Sonnet 5.5はOpus超え？ 両方でゲームを作った僕の結論
こんにちは、RUIです😊
Sonnet 5.5が発表されました！
「コーディングではOpus 5.5を超えた」と聞くと、もう全部Sonnetでいいの？と思いますよね。
僕も気になって、Opus 5.5とSonnet 5.5の両方に、対戦アクションゲームを作ってもらいました。
どちらも実際に遊べました。でも、今回のような複雑なゲームでは、僕はOpus 5.5の方が優秀だと感じました。
この記事では、公式に分かっていることと僕の体験を分けながら、「自分の仕事や副業ならどう使う？」まで考えてみます。
※情報は2026年9月29日時点。僕の制作体験は、条件を統一した性能試験ではありません。
まず結論。新しいから、全部乗り換えなくていい
今回の僕の感想は、複雑な制作を任せるなら、まだOpus 5.5を選びたいです。
以前はFable 5.1を一番おすすめしていました。今はOpus 5.5でも、ゲームやアプリを形にする力をかなり感じています。自分が頼むような制作では、現時点のおすすめはこの2つです。
一方で、「このボタンを直す」「この資料を表にする」といった、範囲がはっきりした仕事ならSonnet 5.5も試してみたい。
ここは、まだ僕の仮説です。今回のゲームだけで、シンプルな仕事の勝ち負けまでは決められません。
大作を任せる相棒と、毎日の小さな改善を任せる相棒。仕事ごとに選べるようになったのが面白いです。
公式の「Opus超え」は、どの評価の話？
Anthropicは、Sonnet 5.5を日常の明確な仕事に、Opus 5.5を複雑で継続的な判断が必要な仕事に向くモデルとして説明しています。
公式の比較には、Sonnetが上の項目も、Opusが上の項目もあります。
Terminal-Bench 4.0：Sonnet 70.6％／Opus 66.4％
FrontierCode 1.1：Sonnet 52.1％／Opus 54.4％
CursorBench 4.0：Sonnet 55.5％／Opus 57.8％
上は公式掲載の条件による数値です。Terminal-BenchのOpusはXhigh、FrontierCodeのSonnetもXhighの値を抜き出しています。モデルや評価ごとに設定があり、僕のゲームの採点結果ではありません。
つまり、「一部の評価で上回った」と「どんなコーディングでも上回る」は、分けて読みたいです。
公式発表はこちら👇
注目したいのは、速さと「完成までに使う量」
公式はSonnet 5との比較で、出力速度が30％以上向上し、タスク費用は最大30％減ると説明しています。
ただし、月額プランが30％安くなったという話ではありません。すべての作業が必ず30％早く終わるわけでもないです。
僕が期待しているのは、同じ時間や予算の中で、試して直す回数を増やせるかどうか。
APIの通常単価も整理しておきます。100万トークンあたりで、Sonnet 5.5は入力2ドル・出力10ドル、Opus 5.5は入力4ドル・出力20ドルです。
トークンは、AIが文章などを扱うときの量の単位。これはAPIの従量料金で、Claudeの月額料金とは別です。
同じ量ならSonnetの単価は半分。でも、安い方で何度もやり直すより、Opusで一度で終わる方が得な仕事もありそうですよね。
見るべきなのは、完成品1つにかかった費用と、自分の手直し時間。
モデルの選び方を「1回いくら？」から「合格するまでいくら？」に変えると、僕たちの使い方も変わりそうです。
自分の副業に置き換えるなら？🌱
料理で考えると、献立を決めることと、決まった分量で下ごしらえをすることは、少し違いますよね。
AIへの依頼も、まず「何を作るか考える仕事」と「決まったものを整える仕事」に分けてみる。
この分け方なら、ゲームを作らない人も使えます。
① ココフレンズなら、毎回の小さな修正へ
ゲーム全体の難易度や、遊び続けたくなる仕組みは、いくつもの判断がつながっています。
一方、「スマホで文字がはみ出るところだけ直す」なら、お願いも合格条件も決めやすい。
僕なら、まずこの小さな修正をSonnetとOpusにそれぞれ頼み、見た目・操作・手直し回数を比べてみたいです。
② 動画制作なら、素材を届ける準備へ
僕はLINEスタンプに加えて、InstagramやTikTok用の動画も作っています。
同じ素材から、字幕の位置や最後の案内を変えて書き出す。こうした繰り返しを、Claudeに編集用のコードを書いてもらって整える案があります。
GPTでの画像生成やFALでの動画生成そのものとは、別の役割です。キャラクターの輪郭や字幕の読みやすさは、最後に自分でも確認します。
