【前編】Claude Opus 5は"作り込んだ人"ほどつまずく…僕のAI会社を公式ガイドで全点検した‼️
こんにちは！AIクリエイターのinstkoniです。
Claude Code を毎日仕事に使い倒している副業クリエイターで、並行してYoutubeでAI音楽チャンネル「異世界の音楽家 / AI Motion Musics」も運用しています。
【記事概要をPodcastでも聴けます‼️】
Claude Opus 5 が公開されて少し経ちました。みなさん使ってます⁉️
（発表は2026年7月24日、日本時間では25日の未明です。）
タイムラインは「Fable 5 の半額」という言葉で埋まっています。
たしかに価格は入力100万トークンあたり$5、出力$25。Opus 4.8 と同じ値段のまま、中身だけが入れ替わったという、なかなか珍しいリリースです。
でも僕がこの記事で書きたいのは、値段の話ではありません。
公式のプロンプトガイドを読んでいて、手が止まったからです。
⚠️"If your prompt contains explicit verification instructions ... remove them"（あなたのプロンプトに明示的な検証指示が含まれているなら、削除してください）
僕は2年近く、Claude Code に指示を書き足してきました。
点検した時点でエージェント定義が30ファイル7,488行、学習ログが134件。
✅その相当部分が「必ず検証しろ」「報告を鵜呑みにするな」という趣旨の指示です。
公式は、僕が積み上げてきたものを「消せ」と言っている。
正直、最初の感想は「じゃあ僕の2年は何だったんだ」でした。
でも読み進めて、努力が無駄だったのではなく、
AIとの付き合い方の前提が一段ずれた。
そしてこのずれは、作り込んでいる人ほど強く出ます。
この前編では、公式ドキュメントの原文、実務者の検証、そして僕の会社OSを全点検した結果まで並べます。
最後に、あなたの環境を点検するプロンプトを置いておきます。
第1章：まず結論から。Opus 5 は「優秀」です 🧭
長い記事なので、先に結論を置きます。
Opus 5 は非常に優れたモデルです。
公開されてからずっとメインで回していますが、同じ成果物にたどり着くまでのタスク数が、Opus 4.8 より明らかに減りました。
この感覚は、使い手の技量にも依ると思っています。
まず僕は、AIエージェントとの対話において、プロンプトを作り上げて日常的に対話するということはあまりしていません。
✅ざっくりとした指示でそこを叩いていくというやり方が、最も「自分の思考の整理と、AIとの共創活用」に向いていると考えています。
そんな僕においては、以前は「これを直して」「次はここ」と何往復もした作業が、一度渡せば最後まで走り切る。より感覚的にゴールに近づく。
Opus 4.8 に感じていた不満は、体感で5割方なくなりました。
👤「じゃあ何も考えずに乗り換えていいの？」
会社スキルなどでは乗り換える前にやることがあります。
🟢 ベンチマークは正直にいうと参考程度にしたほうがいい。
Anthropic の発表では、ソフトウェア開発ベンチマーク Frontier-Bench v0.1 で Opus 4.8 の2倍以上、ARC-AGI 3 では次点の3倍。
ただしこれらはすべて Anthropic 自身が公表した数値で、独立した第三者検証ではありません。
数字より、触って分かった変化のほうが重要でした。スコアではなく、既定の振る舞いが変わっている。
放っておいても自分で検証し、自分で仕事を分担し、自分でタスクの範囲を判断するようになった。ここが今回の起点です。
🔵 「自分でやる」ようになったモデル
今回いちばん重要なのは、公式ガイドが列挙している振る舞いの変化のほうです。
【公式ドキュメントが挙げている Opus 5 の新しいクセ】
✅頼まなくても自分の作業を検証する
✅頼まなくてもサブエージェントに仕事を振る
✅頼まなくてもタスクの範囲を自分で判断して広げる
✅応答が前のモデルより長くなる
実際、AIに何も仕込んでいない人にとっては、素直に賢くなっただけだと思います。
⚠️問題は、仕込んだ人のほうでした。
🟣 これは値下げではなく、Anthropic の防衛線だと思う
ここは僕の見方です。使い続けていて、値段の据え置きには「戦略の匂い」をプンプンと感じました。
⚠️Fable 5 は、正直に言って高い。あれをメインに据えろと言われたら、多くの個人ユーザーは離れます。
でも Anthropic としては、Fable 5 を最上位に置いておきたい。
💡その板挟みの答えが、「メインモデルの Opus を大きく伸ばして、値段は据え置く」だったのではないか。そうすれば、ユーザーは OpenAI (ChatGPT)に流れずClaude を使い続ける。そう考えたように思えます。
この読みが当たっているなら、裏側の意味はひとつです。
⚠️それだけ GPT-5.6 が脅威だということ。値段を据え置いてまで主力を底上げしたのは、余裕があるからではなく、余裕がないからだと見ています。
Opus5を実際に使った感触も、この読みと矛盾しません。
Fable 5 のような「難しい開発や複雑タスクに特化して強い」という尖り方はしていない。
そのかわり、全体的に性能とコストのバランスをきれいに取ってきた。尖らせるのではなく、外さない方向に振ってきたモデルという印象です。
