ではない点です。
Anthropicの公式ドキュメントおよびClaude Code開発者のBoris Cherneyも「overthinking(考えすぎ)傾向がある」と明記しており、大半のコーディングタスクではxhighが最もバランスが良いとされています。
④指示追従の厳密化
Opus 4.7は指示を「文字通り」に解釈する方向に進化しました。
Opus 4.6までは曖昧な指示でも文脈から意図を汲み取る傾向がありましたが、Opus 4.7ではプロンプトに書かれた内容をそのまま実行しようとします。
この変化により、正確に書かれたプロンプトには忠実に従う一方、旧モデル向けに緩く書かれたプロンプトでは期待と異なる挙動が出る可能性があります。
本番運用中のプロンプトは、Opus 4.7への移行前に必ず再テストと再チューニングが推奨されます。
⑤task budgetsの導入(パブリックベータ)
長時間稼働するエージェント向けの新機能「task budgets」がパブリックベータで提供開始されました。
タスク全体で使用するトークン量の上限を開発者側で明示的に設定できる機能で、従来の「max_tokens」(単発リクエストの出力制限)とは異なり、エージェント処理全体を通したコスト管理ツールとして機能します。
最小値は2万トークンで、コストとパフォーマンスのバランスを柔軟に最適化できます。
⑥ファイルベースメモリの改善
ファイルを活用したメモリの読み書き精度が向上し、長時間タスクでも情報を安定して引き継げるようになりました。
スクラッチパッドやメモファイルの記録・参照の信頼性が高まり、長期タスクでの情報の抜け・ズレが起きにくくなっています。
Anthropic提供のmemory toolを活用することで、独自のメモリ管理実装が不要になり、複雑な業務フローの自動化や長期プロジェクトのエージェント開発における精度と安定性が向上します。
Claude Opus 4.7の料金——プラン別の詳細と注意点

Claude Opus 4.7の料金体系は、利用方法によって大きく異なります。
主要な利用形態ごとに確認しておきましょう。
Claude.aiの有料プランでの利用料金
Claude Opus 4.7はClaude.aiの無料プランでは利用できません。
Proプラン以上への加入が必要です。
| プラン | 月額料金 | 主な特徴 |
| Free | 無料 | Claude Opus 4.7は利用不可 |
| Pro | 約3,000円($20) | 全モデル利用可能・利用量の上限あり |
| Max(5x/20x) | 約15,000円〜($100〜) | Proより5倍以上の利用量・auto mode対応 |
| Team | 約4,500円/ユーザー($30) | チームでの共有利用・管理機能つき |
| Enterprise | 要問い合わせ | SSO・高度な管理機能・カスタム利用量 |
まずはProプランから試し、利用頻度が増えて制限が気になる場合はMaxプランへの移行を検討するのがおすすめです。
なお料金は2026年4月時点の公式情報をもとにしており、為替レートにより円換算額は変動します。
APIでの利用料金と注意点
Anthropic APIを通じてClaude Opus 4.7を利用する場合、料金はトークン量に応じた従量課金制です。
| 種別 | 料金 |
| 入力トークン | $5 / 100万トークン |
| 出力トークン | $25 / 100万トークン |
| プロンプトキャッシュ利用時 | 最大約90%割引 |
| バッチ処理利用時 | 約50%割引 |
単価自体はOpus 4.6から据え置きですが、重要な注意点があります。
Opus 4.7では新しいトークナイザーが採用されており、同じテキストでもOpus 4.6より多くのトークンを消費する場合があります。
具体的には同一テキストで1.0〜1.35倍のトークン数にマップされることがあり、実質的なコストが最大35%増加する可能性があります。
特に日本語・コード・マルチモーダル入力で影響を受けやすいため、本番環境へ移行する前にサンプルデータでトークン消費量を事前計測しておくことが重要です。
新規にAnthropicアカウントを作成した場合、クレジットカード登録なしで$5の無料クレジットを受け取れるので、まずそこから試すことができます。
Claude Opus 4.7の使い方——Claude.aiとAPIそれぞれの手順

Claude Opus 4.7を使い始めるための基本的な手順を、Claude.ai経由とAPI経由それぞれで解説します。
