【実測】Claude Opus 5.5とFable 5.1に同じ指示を40回｜正答は同点、速度1.7倍・支払い3.2倍の差

Claude Opus 5.5が既定のOpusになりました。公式の説明は「多くの作業でFable 5.1と同じ水準で動き、Opus 5より運用費が40%安い」というものです。ただ、この手の説明は自分の使い方でそのまま再現するとは限りません。そこで、同じ指示を両方のモデルに40回投げて、正答・速度・実際に引かれた金額を全部測りました。

結論から書くと、安いほうが速くて、当たる数は同じでした。そしてもう1つ、料金の計算が公開されている単価表と合わないという発見がありました。これは知らないと支払額を1.5倍見誤ります。

結論｜安いほうが速くて、当たる数は同じだった

40回（4種類の課題×5回×2モデル）を回した結果は次のとおりです。

正答はOpus 5.5が15/15、Fable 5.1が14/15。所要時間は中央値でOpus 5.5が7.6秒、Fable 5.1が12.7秒。実際に引かれた金額は40回ぶんでOpus 5.5が1.80ドル、Fable 5.1が5.81ドルでした。

つまり、単価が2.5倍のモデルを使っても、この4課題では返ってくる答えは良くならず、待ち時間だけが1.7倍になり、支払いは3.2倍になったということです。

唯一の不正解も、中身を見ると差とは言いにくいものでした。これは後の章で実物を出します。

測定の条件｜4種類の課題を5回ずつ、同じ文面で投げた

測ったのは、非エンジニアが実務で投げそうな4種類です。

1つ目｜論理パズル（条件から4人の属性を確定させる）

4人それぞれの部署・使用ツール・勤続年数を、与えられた条件だけから確定させる課題です。答えは1通りに決まります。推論の正確さを見ます。

2つ目｜請求の計算（単価と件数から3つの金額を出す）

条件に沿って3つの数値を計算させます。答えは1通りです。桁や単位の取り違えが出やすい課題です。

3つ目｜問い合わせ文からの情報抽出

実際の問い合わせメールのような文章から、会社名・担当者・希望日・人数・予算の5項目を指定の形式で抜き出させます。余計な説明を付けないよう明示しています。

4つ目｜依頼に対して確認すべき点を3つ挙げる

非エンジニアからの曖昧な依頼を渡して、実装前に確認すべき点を3つだけ挙げさせます。正解が1つに決まらないので、正答の採点対象からは外し、速度とトークンだけを見ました。

4課題すべてを、両モデルにまったく同じ文面で5回ずつ投げています。モデルの指定以外の条件は変えていません。

採点の基準を先に決めておいた

採点は「必要な値が全部そろっているか」で見ます。単位（年・名）が付いていても、担当者名に部署名が付いていても減点しません。表記のゆれで落とすと、実務での使い勝手と合わなくなるからです。同じ基準を両モデルに機械的に当てています。

正答｜15対14、ただし中身は同じだった

Opus 5.5は15問すべて正解でした。Fable 5.1は14/15で、1問だけ外しています。

外した1問は抽出の課題で、予算欄に「30万円」と書くべきところを「300000円（税別）」と書いたものです。金額としては同じ値で、注記まで足してあります。指定した形式と違うので機械的には不正解にしましたが、これを間違いと呼ぶかは微妙なところです。

表記のゆれを許して数えれば15/15で同点になります。どちらの数え方でも「上位モデルのほうが正確だった」という結果にはなりませんでした。

速度｜中央値で1.7倍、論理パズルでは2倍の差がついた

所要時間はOpus 5.5が一貫して速く、しかもばらつきが小さいという結果でした。

課題別の中央値は、論理パズルがOpus 5.5の7.3秒に対してFable 5.1が14.8秒、請求計算が6.4秒に対して9.0秒、情報抽出が8.2秒に対して9.8秒、確認事項が9.0秒に対して12.7秒です。