でもちゃっかりとサブエージェント利用をデフォルトにして、ユーザ使用量をメリメリ削るしたたかさはさすがだなと思います😆
第2章：公式が「あなたの書いた指示を消せ」と言っている ✂️
Anthropic は Opus 5 専用のプロンプトガイドを出しています。中身が想像以上に踏み込んでいました。
👤「プロンプトガイドって、普通は"こう書くと良くなります"じゃないの？」
🟣 消せと名指しされた4つの型
原文から引きます。まず検証指示です。
📙"instructions like these cause over-verification on Claude Opus 5, and removing them reduces wasted tokens with no loss in quality"
（こうした指示は Opus 5 で過剰検証を招く。削除すればトークンの浪費が減り、品質は落ちない）
つまりあなたの検証指示は、もはや品質を守っていないということです。
次にダブルチェック指示。むむむ・・・
📙"Avoid instructing re-checks it already performs ("double-check your answer," "re-verify before responding")"
そしてこれが、僕にとっていちばん衝撃を受けた一文。
サブエージェントを検証とダブルチェックに使うな。ぐぬぬぬ・・・
"do not use subagents to verify or double-check your own work"
（自分の作業を検証・ダブルチェックするためにサブエージェントを使ってはいけない）
4つめは、レビューの範囲を絞る指示です。
"If your review prompt says "only report high-severity issues" or "be conservative," the model may follow that instruction literally and report less"
⚪ 消せと言われているのは、検証だけではない
旧モデルは指示が弱いと動いてくれなかったりルールを守ってくれなかったこともあったので、僕は「言い回しを強くする」ことで対処してきました。
それが今は裏目に出るとのこと。。。。
【旧モデルで効いた定石と、Opus 5 で起きること】
⚠️「 必ずこのツールを使え」「迷ったら使え」
→ 旧モデルの不発を補うための強い言い回しが、そのまま過剰発火になる。「〜のときに使う」と条件と理由を書くほうが効きます。。。
⚠️「網羅的に」「徹底的に」
→ 探索が暴走してトークンとレイテンシが膨らむ。煽り文句は消して、深さは設定側で調整するのが筋です。。。
⚠️旧モデル向けの長さ制御を流用
→ 基準が変わってしまっているので効きません。。。。
僕の会社OSも、見出しに ⚠️ や 🚨 を大量に付けていました。全部が悪いわけではありませんが、強調が多すぎると、どれが本当に重いのかモデルに伝わらなくなる。ここは後編で整理しました。
🔴 ただし、消していいものと消してはいけないものがある
ここは強調させてください。いちばん誤解されると危ないところです。
公式が「消せ」と言っているのは、モデルの自己検証を外から指示している部分だけです。
同じ「確認」でも、次のものはまったくの別物で、残さないといけません。
⚠️消してはいけない確認（僕は全部残しました）
✅外部ツールが出したものの実物確認
（画像生成AIなどを使って出た納品物確認）
✅色味・背景・人体の破綻を人が目で見るゲート
✅ファクトチェックの外部ソース照合
✅オーナー承認ゲート全般（人間の意思決定です）
たとえば、Noteのインフォグラフィックなどの作成（この記事でも使われている浴衣の女の子もまとめ画像）はAIで作成しています。
これ、実は結構苦労して作ってます💦
腕が3本になった、キャラが別人になった。モデルの自己検証で防げるものではありません。
⚠️ガイドの一文を字義どおりに適用して、痛い目を見て積み上げた防御を自分で外さないこと。
🖐️消すのは「AIに自分をチェックしろと言っている部分」だけです。
🟢 同じことを、みんな違う言い方で言っている
日本語と英語の解説も10本ほど通して確認したところ、驚いたのは、発信者も規模もバラバラなのに全員が同じ一点に収束していたことです。
性能でも価格でもなく、揃って指示の渡し方が変わったという話をしている。
言い方はそれぞれです。
👥ある日本語の解説は「細かいルールと例文はもう逆効果」と切り出し、行き着いた結論を「AIは僕の上司です」と表現していました。
自分が命令する側ではなく、必要なものを聞かれて渡す側に回る、という意味です。
👥英語圏の解説は「最初に仕事を丸ごと渡せ」と言っていました。旧モデル向けに小さく分解して順番に指示する癖こそが、いまは足を引っ張ると。
分解して指示する、から、全体を渡して任せる、という意味でと考えます。
もうひとつ、複数の発信者が同じ注意を促していました。設定を上げるほど良くなる、という思い込みです。深く考えさせれば良い結果が出るとは限らない、と口を揃えている。後編で実測とあわせて扱います。
モデルが変わったら、書いてきた指示のほうを見直す。 その認識は、もう国内外で共有され始めている。