Claude.aiで使う方法(3ステップ)
- Claude.aiにアクセスしてサインインする
公式サイト(claude.ai)にアクセスし、Googleアカウントまたはメールアドレスでサインインします。
アカウントがない場合は「Sign up」から新規登録してください。 - 「Claude Opus 4.7」をモデル選択メニューから選択する
ログイン後、画面中央のモデル選択エリアから「Claude Opus 4.7」を選択します。
Proプラン未満では表示されないため注意が必要です。 - プロンプトを入力する
モデル変更後、プロンプトを入力します。
必要に応じて画像の添付も可能です。
Adaptive thinking(アダプティブ思考)も利用できます。
APIで使う方法(5ステップ)
- Anthropic Consoleにアクセスしてアカウントを作成する
Anthropic Consoleにアクセスし、Googleアカウントまたはメールアドレスでアカウントを作成します。 - 「API Keys」からAPIキーを発行する
左メニューの「API Keys」から「Create Key」をクリックしてキーを生成します。
APIキーは公開せず安全な場所に保管してください。 - AnthropicのPython SDKをインストールする
ターミナルでpip install anthropicを実行します。 - モデルIDに「claude-opus-4-7」を指定してAPIを呼び出す
Opus 4.6から移行する場合はtemperature・top_p・top_kを必ず削除してください。
残したままだと「400」エラーが返ります。 - 必要に応じてxhigh effort levelを設定する
リクエストのoutput_configに”effort”: “xhigh”パラメータを追加します。
agenticシステムを構築する場合はこの設定が推奨されます。
Opus 4.6からの移行時に必要なAPIの変更対応
Opus 4.6向けのコードをそのまま使うとエラーが発生するため、移行前の対応が必要です。
| 項目 | 変更内容 | 影響 |
| サンプリングパラメータ | temperature・top_p・top_kを廃止 | デフォルト以外を設定するとエラー発生 |
| thinking.budget_tokens | 廃止 | 設定するとエラー発生 |
| 思考内容の表示 | デフォルトで非表示 | 表示する場合はthinking.display: “summarized”を設定 |
| Adaptive thinking | thinking: {type: “adaptive”}に統一 | 明示的に有効化が必要 |
Messages APIを直接利用している場合はこれらの変更の影響を受けます。
Managed Agentsを利用している場合は影響を受けません。
Claude Opus 4.7の性能比較——競合モデルとのベンチマーク対決

Claude Opus 4.7の実力を、GPT-5.4・Gemini 3.1 Proなどの競合モデルと主要ベンチマークで比較します。
コーディング・エージェント系ベンチマーク比較
| ベンチマーク | Claude Opus 4.7 | Claude Opus 4.6 | GPT-5.4 | Gemini 3.1 Pro |
| SWE-bench Verified | 87.6% | 80.8% | — | 80.6% |
| SWE-bench Pro | 64.3% | 53.4% | 57.7% | 54.2% |
| CursorBench | 70% | 58% | — | — |
| MCP-Atlas | 77.3% | — | — | — |
| Finance Agent | 64.4% | — | — | — |
| GPQA Diamond | 94.2% | — | — | — |
| BrowseComp(エージェント検索) | 79.3% | — | 89.3% | 85.9% |
コーディング系のSWE-bench ProおよびSWE-bench VerifiedではClaude Opus 4.7がトップを取っています。
一方、Web検索を多用するエージェント検索の総合力を測るBrowseCompではGPT-5.4(89.3%)とGemini 3.1 Pro(85.9%)に差をつけられており、Claude Opus 4.7は79.3%という結果になっています。
用途別のモデル使い分けの目安
