Claude Opus 4.8登場！「正直なAI」って何が嬉しいの？ AIの"正直さ"を一緒に考えてみた
毎月のように「最新AIモデル登場！」って来るの、もう「ふーん」で流しちゃってない？
僕も、わりとそうなりかけてた。ベンチマークの棒グラフを見ても、もうどれがどれだか。正直、棒が伸びてるなあ、くらいの感想
でも今回のOpus 4.8、ちょっと指が止まったんだよね。
Anthropicが一番デカく出してきた売り文句が、「賢くなった」でも「速くなった」でもなくて。「正直になった」
……正直？🤔 それ、AIの売り文句として今までほぼ聞いたことなくない？
スペックの話は他の記事に任せる。今日は「正直なAIって、結局なんなの？ それ僕らに何の得があるの？」を、一緒にゆっくり考えてみたい。
🧠 まず、Opus 4.8が何者なのかだけ
2026年5月28日、AnthropicがClaude Opus 4.8を出した。
前のOpus 4.7が4月16日。つまりたった41日後。Anthropicにしては、これかなり早い。普段はもっとじっくり間を空ける会社なのに、今回は明らかに走ってきてる
それでいて価格は据え置き。ベンチマークもほぼ全部、前世代超え。
https://www.anthropic.com/news/claude-opus-4-8
コーディング系のSWE-Bench Proが64.3%→69.2%。数学（USAMO 2026）に至っては69.3%→96.7%。これはもう跳ねてる。GPT-5.5やGemini 3.1 Proと並べても、ターミナルのコーディング以外はだいたい勝ってる。
……うん、すごい。すごいんだけど
ここで「やっぱ最新は強いね」で閉じたら、それこそ流される記事だ。気になるのは数字じゃないんだよね。さっきの「正直」の話に戻ろう。
🤔 「正直なAI」って言われても、ピンとこなくない？
正直さって、人間相手なら「いい人だね」で終わる話。AIに言われても、最初ピンとこなかった
でも、自分の作業を思い出したら、急に腑に落ちたんだよ。
たとえばAIにコードを書かせる。画面上は、動いてそう。で、実際に走らせたらエラーが出る。……あるよね？😇
タスクを頼んだら「完了しました！」って元気に返ってくる。中を開けたら半分しかできてない。これも、ある
これがAnthropicの言う「AIがジャンプして結論を出す」ってやつ。根拠が薄いのに胸を張って「できました！」って言ってくる、あの癖。「いや、それほんとにできてる？」って二度見するパターン
で、Opus 4.8。ここに手を入れたって言ってる。
自分が書いたコードの欠陥を見逃さず指摘する確率が、前世代のおよそ4倍。
つまり「できてます！」じゃなくて、「ここ、まだ自信ないです」って自分から白状してくれるようになった、と
……あれ、これ地味じゃない？ って一瞬思った。でも、考えていくと全然地味じゃなかったんだよね。
🏭 自動化工場で考えたら、急にありがたみが見えた
僕はAIを「自動化工場のライン」として考える癖がある。今回もこれで並べてみたら、一気にピントが合った。
今までのラインは、不良品を「これ合格でーす」って言ってそのまま流してた。だから検品係の人間が後ろに張り付いてないと、誰も気づけない
Opus 4.8のラインは、自分から「この部品、基準満たしてるか自信ないんで止めときます」って手を挙げてくれる。
……これ、めちゃくちゃデカくないか？😳
何がデカいって、AIに任せたあとの「確認コスト」が根っこから変わる
今まで：AIの成果物を、人が全部チェックする → 結局、人間の時間が食われる → 任せた意味、半減 これから：怪しいところだけAIが自己申告する → 人間は、その要所だけ見ればいい
Anthropicはこれをアライメント評価のスコアでも見せてて、「誤整合な行動」の数値が4.7からガクッと落ちてる。
気合いで全数検品するんじゃなくて、仕組みで検品の手間が減る。……これ、僕の一番好きなパターンなんだよね
⚙️ 同時に来た機能、どれが効きそう？
モデル本体だけじゃなく、機能もまとめて来た。手元で関係ありそうなやつを並べてみる。
① ダイナミックワークフロー
Claude Codeの新機能。今はまだリサーチプレビュー。
ざっくり言うと、「1セッションの中で、数百の並列サブエージェントを走らせる」ってやつ。