③ お店のお手伝いなら、更新の面倒を減らす
飲食店の季節メニュー、美容室の料金表、教室の日程表。毎月変わるのに、更新が後回しになるものはありませんか？
確認済みの情報から、Webページやお知らせの更新案を作る。まず架空のお店のサンプルを一つ作って、「これなら頼みたい？」と聞いてみる。
単発の制作に加えて、継続的な更新のお手伝いにつながるかもしれません。
④ 教える仕事なら、説明を小さな体験へ
長い説明を、3問のミニクイズに変える。正解だけでなく、選ぶと理由が分かるようにする。
生徒に一度触ってもらえば、どこが伝わらなかったかが見えてきます。そこを直すところまで含めて、教材づくりに使えそうです。
ここで挙げたのは、これから試す活用案です。収益が出た実績として紹介しているわけではありません。
あなたの仕事で「毎週同じように繰り返していること」を、一つだけ探してみてください。
その仕事の合格条件を、他の人に説明できますか？説明できる部分が、AIに任せる最初の候補になると思います。
初めてなら、この頼み方から試してみて
いきなり「すごいアプリを全部作って！」と頼むより、まず一つ、終わりが分かる仕事を選んでみる。
たとえば、こんな依頼です。
この画面の文字がはみ出している部分だけ直してください。既存の色・キャラクター・機能は保ってください。スマホ幅で表示を確認し、変更した点、実際に確認したこと、まだ確認できていないことを教えてください。
「何を直すか」「何を保つか」「どう確認するか」の3つを渡すと、こちらも結果を判断しやすくなります。
公式ガイドでは、範囲の明確な作業はMedium、難しい・長い作業はHighから試す考え方が紹介されています。考える強さを最大にすれば、いつでも最善になるわけではありません。
Claude Codeで使う人は、対応バージョンとモデル名も確認してください。公式ではv2.1.284以降が必要とされています。
更新は claude update、モデル選択は /model claude-sonnet-5-5。利用できるモデルや上限は、ご自身の契約・画面でも確認してください。
新モデルは、初日と1週間後も比べてみたい
これは公式に確認できた性能低下の話ではなく、僕個人の体感です。
OpenAIのAstra 6は、出た直後にかなり驚きました。ただ、3日から1週間ほど使う中で、最初よりうまくいかないと感じる場面が増えました。
Opus 5.5も少し変化を感じることはありますが、今のところ、僕の制作ではしっかり使えると感じています。
でも、依頼の難しさや会話の長さ、設定などをそろえて比べてはいません。これだけで「会社が性能を落とした」とは言えません。
だから次は、同じ依頼と素材を残して、初日・3日後・1週間後で確かめてみたいです。
完成までの時間、やり直し回数、余計な変更、自分の修正時間を記録する。気分だけで評価しないために、僕もここは丁寧に見ていきます。
新しいモデルが出たら、早めに自分の仕事で試す。そして、継続して使えるかも見る。この両方が大事だと思っています。
OpenAIの予告も気になる。でも内容はまだ決めつけない
今回、AnthropicとOpenAIの公式X投稿の時刻が近かったのも、気になりました。
日本時間で、Sonnet 5.5の公式X投稿は9月29日3時3分。OpenAIの「Get ready.」は同日4時15分でした。約72分差です。
前回も、公式Xでは9月23日1時31分にOpus 5.5、その約101分後にSol・Lunaという順でした。
ただ、これだけで「相手にわざと被せた」とは分かりません。比較しているのも、すべての媒体の初出時刻ではなく、公式Xの投稿時刻です。
OpenAIの予告は20以上の発表を示していますが、「20個の新モデル」や「Astraを超える新モデル」が確定したわけではありません。
DevDayの基調講演は、日本時間9月30日午前2時の予定。正式な発表を待って、自分の制作に何が使えるかを見たいです。
作れる人が増えた先で、僕が続けたいこと
僕はコードを知らなくても、ゲームやアプリを作りながら、こうしてモデルの違いを体験できるようになりました。
それはやっぱり、すごい変化だと思います。
でも、作っただけで売れるわけではありません。誰が喜ぶのかを考えて、見てもらって、反応から直す。そこはこれからも自分で育てていく力です。
だから僕は、モデルの順位だけを追いかけず、制作と発信を続けながら、使い分けも試していきます。
Anthropic、頑張ってほしい！こうやって「自分にも作れるかも」を広げてくれる道具が、これからも進化してくれたらうれしいです😊
あなたなら、まず何を任せてみたいですか？ゲームでも、仕事の小さな面倒でも、コメントで教えてください。