ベンチマーク比較の結果から、実務での使い分けは以下のように整理できます。
- コーディング・複雑なエージェント制御・金融分析:Claude Opus 4.7が有力
- Web検索を多用する調査・リサーチ業務:GPT-5.4が有力
- 多言語・検索寄りのタスク:Gemini 3.1 Proが有力
単一モデルに絞るのではなく、タスクの性質に合わせてモデルを使い分ける運用設計が現実的な選択肢です。
長文推論・マルチモーダル性能
長文推論の定番ベンチmarkであるGraphWalksの1Mトークン版では、BFSタスクが41.2%から58.6%へと+17.4ポイントの大幅改善を示しました。
大規模コードベースの全体把握や、長大な仕様書を食わせてエージェントに作業させるユースケースで、この差は質問の精度とエージェントのコヒーレンスの両方に効いてきます。
視覚認識ではXBOWのVisual-acuityベンチでOpus 4.6の54.5%からOpus 4.7で98.5%へとジャンプしており、セキュリティ系のビジュアル認識やUI自動化で実用域に達したとの評価もあります。
Claude Opus 4.7の評判——ヘビーユーザーのリアルな声
リリース後にClaude Codeを日常的に使うヘビーユーザーたちが報告した実際の評判をまとめます。
ポジティブな評価
- 指示追従の精度が向上し、CLAUDE.mdの指示をOpus 4.6より確実に守ってくれる
- 丁寧なプロンプトを書いた場合のコードの出来がOpus 4.6より明確に良い
- xhigh effortは「考えすぎずに正確に動く」絶妙なバランスを実現している
- 長時間のエージェントタスクをコヒーレントに実行し続けられる(Cognition社の評価)
- 財務・法務などの実務タスクで最高水準のパフォーマンスを発揮
- 正しい条件が揃えばOpus 4.6より明確に良い出力を出す
ネガティブな評価・注意点
- 曖昧なプロンプトを理解する「行間を読む力」がOpus 4.6より落ちている
- 自信満々に間違った回答を返すことがあり、二重チェックが必要なケースがある
- コーディング以外のタスクでは、詳細なプロンプトを出さない限りOpus 4.6より劣る場面がある
- max effortは無駄が多く、xhighと比べて消費トークンが大幅に増えるわりに出力品質はほぼ同等
- 全体的な安定感はOpus 4.6より低く、単体で任せきりにするには信頼感が不足する場面もある
- 既存プロンプトの再調整が必要で、移行に手間がかかる
ヘビーユーザーが実践しているベストプラクティス
実際のユーザーから報告されている、Claude Opus 4.7を最大限活用するためのポイントは以下の通りです。
- Effort Levelは基本的にxhighに固定し、maxは最も難易度の高いタスクにのみ使用する
- 初回プロンプトにGoal(目的)・Constraints(制約)・Acceptance criteria(完了条件)をすべて盛り込む
- バックエンドのテストスイートをStop Hookに接続し、自己検証ループを組む
- コーディング以外の作業はClaude Opus 4.6やClaude Sonnetを引き続き使う
- 別のAIモデル(Gemini、Codexなど)でクロスチェックし、回答の正確性を担保する
Claude Opus 4.7と同時にアップデートされた関連機能

Claude Opus 4.7のリリースに合わせて、Claude CodeやAPIにも重要な変更が加わりました。
Claude Code「/ultrareview」コマンドの追加
Claude Codeに新しいコマンド「/ultrareview」が追加されました。
これはコードベース全体を対象にした専用のレビューセッションを起動し、通常より深い分析を行う機能です。
- バグ・エッジケースの検出
- セキュリティ上の脆弱性の洗い出し
- パフォーマンスボトルネックの特定
- 可読性・ロジックの問題の指摘
本番デプロイ前の最終チェックに最適なコマンドで、既存ユーザーは追加設定なしで利用可能です。
ProおよびMaxプランユーザーには無料トライアル(3回)も用意されています。
Auto Modeの拡張とFocus Mode・Recaps
Claude Codeのおもな操作体験にも複数の新機能が加わりました。
- Auto Mode:従来のTeam/Enterprise限定から、Maxプランにも拡大。
「–dangerously-skip-permissions」に代わる安全な権限管理手段として位置づけられています。 - /fewer-permission-prompts:セッション履歴を分析し、許可リストの追加候補を自動提案。