差が一番開いたのは論理パズルで、ちょうど2倍でした。ばらつきも違います。Opus 5.5の論理パズルは6.9秒から7.6秒の間に5回とも収まったのに対し、Fable 5.1は11.8秒から18.1秒まで開きました。5回投げて最大と最小が6秒違うというのは、待っている側から見ると「もう終わったはず」と何度か画面を見に行く長さです。

待ち時間が読めるかどうかは、作業のリズムに直結します。7秒で必ず返るのと、12秒から18秒のどこかで返るのとでは、体感がかなり違いました。

実支払い｜40回で1.80ドルと5.81ドル、3.2倍の差

CLIが表示した金額を全部足すと、Opus 5.5が1.8014ドル、Fable 5.1が5.8051ドルでした。比は3.22倍です。

1回あたりの中央値で見ると、Opus 5.5が0.1247ドル、Fable 5.1が0.3110ドルでした。単価表の差（入力で2.5倍、出力で2.5倍）よりも開いているのは、後述するキャッシュの扱いが効いているためです。

課題別では、論理パズルが5回ぶんで0.3659ドル対1.5565ドル、請求計算が0.4612ドル対1.3907ドル、情報抽出が0.6071ドル対1.4132ドル、確認事項が0.3672ドル対1.4447ドルでした。どの課題でも3倍前後の差が出ています。

金額の感覚をつかみやすいように言い換えると、同じ作業を1日100回やった場合、Opus 5.5なら約12ドル、Fable 5.1なら約31ドルです。月20日なら240ドルと620ドルの差になります。1回あたりでは数十円の違いでも、常用すると効いてくる規模です。

公開単価で計算すると合わない｜1時間キャッシュが使われていた

ここが今回いちばんの発見です。

最初、公開されている単価表を見ながら自分で金額を計算したら、CLIが表示した実額と合いませんでした。Opus 5.5の40回ぶんは、単価表から計算すると1.1898ドル。実際に表示された額は1.8014ドルです。1.51倍ずれています。Fable 5.1でも3.7532ドルに対して実額5.8051ドルで、1.55倍ずれました。

原因はキャッシュ書き込みの単価でした。公開されている表には、キャッシュ書き込みが「5分」と「1時間」の2段階あります。5分のほうで計算すると合わず、1時間のほうで計算すると誤差なしでぴったり一致しました。

つまり、Claude Codeは1時間持つほうのキャッシュを使っているということです。単価表の一番目立つ数字（入力4ドル、出力20ドル）と、よく話題になる「キャッシュ読みが0.05倍で安い」だけを見ていると、実際の支払いを1.5倍少なく見積もることになります。

この差は、キャッシュ書き込みのトークン数が桁違いに多いことから来ています。今回の40回で、Opus 5.5は入力が40トークンなのに対してキャッシュ書き込みが203,854トークン、読み込みが388,959トークンでした。金額のほとんどはキャッシュ書き込みで決まります。

トークンの内訳｜考えた量はほぼ同じだった

「上位モデルは深く考えるから遅い」という説明をよく見ますが、今回のデータはそうなっていませんでした。

出力トークンはOpus 5.5が4,629、Fable 5.1が4,991。そのうち思考にあたるぶんはOpus 5.5が2,754、Fable 5.1が3,237です。差は2割ほどで、倍にはなっていません。

課題別に見ると、論理パズルだけはFable 5.1が2,160トークン考えたのに対してOpus 5.5は1,060トークンでした。ここは2倍の差です。ただし答えはどちらも5回とも正解で、Fable 5.1は倍の時間と倍の思考量を使って、同じ答えにたどり着いています。

確認事項の課題では、Fable 5.1の思考トークンが0でした。それでも12.7秒かかっています。思考量と所要時間は素直に対応していませんでした。

どちらを使うか｜自分はOpus 5.5を既定に置いた

今回測った範囲では、上位モデルを使う理由が見つかりませんでした。正答が同じで、速度が遅く、支払いが3倍なら、選ぶ理由は残りません。

ただし、測ったのは短い単発の作業です。ファイルを何十個も読ませる長時間の作業や、失敗しながら直していく作業では別の結果になる可能性があります。そこは今回の範囲外で、次に測る宿題として残しています。