https://www.technology.org/2026/05/29/anthropic-claude-opus-4-8-dynamic-workflows/
何十万行みたいなコードベース規模の移行を、計画から実行・検証まで一気に走り切れるレベルになってきたらしい。使えるのはEnterprise・Team・Maxプラン。
これ、ゲームの拠点作りで例えるとスッと入る。今までは斥候を1人ずつ出して、帰ってくるのを待ってた。これからは拠点から偵察部隊を一気にドバッと派遣して、全員の報告をまとめて受け取る。直列が並列になる、ってこと。規模がデカい仕事ほど、この差は効いてくるよね
② Effortコントロール
claude.aiとCoworkに、モデル選択の隣に新しいツマミが付いた。
低くすれば、速く返ってきてレートの消費もゆるい。高くすれば、じっくり考えていい答えを出す。さらに上に「extra」「max」もあって、重い仕事や長時間ぶん回す作業向け。
要は「AIの頭の回転数を、こっちで選べる」機能。全プランで使える。
メールの下書きみたいな軽作業に全力出させてレートを溶かす、みたいなムダがなくなる。仕事の重さでツマミを回す、って習慣が一個増える感じだね
③ Fastモードが3倍安い
これ、目立たないけど僕は地味に大きいと思ってる。
Opus 4.8のFastモードは、通常の約2.5倍の速さで動く。しかも以前のモデルの同等機能と比べて価格が3分の1になった。
「速さが欲しい場面」のハードルが、ストンと下がったってこと。これは普通にありがたい
🔭 ここまで来て、ひとつ引っかかったこと
機能を並べ終えて、ふと立ち止まった。
……なんでAnthropicは今、スペックより先に「正直さ」を出してきたんだろう
普通、新モデルって「ベンチ最強！」を真っ先に叫ぶもんじゃない？ なのに今回は、わざわざ「正直になりました」を先頭に置いた。これ、たぶん意味がある
調べていくと、伏線っぽいものが出てきた。
Anthropicは、Opusを超えるモデル「Claude Mythos Preview」の存在をもう明かしてる。一部のパートナーには提供済みで、近いうちに一般にも広がる予定らしい。
で、面白いのがここ。そのMythos Previewのアライメント評価スコアと、今回のOpus 4.8の数値が、ほぼ並んだっていう報告があるんだよ。
……ここで、点と点がつながった気がした
Opus 4.8は「ちょっと賢くなった4.7」じゃないんじゃないか。次世代の安全設計を、先に積んできたモデルなんじゃないか、って
考えてみてほしい。AIに任せる範囲を広げれば広げるほど、「自信満々に嘘をつく」性質は致命的になる。任せた量が多いほど、嘘1個の被害がデカくなるから
だから「確認取れてないんで申告します」っていう正直さは、AIを人間の仕事に深く組み込むための"前提条件"なんだと思う。スペックの話じゃなくて、信頼関係の話
Anthropicが数字より先にそれを語った理由、なんとなく見えてきた気がする
📝 で、結局どうなのか（一緒に出した結論）
同じ値段で、ほぼ全部良くなってる。乗り換えない理由を探すほうが難しい、っていうのが手触り。
でも、ここまで一緒に考えてきて思うのは、見るべきはスコアの数字じゃないってこと。AIへの"任せ方"が変わる、ここなんだよね
長くて複雑な仕事を丸投げしたいなら、ダイナミックワークフローは一回試す価値あり。今まで「AIの答え」を毎回全数チェックしてたなら、その手間が減るかもしれない。Effortのツマミで、仕事の重さに合わせて回転数を選ぶ、って新しいクセも付く。
「AIに任せても大丈夫」っていう感覚が、ちょっとずつ育ってきてる気がするんだよね😌
逆に聞きたいんだけど、あなたは今、AIの「嘘」にどれくらい警戒してる？ まだ全部チェックしてる派？ もう任せてる派？ コメントで教えてほしい。
🛠️ 製作ノート
「正直さ」って言葉、最初は正直なめてた。AIの売り文句にしては地味すぎるだろ、って
でもいじってるうちに、これが一番おもしろいテーマだと気づいた。AIが「わかりません」と言えるようになることを、ここまで真剣に売りにする会社はそう多くない。その姿勢の裏に、次のMythosに向けた設計思想が透けて見える気がして、書きながら一人でニヤニヤしてた
地味な改善ほど、実は深いところに刺さってる。そういうの見つけると、楽しいんだよね
Miccell - 仕組みがわかれば、世界はもっと面白くなる。