第3章：僕の会社OSを診断したら、衝突は数十箇所あった 🔍
僕は Claude Code の上に「AI の会社」を作っています。
秘書室・編集部・SNS運用部・Automation/QA・映像制作部があり、それぞれにエージェントとルールが紐づいている。詳細は過去記事に書きました。
今回やったのは、自分の指示資産を公式ガイドの項目で全数点検すること。使用時間ではなく、棚卸しの結果でお見せします。
結果的に、Opus5にしたことで、僕自身の使い勝手は向上しています。
🔴 母数と、ヒット数
まず僕が抱えている量です。
エージェント定義 30ファイル・7,488行／学習ログ 134ファイル／部門ルール 7ファイル・2,761行（すべて点検時点の値）。
【公式が「消せ」と名指しした型で洗った結果】
⚠️検証・再確認を強制している箇所：41箇所
⚠️サブエージェントへの委譲を促している箇所：61箇所
⚠️「重大なものだけ報告」型：2箇所
⚠️「独立レビューアを起動して120点で採点させろ」という指示：54箇所
これは僕が全社の絶対ルールとして書いたものです。
実装が終わったら必ず別のエージェントに採点させ、点が足りなければ直す。レビューする人と直す人は分ける。
その54箇所が、公式の一文と真正面からぶつかっています。
"do not use subagents to verify or double-check your own work"
自分の品質基準が、そのまま公式の禁止事項になっていた。 数えながら、少し笑ってしまいました。
⚪ 実を言うと、伏線はモデルが変わる前からあった
なんとなくですが、、、モデルが変わる前に、なんだかおかしいと…。
いつもの使い方で「使用量消費の重さ」の変化に気づいていました。
その証拠にOpus 5 が公開される4日前、こういうルールを作っていました。
⛔️多段委譲ループ禁止。draft → review → revise を何度もエージェントに投げない。作業はメインのAIエージェントがで直接行うこと。
きっかけは品質ではなく、コストです。
絵コンテの作業でリーダーを2回、レビューアを3回焚いて、消費の重さに気づいたからでした。
公式ドキュメントを読んで分かったのは、その場当たりの結論が、モデル側の設計思想として先に明文化されていたということです。
🔵 あなたの環境を診断するプロンプト
僕がやった環境点検を共有しますね。もっとも、僕が実施した時はこんなに整備されたものではなかったですが・・・。
以下をそのまま貼ってください。
あなたはこの環境のエージェント設定を監査します。
対象: .claude/ 配下のエージェント定義・スキル・CLAUDE.md
基準: Anthropic「Prompting Claude Opus 5」の移行指針
次の4分類で該当箇所を洗い出し、ファイル名と行番号を添えて表にしてください。
1. 削除候補（検証の二重指示）
「必ず検証」「目視確認」「double-check」「再確認してから報告」など、
モデルが既定で行う自己検証を、外から重ねて指示しているもの
2. 上限が必要（サブエージェントへの委譲）
委譲を促しているが「いつ・何個まで」が書かれていないもの。
特に「自分の作業を検証させるための委譲」は最優先で挙げてください
3. 見逃しリスク（報告範囲の絞り込み）
「重大なものだけ」「保守的に」など、報告を減らす方向の指示
4. 不足（出力長の指定）
簡潔さ・文字数の指定が無いファイル
各項目に「残す / 消す / 書き換える」の推奨と、理由を1行で添えてください。
推測で埋めず、実際に読んだファイルの記述だけを根拠にしてください。
最後に、影響が最も大きい3件だけを別枠で挙げてください。
⚠️ひとつだけご注意を。
返ってきた結果をそのまま全部消さないでください。第2章の線引きを手元に置いて、「これはモデルの自己検証か、それとも外部生成物の確認か」を1件ずつ見てください。
そこを間違えると、防御を自分で外すことになります。
前編のまとめ ⏳
僕がAIに書き足してきた指示の多くは、その時点のモデルの弱点を埋めるための補正でした。
検証しないから検証させた。忘れるから念を押した。曖昧に流すから範囲を指定した。
Opus 5 はその前提を崩してきます。頼まなくても自分で検証する。だから外からの補正は補正のまま残り、今度は逆方向に効く。
AIに何も仕込んでいない人は、素直に速くなります。仕込んだ人ほど、その仕込みが足を引っ張る。 これが「作り込んだ人ほどつまずく」の中身です。
そして僕の場合、その仕込みは41箇所と61箇所と54箇所ありました。
後編では、ここから実際に何を消し、何を残したかを書きます。
設定のほうでも大きな読み違えをひとつやらかしていたので、そこも正直に書こうかなと。「低い設定は安全」だと思っていたのですが、違いました。
まぁ、そんなこんなでまとめていたりアップデートを追っていたら記事まとめに時間がかかってしまいました💦
もし、よろしければ後編もご覧くださいね‼️
最後までお読みいただき、ありがとうございます‼️
さて、あなたなら次にどんなAIツールを試してみたいですか⁉️
ぜひ、コメントであなたの意見を聞かせてください‼️
この記事が少しでも「役に立った！」と思っていただけたら、
「スキ」を押していただけると、次の記事を書く大きな励みになります‼️