実務上の判断としては、まず既定のままOpus 5.5で走らせて、明らかに詰まったときだけ上位モデルに切り替えるのが妥当だと考えています。最初から上位モデルを常用すると、詰まっていない作業にも3倍を払い続けることになります。

「安いモデルだと品質が心配」という感覚はよく分かります。ただ、その心配が当たっているかどうかは、自分の課題で測らないと分かりません。今回のように4種類・各5回でも、1時間かからずに答えは出ます。人の感想より、自分の作業で測った15問のほうが判断材料として強いです。

もう1つ、自分の設定にモデル名を直接書いている人は確認しておいたほうがいいです。既定が入れ替わった日に、古いモデル名を書いたままだとそこで止まります。

同じ計測を自分でやる手順

特別なものは使っていません。CLIにモデルを指定して投げ、返ってきたJSONから使用量を拾うだけです。

1つ目に、同じ文面のプロンプトと期待する答えをJSONファイルにまとめます。2つ目に、モデルを引数で切り替えて同じプロンプトを投げるスクリプトを書きます。3つ目に、返ってきたJSONの使用量欄（入力・出力・キャッシュ書き込み・キャッシュ読み込み）と表示金額を1行ずつ記録します。4つ目に、採点基準を先に決めてから機械的に当てます。

採点基準を後から決めると、結果を見てから基準を動かしてしまいます。先に決めて、両モデルに同じものを当てるのが大事なところです。

注意点が1つあります。回数をまとめて自動化するスクリプトを先に書くと、失敗もまとめて起きます。実際、今回の準備でも一括実行の最初の版が全滅しました。原因は引用符の入れ子で、結果の取り出しが空になっていただけでした。最初の1件を手で通して、出力の形を確認してから回数を増やすほうが結局は速いです。

よくある質問

40回というのは少なすぎませんか

多いとは言えません。ただ、正答が15対14で速度が1.7倍、支払いが3.2倍という差は、回数を増やして逆転する幅ではないと考えています。逆に言えば「わずかな差」を見たい場合には足りない回数です。

課題が簡単すぎるのでは

その可能性はあります。難しい課題なら上位モデルが有利になるかもしれません。今回選んだのは、非エンジニアが日常的に投げる範囲の作業です。この範囲では差が出なかった、というのが正確な言い方になります。

キャッシュの単価はどこで確認できますか

公開されている価格のページに、モデルごとに「5分キャッシュ書き込み」「1時間キャッシュ書き込み」「キャッシュ読み込み」が分けて載っています。今回の金額はすべてそこの数字で計算し直して確認しました。

表示された金額は実際の請求と同じですか

今回はCLIが表示した額と、公開単価から計算した額が一致することまで確認しました。請求書と突き合わせたわけではないので、そこは断言しません。

まとめ

同じ指示を40回投げて分かったことを、もう一度並べます。

1つ目に、正答はOpus 5.5が15/15、Fable 5.1が14/15で、唯一の不正解も表記のゆれでした。実質は同点です。

2つ目に、速度は中央値でOpus 5.5が7.6秒、Fable 5.1が12.7秒。論理パズルでは2倍の差がつき、ばらつきもOpus 5.5のほうが小さくなりました。

3つ目に、実支払いは40回で1.80ドルと5.81ドル。3.22倍の差です。

4つ目に、公開単価から金額を計算するときは1時間キャッシュの単価を使わないと合いません。5分のほうで計算すると1.5倍少なく見積もります。

5つ目に、思考トークンの量は2割ほどしか違わず、「深く考えているから遅くて高い」という説明は今回のデータでは支持されませんでした。

短い作業なら、安いほうを既定にして困らない。これが今回の実測から言えることです。長時間の作業については、改めて測って報告します。

あわせて読みたい関連記事：

AIの最新情報をリアルタイムで受け取る

Claude Codeの実測データや新機能の検証を、Xで毎日発信しています。バージョンごとの変更点や、実際に使って分かった落とし穴を先に知りたい方はフォローしてください。

@ai_hack_dx をフォローする