Pro含む全プランで利用可能。 - /focus:最終結果のみを表示し、途中の思考・ツール使用ログを隠すモード。
「任せたら結果だけ見る」という使い方を支援します。 - Recaps:長時間セッションから復帰したとき、何をどこまでやったかをサマリー表示する機能。
長時間の自律実行タスクで特に有用です。
Adaptive thinkingへの一本化
Opus 4.7では拡張思考(extended thinking)の仕様が変更され、Adaptive thinkingに統一されました。
タスクの難易度に応じて思考の深さを自動で調整するこの機能は、デフォルトでオフとなっているため、利用する場合はthinking: {“type”: “adaptive”}を明示的に設定する必要があります。
内部評価では従来の拡張思考より高い性能が確認されており、移行による品質向上が期待できます。
Claude Opus 4.7の導入時に確認すべき注意点

Claude Opus 4.7は料金据え置きで性能が向上していますが、前世代からそのまま切り替える場合にはいくつか注意すべきポイントがあります。
プロンプトの再チューニングが必要
指示追従が厳密化されたことで、Opus 4.6向けのプロンプトをそのまま使うと予期せぬ挙動が起きる場合があります。
「適宜」「必要に応じて」「できれば」といった曖昧な表現を、数値や条件式に置き換えることで安定した動作が得られます。
Anthropicは当面Opus 4.6を並行稼働させながら、本番トラフィックの一部でOpus 4.7を評価する段階的な移行を推奨しています。
トークン消費量の事前検証
新トークナイザーの採用と思考トークンの増加により、同じタスクでも消費トークンが増えるケースがあります。
xhigh effortを長時間のエージェント業務に適用する場合は、月額コストがOpus 4.6世代から2〜3倍に膨らむケースも報告されています。
task budgetsで1タスクあたりの上限トークン数を明示的に設定し、APIダッシュボードで利用量を定期モニタリングする運用が重要です。
エージェント検索用途は要検証
Web検索を多用するリサーチエージェントや調査アシスタントを構築している場合、BrowseCompでの相対的な弱さが実業務に影響する可能性があります。
Opus 4.7に切り替える前に、実際のユースケースで旧モデルや他社モデルとの比較評価を行うことが望まれます。
まとめ
Claude Opus 4.7は、2026年4月16日にAnthropicが公開した最新フラッグシップモデルです。
コーディング性能・視覚処理・エージェント推論の3領域で明確な向上を遂げており、API料金はOpus 4.6から据え置きとなっています。
主な特徴をまとめると以下の通りです。
- SWE-bench Verified 87.6%・SWE-bench Pro 64.3%など、コーディング系ベンチマークで大幅向上
- 画像入力の解像度が長辺2,576px(約3.75MP)まで拡張——視覚認識能力が約3倍強化
- 新effortレベル「xhigh」の追加により推論強度をより細かく制御可能
- task budgets(ベータ)でエージェント全体のコスト管理が可能に
- Claude Codeに「/ultrareview」コマンドやFocus Mode・Recapsなどの新機能が追加
- Adaptive thinkingへの一本化など、APIの破壊的変更への対応が必要
一方で、実際のユーザーからの評判には課題も報告されています。
曖昧なプロンプトへの対応力がOpus 4.6より低下している点、コーディング以外のタスクでは詳細な指示が必要な点、自信を持って誤回答するケースがある点は、特に注意が必要です。
料金面では、Claude.aiはProプラン(約3,000円/月)から利用でき、APIはトークン従量課金(入力$5・出力$25/100万トークン)が適用されます。
ただし新トークナイザーにより実質コストが最大35%増加する可能性があるため、移行前の事前計測が欠かせません。
複雑なコーディングタスク・高解像度画像分析・長時間の自律エージェントワークを扱う場合、Claude Opus 4.7の導入を検討する価値は十分にあります。
まずはAPIの無料クレジット($5分)やClaude.aiのProプランで試しながら、既存プロンプトの再チューニングと並行して段階的に移行を進めるのが最も安全なアプローチです。


